Hopper 推理算力约 4000 TOPS，功耗 700 瓦，而 Blackwell 算力翻倍到 9000 TOPS，功耗破千瓦。

泄露的数字，被一步步坐实了。马斯克吹过的牛很多，这次似乎有点靠谱。

算力涨了 8 倍，推理性能却涨了 40 倍——中间差的 5 倍从哪来？答案是架构优化。

马斯克举了一个例子：神经网络里有个操作叫 SoftMax，用来算概率分布。在 HW4 上要跑 40 个步骤模拟；AI5 硬件原生支持，几步就搞定。一个操作省了三十几步，乘以网络里几百万次调用，5 倍的差距来自于这里。

更激进的是做减法。AI5 直接砍掉了 GPU 和图像处理器（ISP）。

先说 ISP。摄像头传感器输出 12-bit 原始数据，4096 级亮度。特斯拉以前的做法是先用 ISP 处理成“好看的图像”再喂给神经网络——去噪、调色、压缩，信息会有损失。

现在 FSD 绕过 ISP，从原始光子数据输入直接输出控制信号，信息更多，延迟更低。马斯克的原话是“我们不在乎图片好不好看，我们只要数据。”

再说 GPU。智驾芯片里的 GPU 通常干两件事：跑神经网络，渲染屏幕上的车道线和周围车辆。特斯拉把渲染扔给了座舱的 AMD Ryzen，FSD 芯片只干一件事：跑端到端神经网络。GPU 成了多余的面积，砍掉。

砍完之后，芯片面积缩到光刻机单次曝光的一半——马斯克管这叫「半个光罩」。面积小，成本就低，良率就高，发热就少。省下来的晶体管预算？全砸推理单元。

内存也在升级。HW3 用 LPDDR4，手机同款，带宽 70 GB/s。HW4 首次用了显卡内存 GDDR6，带宽拉到 384 GB/s。

泄露显示 AI5 带宽达到 1.9 TB/s。如果属实，大概率用的是 HBM3——H100 同款的高带宽内存，把好几层 DRAM 堆叠焊在芯片上。车载平台用 HBM，行业第一个。

马斯克的话中还透露了一个细节：AI5 会有单芯片和双芯片两个版本。

二、十倍参数的代价

2025 年 6 月，马斯克透露特斯拉在测试一个 4 倍参数的新模型。两个月后他改口了：跳过 4 倍，直接上 10 倍。

"约 6 周后会有一个重大更新，参数量是原来的 10 倍。"

10 月，FSD v14 如期推送。

参数量涨 10 倍，算力、内存、带宽全得跟上。

先说算力。

参数涨 10 倍，计算量也涨 10 倍。但 FSD 不是云端慢慢算的语言模型—— 8 个摄像头、每秒 36 帧、360 度视野，必须在几十毫秒内给出判断。算力不够，要么丢帧，要么延迟，要么降精度。

HW4 的算力约 300 TOPS。v14 通过激进优化勉强跑起来了，但已经是极限。想跑更大的模型？想加入推理能力让车"思考"而不只是"反应"？算力不够。

推理能力是下一代 FSD 的核心升级。马斯克在 Q3 财报会上说，v14.3 会让车"有知觉"。以前的 FSD 是条件反射：红灯停，绿灯走。现在要做因果推理：前面那辆车减速可能要右转，右边有行人在犹豫，综合判断我应该变道降速。

这种“思考”不是一次计算就能完成的。多步推演，评估多个可能性，模拟未来几秒的场景。每多想一步，算力消耗就翻倍。

AI5 的推理性能是 HW4 的 40 倍。不是 8 倍、不是 10 倍，是 40 倍。多出来的部分，就是留给「思考」的。

再说内存和带宽。

神经网络的每个参数都要占内存。量化后，每 1 亿参数大约吃掉 100MB。v14 完整模型需要约 12.5GB。HW4 有 16GB，已经接近模型运行的下限。而 HW3 只有 8GB，只能跑精简版。

内存不只是装模型，还要装"记忆"—— 8 秒前那辆车在哪、行人往哪走、信号灯变了几次。特斯拉 AI 负责人 Ashok 说过，车载内存是限制上下文长度的主要瓶颈。想让车记得更久？先要把内存堆上去。

144GB，是 HW4 的 9 倍。够装更大的模型，还有余量留给更长的时间记忆。

光有内存还不够，还得喂得快。

神经网络推理时，每个参数都要从内存读到计算单元。模型跑一遍，参数读一遍。v14 模型约 12.5GB，每秒跑 30 次推理，每秒要读 375GB 数据。HW4 带宽 384 GB/s。刚好够。但也只是刚好。

模型再大 10 倍呢？每秒 3.75TB。HW4 的带宽无法支撑这样的规模。AI5 的 1.9 TB/s 带宽，就是为这个准备的。

马斯克说，安全的无人驾驶需要 100 亿英里的训练数据。"现实世界的复杂性有超长的尾巴。"更大的模型才能装下这些长尾。

回头看 AI5：40 倍推理性能，9 倍内存，5 倍带宽。全是余量。

HW4 勉强撑住了 v14。AI5 是给下一个十倍准备的。

三、165亿美元的赌注

2025 年 8 月，三星和特斯拉签了一份 165 亿美元的代工合同。这是三星德州 Taylor 厂拿到的最大订单，也是特斯拉有史以来最大的芯片***购。

AI5 的制造策略在半导体行业几乎没有先例：同一颗芯片同时交给三星和台积电。

三星在德州 Taylor，用 3nm GAA 工艺；台积电在亚利桑那，用 3nm N3E 节点。马斯克公开说三星德州的设备比台积电亚利桑那「略微先进」。这话在半导体圈引起争议——台积电一直是先进制程的老大。

两家会生产“略有不同”的 AI5。工艺不同，但软件必须在两个版本上表现一致。

双代工是为了产能，FSD、Robotaxi、Optimus 全部压在 AI5 上。不能把鸡蛋放一个篮子里。

2026 年 1 月，三星 Taylor 厂开始测试 EUV 光刻设备——这是生产 3nm 芯片的关键一步。特斯拉确认了 AI5 的时间表：2026 年底少量产出，2027 年大规模量产。

但时间线也很“马斯克”。2025 年 7 月马斯克说设计“已经完成”，半年后改口“几乎完成”。熟悉的配方。直接的结果是 2026 年 6 月投产的 Cybercab 首发只能用 HW4。特斯拉最重要的新车，赶不上最重要的新芯片。

为了填这个坑，特斯拉悄悄推出了 HW4.5。

2026 年 1 月，部分 Fremont 工厂生产的 Model Y 开始搭载这个过渡版本，零件目录里标价 2300 美元。最大的变化是从双芯片升级到三芯片。长期研究特斯拉固件的黑客 Green 爆料说，特斯拉的代码里很早就有三芯片设计的引用，这不是临时起意。

为什么要三颗？

最大的原因可能是算力，现在 FSD 的模型越来越大，HW4.0 经过大量优化后也只能勉强跑起来，在 AI5 到来之前模型还要迭代，因此需要一个算力稍大的平台过渡；另一个原因可能是为了冗余，三芯片可以实现投票决策，比双芯片更可靠。具体怎么用，还要等硬件上车后才知道。

165 亿只是开始。马斯克在财报会上说：

"把供应商最乐观的产能预测加起来也不够。我们必须建一座 TeraFab——一个非常大的工厂，把逻辑芯片、内存和封装全放在一起。"

特斯拉已经开始行动。SpaceX 在德州建先进封装设施，2025 年 9 月交付设备，目标 2026 年 Q3 有限生产，2027 年 Q1 全面量产。封装是芯片制造的最后一环，先拿下这一环，再建晶圆厂。

TeraFab 的目标：月产 10 万片晶圆起步，最终 100 万片——台积电全球月产约 142 万片。马斯克的愿景是每年产出 1000 亿到 2000 亿颗芯片。

这个数字远超现有半导体行业的产能经验。黄仁勋直接泼冷水："建先进制程芯片厂非常非常难。台积电干这个干了一辈子。"

老黄说的是实话。但 SpaceX 造火箭的时候，波音也这么说过。特斯拉 2026 年资本支出 200 亿美元，马斯克的态度很明确：

"我们的目标是让 AI5 芯片过量供应。如果芯片太多，放到数据中心里就行。"

四、Dojo之死

特斯拉的数据中心原本有自己的芯片。故事要从 2016 年说起。

那年，传奇芯片架构师 Jim Keller 加入特斯拉。他的履历写满行业里程碑：AMD K8、Apple A4/A5、AMD Zen。他说服马斯克自己造芯片，别再依赖英伟达和 Mobileye。马斯克给了他一个任务：18 个月，造出车载自动驾驶芯片。

Keller 带来了老搭档 Pete Bannon，两人在 Apple 一起做过 A4 到 A9。Bannon 1984 年就开始造芯片了。

18 个月后，HW3 问世。任务完成，Keller 离开了。Bannon 留了下来，接手了一个更大的项目：Dojo。

2019 年马斯克第一次公开提这个名字——一台超强的训练计算机，专门处理车队收集的海量***。核心是自研芯片 D1，台积电 7nm，500 亿晶体管。架构激进到什么程度？砍掉了虚拟内存和缓存一致性协议。

25 颗 D1 封装成一块训练模块，3000 颗组成 ExaPOD，算力 1.1 ExaFLOPS。超级计算机级别。

2021 年 AI Day，特斯拉展示了第一块完成的训练模块，当场跑了一个神经网络。台下掌声雷动。马斯克说："明年应该能投入运营。"

"明年"没有来。Dojo 在架构层面激进，但工程复杂度被明显低估。

D1 没有外接内存，早期利用率只有 4%——芯片大部分时间在等数据。2022 年在圣何塞测试，功耗刚过 2 兆瓦，变电站跳闸了。据说市***都打来了电话。

2024 年马斯克态度变了，说 Dojo 是"值得尝试的豪赌，但不是高概率成功的事"。同年特斯拉部署了 50000 块英伟达 H100，全面转向。

2025 年 7 月财报会还在聊 Dojo 2。两周后，***报道项目关停。Bannon 离职，带走了约 20 名核心工程师，创办了一家叫 DensityAI 的公司。客户可能是特斯拉的对手。

8 月马斯克正式确认关停 Dojo 2 项目：

"一旦所有路径都收敛到 AI6，Dojo 2 就成了进化死胡同。同时开发两套不同的芯片架构没有意义。"

Dojo 是专用训练芯片，AI5 是专用推理芯片。一个给数据中心训练模型，一个给车跑模型。但 AI6 变了：同样的架构既能推理，也能训练。

“既然一颗芯片能干两件事，为什么还要维护两条产品线？”

马斯克的新思路是：把多颗 AI6 放在一块板上组成集群，直接替代 Dojo 做训练。他说这套东西可以叫 Dojo 3。

多出来的 AI5 怎么办？特斯拉***在数据中心部署 20,000 台，配合 2,000 块英伟达 H100。英伟达干重活，AI5 跑推理。过量供应的芯片不会浪费——至少马斯克是这么想的。

五、最后一代

马斯克把 AI5 定义为“生死存亡”的问题。一个车载计算平台，至于吗？

至于。因为 AI5 要支撑的不只是车，还有 Robotaxi 和 Optimus。

这两个业务看起来不一样，一个是无人出租车，一个是人形机器人。但都是摄像头看世界、神经网络理解环境、实时决策——同一套算力需求。

2026 年 1 月，奥斯汀的 Robotaxi 开始真正无人驾驶，副驾不再坐安全员。规模很小，约 32 辆 Model Y，限定在地理围栏内。真正激进的是 Cybercab：没有方向盘，没有踏板，压根没打算让人开。2026 年 6 月***投产。

Optimus 也在加速。2025 年 12 月，人形机器人户外慢跑的***刷屏。一个月后马斯克宣布停产 Model S 和 Model X，腾出产线造机器人。他说："是时候给 S 和 X 一个光荣退役了。"

卖了十几年的经典车型停产，给机器人让路。这个决定放在任何其他车企都是疯了，但特斯拉不是普通车企。Optimus 产能目标：2025 年 1 万台，2026 年 5 万台，最终年产百万台，单台成本压到 2 万美元左右。

AI5 要同时供应这两条产品线。但从 AI6 开始，设计重心变了。

马斯克说得很明确："AI6 是为 Optimus 和数据中心设计的。"车还会用 AI6，但不再是设计的出发点。

AI5 是特斯拉最后一代专门为汽车设计的计算平台。从 AI6 开始，汽车变成了机器人芯片的「副产品」。这句话放在五年前没人会信，但现在看起来是认真的。

再往后是 AI7。马斯克给了三个字：太空 AI。和 Starship 整合，在轨道上跑计算。

从 HW3 到 AI5，特斯拉的芯片是围着车转的。从 AI6 开始，车不再是主角。

六、尾声

距离 2027 年 AI5 进入大规模量产只剩下一年时间，但这颗芯片的最终设计方案仍未完全定稿。

功耗是摆在最前面的问题。马斯克早期给出的预期是 700 – 800 瓦，随后又下调到约 250 瓦。即便按照后者计算，功耗仍比 HW4 高出约 50%。无论是用于整车，还是部署在 Optimus 上，这个能耗水平都太高了。

双代工策略进一步放大了工程复杂度。三星与台积电***用不同制程生产 AI5，硬件差异不可避免，而软件却必须保持完全一致。这类跨工艺一致性验证，是半导体工程中成本最高、风险也最大的环节之一。

资本压力同样清晰可见。165 亿美元的代工合同、TeraFab 建设投入以及约 200 亿美元的年度资本支出，均需由特斯拉独立承担。芯片制造是重资产生意，产线一旦落地，即便低负荷运转，也会持续消耗现金流。

真正的不确定性，仍在需求端。马斯克曾在 2019 年预测 2020 年将有 100 万辆 Robotaxi 上路，但六年后实际规模仍停留在几十辆。Optimus 方面，他在 2025 年提出 2026 年年产 5 万至 10 万台的目标，而目前的部署规模可能仍只有数百台。

芯片可以被造出来，但 Robotaxi 和 Optimus 能否按预期放量，仍有待验证。一旦规模未能兑现，“过量供应”就会转化为库存与折旧，数百亿美元级别的产能也将随之沉淀。

特斯拉已将 FSD、Robotaxi、人形机器人及部分数据中心需求，集中压在同一套计算平台之上。几百亿美元，一个平台，没有备用方案。

AI5 的成败，最终不取决于参数高低，而取决于规模是否真正到来。

马斯克说这是存亡问题。他可能是对的。返回搜狐，查看更多