Which AI chip has the most FP16 TFLOPs?

GB300 leads dense FP16 throughput among tracked GPUs and accelerators at 5,000 TFLOPs, followed by TPU v7 (4,614) and GB200 (4,500). Wafer-scale chips are left out because one wafer replaces many accelerators. Figures come from manufacturer datasheets, as of Apr 14, 2026.

Which AI chip is most efficient per Watt?

Among tracked chips with a published TDP, TPU v7 leads at 7.69 FP16 TFLOPs per Watt, followed by MTIA v2 (3.93) and TPU v6e (2.62). The median across tracked chips is 1.64 TFLOPs per Watt.

Who manufactures AI chips besides NVIDIA?

10 companies make the AI accelerators tracked on BenchGecko: NVIDIA, Google, AWS, AMD, Huawei, Cerebras, Intel, Meta, Microsoft and Groq. Hyperscalers also design their own silicon (TPU v7, Trainium2, TPU v6e, MTIA v2, TPU v5p and Maia 100) alongside NVIDIA and AMD GPUs.

Which fabs make AI chips?

90% of tracked chips are fabbed at TSMC. Other foundries in the dataset: SMIC (Ascend 910C) · GlobalFoundries (LPU).

How do you decide which chip is "frontier" tier?

Frontier means current-generation flagship silicon shipping at scale to hyperscalers. Mainstream means current-generation non-flagship parts or last-generation flagships still widely deployed. Specialized means wafer-scale, LPU and other custom designs. Announced means not yet shipping in volume, and legacy means end of life or phasing out. Tiers are set in the curated dataset and dated with it.

Where does BenchGecko get chip data from?

Manufacturer datasheets for specs, SEC filings and earnings transcripts for buyer disclosures, cloud provider list prices for $/hour, and press releases for release dates. GPU rental prices on chip pages refresh daily from the Vast.ai marketplace. Every chip page links its sources.

算力 · 芯片算力层的锚点 · Data as of 2026年4月14日 · curated dataset

每颗 AI 芯片 · 持续追踪

来自每家制造商和每个代工厂的每颗 AI 芯片。规格、功耗、云端定价、已知买家和实时供应紧张度 · 与代工厂、内存供应商、机架、数据中心以及在其上训练的模型交叉链接。

供应追踪代工厂级溯源HBM 供应商图谱每瓦性能

预览 · 完整 AICDI 见 /compute

AI 算力需求指数

325

周环比变化 · 追踪中

全面抛物线

看不到泡沫 · 全面抛物线上涨. 100 = 供需平衡 · 上不封顶 · 读数达 250+ 意味着看不到泡沫。

构建方式

加权紧张度68
交付周期乘数2.09×
资本支出加速器1.85×
前沿惜售溢价+60

0100 平衡300+

推高指数的因素

完整芯片需求阶梯

数据截至 April 14, 2026 · 保留每次变更

New since Apr 14, 2026

verified on the source page · specs added after review

Zhenwu M890Alibaba T-Headannounced2026-05-20source
T-Head formally debuted the Zhenwu M890 as its latest AI training and inference processor for datacenter use.
TPU 8tGoogleannounced2026-04-22source
Google announced TPU 8t as its training-focused eighth-generation TPU for AI workloads.
TPU 8iGoogleannounced2026-04-22source
Google announced TPU 8i as its inference-focused eighth-generation TPU for AI workloads.

追踪芯片

前沿层级

制造商

90%

TSMC 份额

已出货

搭载 HBM3e

已披露买家条目

已知训练模型

层级阶梯

前沿 · 主流 · 专用 · 旧代 · 每季度评估

前沿

10 · 50%

当代旗舰芯片,已向超大规模云厂商大批量出货。目前正在训练最大模型的芯片。

B200 GB200 TPU v7 Trainium2 GB300 MI355X+4

主流

5 · 25%

当代非旗舰或上一代旗舰,仍被广泛部署。AI 经济的主力军。

MI300X Gaudi 3 H100 H200 TPU v5p

专用

4 · 20%

晶圆级、超大规模云厂商定制芯片或实验性架构,服务于细分工作负载。

WSE-3 MTIA v2 Maia 100 LPU

旧款

1 · 5%

正在逐步淘汰或已停止支持的旧芯片。仍用于研究集群和价格敏感型工作负载。

A100

每瓦性能

FP16 TFLOPs 对比 TDP · 对数刻度 · 气泡大小 = HBM 容量

0.5 T/W1 T/W2 T/W4 T/W

越靠左上越优。位于以下线之上的芯片 4 T/W 线是能效前沿 · 超大规模场景下功耗预算之争就在这里决出胜负。晶圆级和多芯片超级芯片位于右上,因为它们以功耗换取原始吞吐量。

芯片需求阶梯

当前供应有多紧张 · 根据订单和财报电话会议人工整理

售罄紧张过剩

GB200

售罄98

交付周期 52 周

GB300

售罄95

交付周期 48 周

B200

售罄92

交付周期 38 周

Ascend 910C

售罄92

交付周期 44 周

WSE-3

售罄90

内部使用

B300

紧张88

交付周期 36 周

MI355X

紧张80

交付周期 30 周

Trainium2

紧张75

交付周期 24 周

MI325X

紧张70

交付周期 22 周

Maia 100

紧张70

内部使用

H200

平衡65

交付周期 16 周

TPU v7

平衡60

内部使用

LPU

平衡60

内部使用

TPU v6e

平衡55

内部使用

MTIA v2

平衡50

内部使用

MI300X

平衡40

交付周期 6 周

H100

宽松35

交付周期 4 周

Gaudi 3

宽松25

交付周期 4 周

TPU v5p

宽松25

内部使用

A100

过剩15

交付周期 2 周

供应说明

GB200Sold out through 2027 · Oracle, Microsoft, Meta competing
GB300xAI Memphis + Stargate phase 2
B200CoWoS-L packaging capacity is the bottleneck
Ascend 910CChina export-ban alternative · SMIC N7 constrained
WSE-3G42 Condor Galaxy absorbing most wafers
B300Ultra variant ramping Q4 2025

这是以下内容的单芯片预览: AI 算力需求指数落地页位于 /compute · 100 以上不设上限,市场火热时可达 250+。每周根据超大规模云厂商订单和财报披露更新。

最佳用途

从实时规格数据计算的六份精选清单

FP16 原始吞吐量最高

FP16/BF16 TFLOPs 前 5 名 · 不考虑价格和功耗 · 纯算力

1WSE-3Cerebras
2GB300NVIDIA
3TPU v7Google
4GB200NVIDIA
5B300NVIDIA

能效最高(TFLOPs/W)

每瓦 FP16 TFLOPs 最高 · 让数据中心功耗预算可行的芯片

1TPU v7Google
2WSE-3Cerebras
3MTIA v2Meta
4TPU v6eGoogle
5B200NVIDIA

HBM 容量最大

内存最大,可在单节点中容纳 4000 亿以上参数的模型

1GB300NVIDIA
2GB200NVIDIA
3MI355XAMD
4B300NVIDIA
5MI325XAMD

最便宜的云租用

公有云中每小时价格最低 · 最适合快速实验

1A100NVIDIA
2Trainium2AWS
3TPU v6eGoogle
4H100NVIDIA
5MI300XAMD

当前旗舰芯片

目前正在训练最大前沿模型的芯片

1B200NVIDIA
2GB200NVIDIA
3TPU v7Google
4Trainium2AWS
5GB300NVIDIA

专用架构

晶圆级、LPU、MTIA 及其他 GPU/TPU 之外的定制芯片

1WSE-3Cerebras
2MTIA v2Meta
3Maia 100Microsoft
4LPUGroq

完整排行榜

按 Gecko 分数排序 · 由层级、新近度、采用率、性能密度综合计算

#	芯片	制造商	层级	FP16 T	TDP	T/W	内存	代工厂	$/h	分数
1	B200	NVIDIA	前沿	2,250	1000W	2.25	192GB	TSMC N4P	$7.813	94
2	GB200	NVIDIA	前沿	4,500	2700W	1.67	384GB	TSMC N4P	n/a	86
3	TPU v7	Google	前沿	4,614	600W	7.69	192GB	TSMC N3	n/a	83
4	Trainium2	AWS	前沿	667	500W	1.33	96GB	TSMC N5	$1.75	78
5	GB300	NVIDIA	前沿	5,000	3200W	1.56	576GB	TSMC N4P	n/a	75
6	MI355X	AMD	前沿	2,300	1400W	1.64	288GB	TSMC N3	n/a	75
7	Ascend 910C	Huawei	前沿	800	550W	1.45	128GB	SMIC N7 · SMIC	n/a	75
8	TPU v6e	Google	前沿	918	350W	2.62	32GB	TSMC N5	$2.7	71
9	B300	NVIDIA	前沿	2,500	1400W	1.79	288GB	TSMC N4P	$9.802	70
10	MI325X	AMD	前沿	1,307	1000W	1.31	256GB	TSMC N5+N6	n/a	68
11	MI300X	AMD	主流	1,307	750W	1.74	192GB	TSMC N5+N6	$2.99	65
12	WSE-3	Cerebras	专用	125,000	23000W	5.43	44GB	TSMC N5	n/a	60
13	Gaudi 3	Intel	主流	1,835	900W	2.04	128GB	TSMC N5	$10.42	57
14	H100	NVIDIA	主流	989	700W	1.41	80GB	TSMC N4	$2.723	55
15	H200	NVIDIA	主流	989	700W	1.41	141GB	TSMC N4	$4.188	55
16	MTIA v2	Meta	专用	354	90W	3.93	128GB	TSMC N5	n/a	52
17	TPU v5p	Google	主流	459	450W	1.02	95GB	TSMC N5	$4.2	49
18	Maia 100	Microsoft	专用	800	700W	1.14	64GB	TSMC N5	n/a	42
19	LPU	Groq	专用	188	375W	0.5	0.23GB	GlobalFoundries N14	n/a	34
20	A100	NVIDIA	旧款	312	400W	0.78	80GB	TSMC N7	$0.735	31

按制造商

10 家公司 · 3 家代工厂 · 2 个国家

Cerebras

芯片

前沿

平均 T/W

5.43

榜首:WSE-3

USA

NVIDIA

芯片

前沿

平均 T/W

1.55

榜首:B200

USA

Google

芯片

前沿

平均 T/W

3.78

榜首:TPU v7

USA

AMD

芯片

前沿

平均 T/W

1.56

榜首:MI355X

USA

Intel

芯片

前沿

平均 T/W

2.04

榜首:Gaudi 3

USA

Huawei

芯片

前沿

平均 T/W

1.45

榜首:Ascend 910C

China

Microsoft

芯片

前沿

平均 T/W

1.14

榜首:Maia 100

USA

AWS

芯片

前沿

平均 T/W

1.33

榜首:Trainium2

USA

常见问题

来自实时数据集 · 每日更新

目前哪款 AI 芯片的 FP16 TFLOPs 最高?

NVIDIA GB300(Grace Blackwell Ultra)的稠密 FP16 吞吐量领先,单个超级芯片约 5000 TFLOPs,其次是 4500 TFLOPs 的 GB200。Cerebras WSE-3 每片晶圆可达 125000 TFLOPs,但架构截然不同 · 一片晶圆相当于约 50 个 GPU。

哪款 AI 芯片的每瓦能效最高?

在已出货的芯片中,Google TPU v7(Ironwood)和 NVIDIA B200 的每瓦 FP16 TFLOPs 领先,Trillium(TPU v6e)紧随其后。以推理为先的设计(Ironwood、Groq LPU)往往在每瓦性能上占优,因为它们省去了训练专用电路。

除了 NVIDIA,还有哪些公司制造 AI 芯片?

BenchGecko 追踪到 10 家公司在出货量产级 AI 加速器 · NVIDIA、AMD、Google、AWS、Intel、Microsoft、Meta、华为、Cerebras、Groq 等。NVIDIA 在第三方销售中占主导地位,但超大规模云厂商正在推出更多自研芯片(Trainium2、TPU v7、Maia 100、MTIA)以降低依赖。

哪些晶圆厂制造 AI 芯片?

90% 的已追踪芯片由 TSMC 代工。GlobalFoundries 负责 Groq 的 14nm LPU。中芯国际以 N7 工艺制造华为昇腾 910C,作为应对美国出口禁令的主要方案。台积电先进制程(N5/N4/N3)是当前一代 NVIDIA、AMD、AWS、Google 和 Microsoft 芯片的瓶颈。

如何判定芯片属于“前沿”级别?

前沿指当前一代旗舰,2025-2026 年出货,并被超大规模云厂商大量订购。主流指当前一代非旗舰或仍在部署的上一代旗舰(H100、H200、MI300X)。专用指晶圆级、LPU、MTIA 等定制设计。传统指已停产或逐步淘汰(A100、V100)。级别每季度复审一次。

BenchGecko 的芯片数据来自哪里?

规格来自厂商数据手册,买家披露来自 SEC 10-K 文件和财报电话会议记录,每小时价格来自云服务商 API 定价,发布日期来自公开新闻稿。每个芯片详情页都附有来源链接。没有付费墙数据 · 没有厂商赞助的排名 · 一切均可复现。