硬科技度量单位速查手册

核心逻辑：硬科技几百个单位，本质上只回答两类问题——"多大？"（规模、容量、距离）和"多快？"（速度、功率、效率）。记住这条线，所有单位就不是死记硬背，而是顺理成章。

⚡ 一、电力与能源

功率 vs 能量——先搞清这一对

这是最容易混的地方。功率是"水管有多粗"（瞬时能力），能量是"水缸有多大"（能存多少、用多久）。

单位	含义	类比
`W（瓦）`	瞬时功率	水管粗细
`kW（千瓦）`	1,000W	家用空调 ~3kW
`MW（兆瓦）`	1,000kW = 100万W	一栋写字楼
`GW（吉瓦）`	1,000MW = 10亿W	一座大型城市
`TW（太瓦）`	1,000GW	国家级

单位	含义	类比
`Wh（瓦时）`	1W 运行 1 小时的能量	一小杯水
`kWh（千瓦时）`	1,000Wh = 1度电	电费账单上的单位
`MWh（兆瓦时）`	1,000kWh	工厂级
`GWh（吉瓦时）`	100万kWh	城市级储能

1GW 到底多大？

1GW 数据中心

87亿度/年

≈ 200万户家庭一年用电
≈ 一座中型核电机组

1GW 光伏电站

~12亿度/年

年收益约 48 亿元
（按 0.4 元/度计）

2025中国储能并网

65.87GW

/ 190GWh
同比增长 69%

1GW/4GWh 储能站

4小时

满功率放电时长
= 4GWh ÷ 1GW

为什么储能总写 "GW/GWh" 两个数？
GW = 充放电速度（水管有多粗）；GWh = 总容量（水缸有多大）。两者的比值 = 放电时长。调峰电站通常需要 4-6 小时，调频电站 1-2 小时就够了。

🧮 二、算力单位

算力单位全家桶

单位	全称	量级	用在哪
`OPS`	Operations Per Second	1次/秒	基础单位
`FLOPS`	Floating-point OPS	1次浮点/秒	GPU / CPU
`TOPS`	Tera OPS	10¹² 次/秒	边缘AI、NPU
`TFLOPS`	Tera FLOPS	10¹² 次浮点/秒	消费级GPU
`PFLOPS`	Peta FLOPS	10¹⁵ 次浮点/秒	超算中心
`EFLOPS`	Exa FLOPS	10¹⁸ 次浮点/秒	国家级超算

为什么有 TOPS 和 FLOPS 两种？

关键区别在精度：

精度类型	位宽	含义	典型场景
`INT8`	8位整数	精度低但速度快	边缘推理（手机、汽车）
`FP16`	16位浮点	中等精度	AI训练、推理的主流精度
`FP32`	32位浮点	高精度	科学计算、传统GPU
`FP64`	64位浮点	最高精度	气象模拟、核物理

⚠️ 行业公开的秘密：同一个芯片，不同精度下的算力数字可以差 4-8 倍。厂商标称的都是对自己最有利的那个精度。看到 TOPS 数字时，一定要问一句"什么精度下？"

几个直觉锚点

手机 NPU

~9 TOPS

骁龙 8 Gen 1（INT8）
边缘推理够用

训练级 GPU

~2,000 TFLOPS

英伟达 H100（FP16）
单卡训练主力

1GW 算力中心

~5,841 PFLOPS

理论支撑算力规模
年耗电 87 亿度

建设成本

~350亿美元

1GW AI数据中心
（GB200架构）

买芯片看什么？

TOPS/W 能效比——每瓦特能做多少运算，决定电费账单
带宽 TB/s——数据喂给芯片的速度，算力再快数据跟不上也白搭
精度匹配你的任务需要 INT8 就够了还是需要 FP32？

💾 三、带宽与存储

传输速度

单位	含义	典型场景
`Mbps`	兆比特/秒	家庭宽带（1000Mbps = 千兆宽带）
`GB/s`	吉字节/秒	DDR5 内存约 50-80 GB/s
`TB/s`	太字节/秒	HBM4 高带宽内存达 2 TB/s

注意：1 Byte = 8 bits，所以 1000Mbps 的宽带实际下载速度约 125MB/s。运营商说"千兆"，你只能跑到一百多兆字节——不是骗你，是单位不同。

AI 芯片为什么带宽比算力更重要？

AI 运算的特点是数据搬运比计算本身更耗时。业内叫"内存墙"（Memory Wall）：

HBM3E

~1.2 TB/s

当前量产代际

HBM4（2025）

2 TB/s

2048-bit 接口，8 Gb/s

🔬 四、半导体制造

制程节点

单位	量级	代表制程
`μm（微米）`	千分之一毫米	0.35μm、0.13μm（早期）
`nm（纳米）`	百万分之一毫米	7nm、5nm、3nm、2nm
`Å（埃）`	十分之一纳米	20Å = 2nm（未来标注方式）

重要提醒：现在的 "3nm""2nm" 已经不是物理尺寸了，而是营销标签——台积电的 3nm 节点，晶体管实际栅极长度远大于 3nm。它更像"第几代工艺"的代际编号。1nm ≈ 3-4 个硅原子并排的宽度，到了 2nm 一个晶体管大概只有十几个原子宽。

☀️ 五、光伏与新能源

转换效率（%）

光变电的能力。越接近理论极限（单晶硅约 29.4%），越难提升。

技术路线	实验室效率	量产效率
PERC	~24%	~23%
TOPCon	~26%	~25%
HJT	~26.8%	~25.5%
钙钛矿/硅叠层	~33.9%	实验室阶段

度电成本（LCOE，元/kWh）

光伏 LCOE

0.15-0.25元

2025年中国
已经比煤电便宜

煤电 LCOE

0.30-0.40元

参考基准
差距在持续拉大

📊 六、核心度量单位速查总表

领域	度什么	常用单位	"多大"的直觉
电力	功率	W / kW / MW / GW / TW	1GW ≈ 一座核电
电力	能量	Wh / kWh / MWh / GWh	1kWh = 1度电
储能	放电时长	GWh ÷ GW = 小时	4GWh÷1GW = 4h
算力	整数运算	TOPS	手机 ~10 TOPS
算力	浮点运算	TFLOPS / PFLOPS / EFLOPS	H100 ~2000 TFLOPS
算力	能效比	TOPS/W	越高越省电
存储	容量	GB / TB / PB / EB	1TB ≈ 250部电影
存储	传输速度	GB/s / TB/s	HBM4 = 2TB/s
半导体	制程	nm / Å	3nm ≈ 十几个原子宽
光伏	效率	%	TOPCon量产 ~25%
光伏	度电成本	元/kWh	光伏 ~0.15-0.25元
电池	能量密度	Wh/kg	三元锂 ~250-300
网络	传输速率	Mbps / Gbps	千兆宽带 = 1000Mbps

🧠 七、快速记忆口诀

看到 W（瓦） → 想水管粗细，"能放多快"
看到 Wh（瓦时） → 想水缸大小，"能装多少"
看到 OPS/FLOPS → 想手速，"一秒算几次"
看到 T/P/E 前缀 → 千/百万/十亿亿，每次 ×1000
看到 nm → 制造精度，数字越小越先进（但不等于物理尺寸）
看到 /s（每秒） → 速度、吞吐量
看到 %（效率） → 能不能更省

终极口诀：功率管"快慢"，能量管"多少"，精度管"粗细"，带宽管"路宽"

💰 八、为什么这些单位对投资很重要？

因为你看到的每一个数字背后都是钱：

数据中心从 100MW → 1GW，投资从几十亿跳到 2,500 亿人民币
储能电站从 2 小时 → 4 小时，GWh 翻倍，电池成本翻倍
芯片制程从 5nm → 3nm，晶圆成本涨 50%+，但性能也涨
HBM 带宽从 1.2TB/s → 2TB/s，AI 训练时间缩短 30-40%

理解单位 = 理解商业模式 = 理解投资逻辑。