熟悉功能需要理解其工作条件，也要知道什么时候不应依赖。这次讨论围绕芯片算力的比较口径，放在AI汽车与智能交互的范围内，先保留能核对的线索，再判断它们能支持多大的结论。
比较对象先对齐
比较芯片算力的比较口径，先要确认两边使用的对象、环境和任务。不同精度、任务和功耗条件下的算力数字表达不同含义。不具备共同条件的结果可以并列保存，但不宜据此直接排出优劣。
给每一次观察保留背景
按正式说明逐步核对，保留尚未验证的场景。同时核对计算精度、使用场景、软件与热约束。在AI汽车与智能交互的阅读中，版本、时间范围与实际使用步骤往往比一个孤立数值更能帮助解释差别。
差异出现后怎样核对
单一峰值数字不能直接代表整车智能功能表现。还应检查观察方式是否相同，是否存在未记录的变化。能够解释部分现象，并不等于已经排除了其他原因。
结论写到证据能够覆盖的位置
对于功能学习，可将结论写成在何种条件下看到了怎样的差异，并把尚未统一的项目单列出来。这样整理后，比较能够继续扩充，也便于下一次遇到相近任务时重新验证。
常见问题
理解芯片算力的比较口径，先确认什么？
不同精度、任务和功耗条件下的算力数字表达不同含义。
在功能学习时怎样开始？
按正式说明逐步核对，保留尚未验证的场景。同时核对计算精度、使用场景、软件与热约束。
什么情况下不宜直接套用结论？
单一峰值数字不能直接代表整车智能功能表现。