​爱因斯坦曾经说过：“我们不能用制造问题时的同一水平思维来解决问题。”　　为什么我们喜欢大数字?　　作为一名拥有40多年半导体业务研发总监和CMO管理经验的工程师，我认为我自己和我的同行都合乎逻辑。然而，我们中有多少人可以诚实地说我们没有被“我的产品比你的产品快”之类的说法所**?恐怕这只是人性。　　问题始终是定义之一：我们如何定义“更快”或“更低功率”或“更便宜”?这是基准测试试图解决的问题——它是关于拥有一致的上下文和外部标准，以确保你在比较的是同类测试。任何使用基准测试的人都非常清楚这一点(比如aiMotive就诞生于一家**的GPU基准测试公司)。　　在尝试比较汽车AI应用的硬件平台时，解决这种需求从未像现在这样紧迫。　　什么时候10TOPS不是10TOPS?　　无论是否有专用的NPU，大多数SoC都将其执行神经网络工作负载的能力称为TOPS：代表每秒Tera次的操作数。这只是NPU(或整个SoC)每秒可以执行的算术运算总数，无论是集中在专用NPU中还是分布在多个计算引擎(如GPU、CPU矢量协处理器、或其他加速器。)　　但是，没有任何硬件执行引擎可以100%的效率