特斯拉发布人工智能芯片路线图
半导体行业观察 · 科技资讯
半导体行业观察 2026-11-07 08:51 安徽 半导体行业观察：特斯拉披露了其经过调整的AI加速器路线图，从中可以一窥该公司未来芯片研发的方向。 公众号记得加星标⭐️，第一时间看推送不会错过。 特斯拉披露了其经过调整的AI加速器路线图，从中可以一窥该公司未来芯片研发的方向。特斯拉预计，其第六代推理加速器的计算性能将达到现有第四代芯片的80倍；而其D3训练加速器将不再采用以SRAM为核心的架构，转而采用集成堆叠式HBM的多芯粒（chiplet）设计。 此外，特斯拉已开始用“超级智能”（Super Intelligence，简称SI）一词来取代“人工智能”（AI）来指代其AI加速器，并相应地以“SI”作为其加速器的命名标识。马斯克近期也证实，出于同样的原因，SpaceXAI将更名为SpaceXSI。 Dojo D3：不再采用晶圆级集成？ 在特斯拉的人工智能（AI）硬件路线图中，最引人注目的进展或许莫过于其自研训练加速器“Dojo”的“回归”。此前，埃隆·马斯克（Elon Musk）曾于2025年8月取消了整个晶圆级Dojo项目；随后在2026年8月，他又表示SpaceX和xAI在地面及太空数据中心将完全采用英伟达（Nvidia）的硬件。不过，第三代Dojo（Dojo D3）将与前两代（Dojo D1和Dojo D2）有显著不同。 特斯拉将下一代Dojo 3（D3）训练加速器描述为一种基于“芯粒”（chiplet）的设计，结合了2.5D和3D封装技术以及堆叠式高带宽内存（HBM）。这与最初的Dojo D1“晶圆级系统”（system-on-wafer）架构有着本质区别——D1架构依赖分布式片上SRAM，并通过晶圆级封装技术将25个D1处理器互联，总计配备11 GB的SRAM。引入HBM表明，特斯拉旨在大幅提升内存容量；由于现代AI模型在存储参数、激活值及中间数据时需要消耗海量内存，从容量角度来看，SRAM已不再具备优势。采用HBM虽然简化了内存扩展，但也带来了在延迟、带宽、封装和功耗等方面的不同权衡考量。不过，目前尚不清楚特斯拉是否已彻底放弃了晶圆级集成技术。 一方面，可以利用晶圆级封装技术，将定制的 HBM（高带宽内存）模块堆叠在逻辑芯片（logic dies）之上。另一方面，晶圆级集成成本高昂，仅在特定应用场景（例如以 SRAM 为核心的架构）下才具有实际意义。在通过晶圆级互连技术连接的逻辑芯片上堆叠 HBM，会带来诸多问题：设计复杂性增加、散热挑战加剧、制造难度提升（可能导致良率下降）、长期可靠性隐忧，以及最终成本的上涨。尽管通过增加冗余设计和优化工艺技术，上述大部分挑战均可得到缓解，但这必然伴随着额外的成本支出，使得 D3 采用晶圆级封装的可能性降低。 特斯拉尚未披露 D3 的计算性能、内存容量、制造工艺或开发进度。不过，特斯拉声称其 Dojo D3 将针对“空间占用、训练能力和扩展性”进行优化；这意味着该单元不仅能提供出色的性能，还具备良好的可扩展性——这一点再次表明，它更可能采用传统的加速器架构，而非晶圆级封装技术。更耐人寻味的是，D3 还将针对“地外部署”进行优化，这很可能意味着至少部分型号的产品会具备抗辐射加固（radiation hardening）能力。 SI6：几年内性能将达到 HW4 的 80 倍 路线图中另一个值得关注的细节是特斯拉第六代推理加速器（SI6）的预估计算性能：其计算能力是 HW4 的 80 倍，内存容量则是 HW4 的 9 倍。根据 HW4 性能衡量方式的不同（具体解释见下文），SI6 的算力大约在 17,280 到 46,080 TOPS（每秒万亿次运算）之间，即 17.28 到 46.08 POPS（每秒千万亿次运算）；不过，目前尚不清楚 SI6 支持哪些数据格式。当然，这些仅为估算值，请谨慎参考。为了便于对比，英伟达（Nvidia）的 Rubin GPU 在推理任务中可提供 50 NVFP4 PFLOPS 的算力，在训练任务中为 35 NVFP4 PFLOPS，并支持 17.5 FP8/FP6 PFLOPS 的算力。此外，Rubin GPU 目前已开始向客户出货，而 SI6 预计要到 2029 年至 2030 年才会推出。下文将进一步探讨关于 SI6 的更多细节。 特斯拉目前在其汽车中使用的第四代推理处理器（最初称为 HW4，后更名为 AI4，现称为 SI4）由三星代工（Samsung Foundry）采用 7nm 级工艺技术制造，并采用传统的倒装芯片球栅阵列（FCBGA）封装（注：网传的特斯拉演示文稿中存在错误，声称该芯片采用 5nm 级工艺制造）；此外，它还配备了 16 GB 的 GDDR6 内存。特斯拉将该处理器视为其“全自动驾驶”（FSD）技术的当前基准，后续几代产品的性