一条融资新闻里，最容易被抄走的通常不是金额，是它顺手披露的那组运营数据。这次是 150 多个产品定点、100 多家客户。
但这两个数在采购桌上经常被当成「已经卖出去了」。这个误会值得拆开讲——因为它直接决定你给机器人选算力时，会不会在第一轮就把预算算错。
「定点」是个硬件行业的术语，意思是客户把某颗芯片写进了自己产品的物料清单。走到这一步，通常已经过了四道关：性能验证、可靠性测试、软件适配、供应链确认。
听起来很硬，但它离钱还很远。
| 台阶 | 含义 | 后摩 M50 的公开状态 | 还没跨过去的 |
|---|---|---|---|
| 定点 | 芯片进客户产品方案，进入 BOM | 截至 2026 年 8 月底，150 多个产品定点 | — |
| 出货 | 客户产品量产，芯片实际发货 | 报道未披露芯片出货量 | 客户产品上市节奏、备货周期 |
| 营收 | 发货转化为确认收入与复购 | 报道未披露收入 | 订单转化率、复购、价格 |
为什么这个区分对机器人厂特别重要？因为机器人是典型的「小批量、多批次、常改版」产品。一款机型一年卖几百台，芯片定点之后，客户很可能因为结构改版、算力不够、成本超预算而改方案。定点数会累积，出货不会同比累积。
判断：看到「N 个定点」，正确的追问是三个——这 N 个里有多少已经量产？单个客户的平均用量是多少？改版后还在用的是多少？三个都答不上来，就把它当成「意向客户数」看，别当成营收预测。
芯片规格书上的 TOPS 是峰值算力：在特定精度、特定稀疏率、特定供电与散热条件下跑出来的理论值。它对应的是一个瞬时状态，不是一台机器人一天 8 小时的状态。
机器人有两个和手机、服务器都不一样的地方。
第一，它的散热是被封死的。手机至少还能把热量导到金属中框上手握着散；人形机器人的算力板通常塞在躯干或头部，外面包着外壳、里面还有电机和电池，风道几乎没有。热量出不去，芯片就会降频，峰值算力直接打折。
第二，它的电是和电机抢的。走路、转身、抬手，每一个动作都在吃电。算力不是独立供电的模块，它和关节驱动器在一个电池池子里分。
这两条合起来，就是「峰值 TOPS」失效的原因：规格书给的是理想状态，机器人要的是在 40 度环境、有限风道、和电机抢电的条件下，能持续跑多久。
判断：选型时该看的第一个数是「典型功耗」和「最大功耗」，第二个是「热设计功耗对应的持续算力」，第三个才是 TOPS。顺序反过来，等于按广告词做工程决策。
下面是本文想给的那套流程，三步，每步都能算。
第一步：把峰值算力换成可持续算力。找厂商要两个数——满负载持续运行 30 分钟后的实际频率，以及在整机热环境下的功耗曲线。没有这两个数，TOPS 只是纸面值。这一步的产出是「可持续算力」和「持续功耗」一对数。
第二步：把可持续算力换成「每瓦有效 token/s」。注意「有效」两个字。同一个模型、同一个量化精度、同一批输入，测出来的 token/s 除以当时的整板功耗，才是可比较的数。跨模型、跨精度比 token/s 没有意义——INT8 和 FP16 之间差着数倍，不同模型的算子结构也不一样。
第三步：乘上班次电量预算。这一步是把算力问题变成电池问题。
这张图想说的事很简单：算力单元的持续功耗每涨 15 瓦，一个 8 小时班次就多吃掉 120 瓦时。以 1 千瓦时电池计，就是从 24% 涨到 48%——接近一半的电不再用于走路和干活。
而这个比例还会反向影响设计：电池不能加大吗？可以，但加大的电池又增加重量，重量增加又让关节更费电。这是个闭环，不是线性题。
判断：机器人厂真正该向芯片厂要的，不是「最高多少 TOPS」，而是「在 25 瓦持续功耗下，跑我们这款 VLA 模型，每秒能出多少个动作 token」。这句话问出去，能答的供应商不多；能答的，基本就是把工程做完了的。
报道给的解释是：传统芯片执行 AI 任务时，需要频繁在存储与计算单元之间搬运数据；存算一体尝试让部分运算在更靠近数据的位置完成，以减少搬运带来的时间和能耗开销。
说白了，它想省的不是算力，是搬运。而在机器人这种「功耗预算极紧、又必须持续跑模型」的场景里，搬运的能耗占比恰恰很高——模型权重、激活值、KV 缓存，每次推理都要在存储和计算之间来回搬。
这也是为什么这条赛道最近钱很密：同稿提到微纳核芯完成超 10 亿元 C2 轮、两个月融资超 20 亿元；九天睿芯半年累计融资 10 亿元；10 月另有辉羲智能 Pre-B+ 及 B 轮合计约 17 亿元。三笔钱分别落在不同环节，但逻辑是同一个——当机器人从「演示」走向「连续作业」，功耗、散热与成本会同时收紧，端侧算力从加分项变成硬约束。
但报道也把门槛写清楚了：良率、一致性、可编程性、编译器、算子库、模型适配、精度稳定、可靠性认证。这几项里，任何一项不过关，芯片就只能停在「可测试」，进不了「可量产」。
判断：对做交付的公司来说，这条赛道热不热其实不重要，重要的是「软件工具链成不成熟」——因为换芯片的真实成本不在硬件差价，在于你要把模型重新适配、量化、调精度、压延迟。一颗便宜 30% 但工具链要重做三个月的芯片，全生命周期算下来是贵的。
把这套方法压成七个问题，采购时按顺序问：
1. 典型功耗与最大功耗各是多少，测试条件是什么（环境温度、散热方式、是否含内存）？
2. 满负载持续 30 分钟后，频率和算力下降到峰值的百分之多少？
3. 我们这款模型（说清参数量与精度）在上面能跑多少 token/s，此时整板功耗多少？
4. 支持哪些量化精度，量化后精度掉多少，有没有实测报告？
5. 算子覆盖率多少，不支持的算子走 CPU 回退会损失多少性能？
6. 工具链能不能把现有模型一键转换，转换失败率多高，出问题谁支持？
7. 已经在量产的客户里，有没有和我们场景接近的？能不能给一个可联系的参考？
最后回到那 150 个定点。它是个不错的成绩，说明这颗芯片已经过了四道工程关、进了 150 份物料清单。但对使用者来说，定点的意义只有一个：有人替你踩过坑了，你可以去问他坑有多深。问到了，这 150 个定点对你才有价值；问不到，它只是一个融资稿里的数字。
--- *来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/edge-compute-tops-to-watts-per-token-budget/*