Jiayun's Blog

探索与分享

一周之内，Tesla画出了一张完整的芯片版图

2026年4月的Tesla Q1财报电话会议，表面上是一次平淡的财务汇报——224亿美元收入、4.77亿美元净利润，中规中矩。但如果你仔细听马斯克在电话会议上的发言，你会发现他花了大量时间在谈一件事：芯片。

几个关键信息在同一周内密集释放：

  1. AI5芯片完成流片（tape-out），由TSMC和Samsung负责制造
  2. TeraFab设施将采用Intel 14A工艺
  3. SpaceX将负责高容量芯片制造
  4. 2026年资本支出提升至250亿美元，是历史水平的3倍
  5. 上海超级工厂考虑生产人形机器人Optimus

这些信息单独看都是新闻，放在一起看就是一张从芯片设计到自建晶圆厂的完整垂直整合路线图。

AI5：不止是一颗芯片，而是一个架构声明

Tesla的AI5芯片完成流片，这本身就是一个里程碑。流片意味着芯片设计已经冻结，进入物理制造验证阶段。值得注意的是，Tesla选择了双供应商策略——同时由TSMC和Samsung制造。

这个选择透露了几层信息：

第一层：产能对冲。 在当前AI芯片需求爆炸的环境下，将鸡蛋放在两个篮子里是明智之举。TSMC的产能正被Nvidia、Apple、AMD等巨头瓜分，Samsung的良率虽然一直被诟病，但GAA工艺正在改善。

第二层：工艺验证。 AI5同时在两家代工厂流片，可能意味着Tesla在为未来的自研工艺做对比测试——哪个PDK（工艺设计套件）更适合Tesla的架构需求，哪个良率更高，成本更低。

第三层：通往TeraFab的跳板。 AI5不是终点，而是Tesla自建晶圆厂之前的最后一代外包芯片。

AI5的技术定位

根据已知信息推断，AI5将服务于Tesla的三大计算平台：

平台当前芯片AI5角色计算需求
FSD（全自动驾驶）HW4/HW5车载推理低延迟、高能效
Dojo超算D1/D2训练集群高带宽、高算力
Optimus机器人定制SoC具身智能实时控制+视觉推理

一颗芯片能否同时服务于这三个场景？大概率不会。AI5更可能是一个**芯片族（chip family）**的统称，共享基础架构但针对不同场景做定制化配置——类似Apple的A系列/M系列策略。

TeraFab + Intel 14A：一个疯狂但有逻辑的计划

马斯克宣布TeraFab将采用Intel的14A工艺技术，这是整个故事中最让行业震惊的部分。

Intel 14A是什么？ 它是Intel Foundry目前最先进的工艺节点之一，对标TSMC的N2/A16。Intel虽然在代工市场份额远不及TSMC，但其14A工艺采用了Gate-All-Around（GAA）晶体管和背面供电（backside power delivery）技术，在理论性能上具有竞争力。

为什么选Intel而不是TSMC？ 这里有几个可能的原因：

  1. 技术许可模式。 Tesla不是要让Intel代工，而是授权使用Intel的工艺技术在自己的工厂生产。这是一个全新的商业模式——Intel提供技术IP，Tesla建造和运营工厂。

  2. TSMC不可能把先进工艺授权给客户自建厂。 TSMC的商业模式核心就是"你设计，我制造"，绝不会将核心工艺技术外泄。Intel Foundry在Pat Gelsinger时代就开始探索更灵活的合作模式，现在终于找到了一个足够大的客户。

  3. 地缘政治考量。 美国政府正在大力推动芯片制造回流，Tesla的TeraFab可以享受《CHIPS法案》的补贴。选择Intel的美国工艺技术，比选择TSMC的台湾工艺技术，在政策层面更有利。

SpaceX的角色：从火箭到芯片工厂

最令人意外的是SpaceX在这个计划中的角色——负责高容量芯片制造。

这听起来匪夷所思，但细想有其逻辑：

  • SpaceX有建造大规模精密制造设施的经验（火箭工厂、星链卫星产线）
  • SpaceX的工程文化强调垂直整合和极致成本控制
  • 马斯克生态圈内的资源共享（工程人才、供应链、制造方法论）

SpaceX实际上可能不是在"造芯片"，而是在建造和运营晶圆厂——把Intel的工艺技术、Tesla的芯片设计、SpaceX的制造能力三者结合。这是一个前所未有的跨公司协作模式。

250亿美元资本支出：一场豪赌

Tesla CFO明确表示，2026年250亿美元的资本支出是历史水平的3倍，将导致今年剩余时间自由现金流为负。

这250亿美元去向何处？

1
2
3
4
5
6
7
8
9

资本支出分配（推测）：
├── TeraFab建设          ~80-100亿美元
├── 超级工厂扩产          ~50-60亿美元
│   ├── 上海（机器人产线）
│   ├── 德州（Cybertruck）
│   └── 墨西哥（新工厂）
├── Dojo超算集群扩容      ~30-40亿美元
├── 充电网络              ~20-30亿美元
└── 研发（FSD/Optimus）   ~30-40亿美元

对比一下：台积电2026年资本支出约320-360亿美元。Tesla一家车企的芯片相关投资，已经接近全球最大芯片代工厂投资的四分之一到三分之一。

HW3的教训：理想与现实的鸿沟

在同一场财报电话会议上，马斯克终于承认了一个悬而未决的问题：约400万辆搭载HW3平台的Tesla车辆将无法获得无监督FSD功能。

这个承认意味深长。多年来，Tesla向车主承诺"只需一次软件更新就能实现完全自动驾驶"，许多车主为此支付了数千美元的FSD选装费。现在马斯克告诉他们：你们的硬件不够用，需要付费升级。

这暴露了Tesla在芯片战略上的一个核心矛盾：

  • 愿景层面：垂直整合、自研芯片、掌控一切
  • 执行层面：硬件迭代太快，已售车辆成为技术债

HW3到HW4的算力跃迁大约是5-10倍。这不是软件优化能弥补的差距，而是硬件物理限制。400万辆车，按每辆升级费用2000-5000美元计算，这是一个80-200亿美元的潜在客户信任问题。

这个教训对AI5和未来的芯片策略有什么启示？ Tesla需要在芯片设计中预留更多的算力余量（headroom），或者转向模块化可升级的计算平台——这恰恰是传统汽车行业一直在做的事情。

上海超级工厂：Optimus的摇篮

Tesla考虑在上海超级工厂生产人形机器人Optimus，这个决策背后有清晰的制造逻辑：

  1. 供应链成熟度。 上海工厂周边的长三角供应链是全球最完整的电子制造生态之一。机器人所需的电机、传感器、结构件、线束等，都能在200公里半径内找到供应商。

  2. 制造成本。 尽管中国劳动力成本在上升，但在精密制造领域，中国的成本优势仍然显著——特别是在组装密集型产品上。

  3. 中国市场策略。 中国正在大力推动人形机器人产业化，政策支持力度大。Tesla在中国本地生产机器人，有助于获得政策支持和市场准入。

  4. 与字节跳动豆包AI模型的整合。 Tesla中国已经在将字节跳动的豆包大模型整合进车载语音系统。这种本地化AI合作模式，未来可能扩展到机器人领域。

我的判断：Tesla正在成为一家计算公司

把所有信息串联起来，Tesla的战略轨迹已经非常清晰：

短期（2026-2027）： AI5芯片通过TSMC/Samsung量产，装配到新款车辆和Optimus原型机中。TeraFab开始建设。

中期（2028-2029）： TeraFab投产，开始生产Tesla自研芯片。逐步减少对TSMC/Samsung的依赖。Dojo超算实现大规模部署。

长期（2030+）： Tesla拥有完整的芯片设计-制造-部署能力，横跨汽车、机器人、数据中心三大场景。SpaceX的高容量工厂实现规模效应。

这条路径最接近的历史先例不是传统车企，而是三星（Samsung）——从终端产品制造商，逐步向上游延伸到半导体制造。但Tesla的雄心比三星更大：三星用了40年走完这条路，马斯克想在5年内完成。

风险在哪里？

  1. 良率风险。 先进工艺的良率提升是最难的部分。Intel自己都花了数年才把7nm（Intel 4）工艺良率提上来，Tesla能做得更好吗？

  2. 人才缺口。 运营晶圆厂需要的人才和造车完全不同。半导体制造工程师是全球最稀缺的技术人才之一。

  3. 资金压力。 250亿美元资本支出加上负自由现金流，如果FSD和Optimus的商业化进度不及预期，Tesla的资产负债表会承受巨大压力。

  4. 技术代际风险。 如果选择Intel 14A工艺，但该工艺未能如期达到性能/良率目标，TeraFab可能面临"建成即落后"的困境。

给从业者的建议

  • 半导体工程师：Tesla和SpaceX正在大规模招聘fab工程师，这是一个罕见的从零开始建造先进晶圆厂的机会
  • 汽车行业从业者：芯片自研将成为车企的核心竞争力门槛，不具备这个能力的车企将在算力成本上永远受制于人
  • 投资者：短期看，250亿美元的资本支出会压制利润和自由现金流；长期看，垂直整合的计算能力是Tesla估值从车企到平台公司跃迁的关键

参考来源：

avatar

Developer & Blogger

FEATURED TAGS
agentic ai ai agent ai基础设施 ai安全 ai硬件 ai算力 ai编程 ai芯片 anthropic apple chiplet claude cloudflare copilot deepseek discord bot dram gemini gemma github github copilot google gpu hermes agent ios kubernetes llm nvidia openai python rag rust saas tee token经济 tsmc typescript 中国ai 云原生 云计算 产业分析 人形机器人 供应链 具身智能 半导体 基础设施 多智能体 大模型 安全 密码学 开发工具 开发者工具 开源 开源ai 开源分析 强化学习 推理优化 数据中心 机器人 架构设计 模型架构 版权 硬件 端到端加密 编程语言 编译器 网络安全 芯片制造 芯片设计 软件工程 量子计算 零日漏洞