刚刚，马斯克在X上发布：“恭喜 @Tesla_AI 芯片设计团队正在完成 AI5 的流片！AI6、Dojo3 及其他令人兴奋的芯片正在研发中。”
根据评论区网友介绍，“流片”源于一个古老的术语，源于过去真的把最终芯片设计数据装进磁带卷轴寄出去的时代。AI5芯片流片意味着进入““试生产”环节！
回顾马斯克的芯片计划，早期Tesla从HW3（2019年，144 TOPKaiyun科技有限公司S）走到AI4（2023年，500+ TOPS），用了大约4年时间，属于行业常规节奏。
而从被提前45天完成的AI5到正在研发中的AI6，马斯克提出了九个月的研发周期，预计AI6在今年12月“流片”。
这么高的效率，马斯克是如何做到的，以及AI5能否用于目前的特斯拉HW3车型？
根据官方描述，单颗AI5的实际算力，大约是现在双芯片 AI4 的5倍！整体比AI4强很多——计算能力提升约8倍，内存容量增加9倍，内存带宽提升5倍。
尺寸似乎为半光罩（约 430 平方毫米）。这使其在良率和成本方面优于英伟达 H100 等全光罩芯片（800 平方毫米）。假设特斯拉采用台积电 3 纳米工艺，则该芯片将包含 1080 亿至 1250 亿个晶体管。
这种封装方式相当不错。它将内存集成在封装内，相比传统的板载内存配置，在延迟方面优势显著。在我看来，这种封装方式的内存容量对于汽车来说完全过剩。我认为图中展示的是数据中心版本。而对于汽车或 Optimus 平台，我们或许会看到传统的板载内存配置（容量较小，例如 32GB）。并且估计大概是 H100 价格的 10%。
首先是特斯拉自动驾驶，线年。马斯克在 2024 年股东大会及 2025 年 Q2 财报中多次提到，“当前 HW3/HW4 硬件仍可通过软件持续提升自动驾驶能力，但面向大规模 Robotaxi 运营，特斯拉正在开发新一代 AI5 硬件，其核心目标是提供更高算力与更强系统冗余，从而支撑真正无人驾驶的商业化落地。”
然后是特斯拉人形机器人 Optimus，特斯拉的自动驾驶软件与机器人软件是高度通用的，机器人也需要处理来自视觉、力反馈和关节传感器的海量实时数据。
第三是xAI 数据中心与分布式计算，尽管马斯克强调AI5 主要针对边缘推理，但也可用于部分训练/推理场景。
一位独立研究员Shanaka Anslem Perera称：“90亿英里的驾驶数据被浓缩成了一块芯片。”
这款芯片最有趣的地方在于：他们没有按照英伟达传统生产方式，而是从 90 亿英里的 FSD 推理数据入手提出一个问题：神经网络的计算周期都浪费在哪里？答案是 softmax 计算和量化精度损失。
这两种特定的数学运算在地球上所有通用 GPU 中都消耗了不成比例的硅片面积和功耗。
特斯拉将定制的量化和 softmax 加速器模块直接烧录到芯片内部，使其在这些操作上的效率比任何通用同类产品高出五倍。此外，他们还增加了相对于 AI4 的 10 倍原始计算能力和 9 倍内存容量。
英伟达生产通用型 GPU：他们将晶体管封装在一个完整的芯片上，预装 CUDA，然后让客户自行决定哪些运算至关重要。Blackwell B200 的运算能力为 4.5 petaFLOPS，功耗最高可达 1000 瓦，它可以运行任何客户的任何模型——这既是护城河，也是代价。
而马斯克的 AI5 系统芯片的有效计算能力约为当前双芯片 AI4 配置的 5 倍，功耗约为 250 瓦。 AI5 被定位为英伟达 Hopper 级别的处理器，将双 AI5 定位为 Blackwell 级别的处理器，用于特斯拉工作负载，其能效比后者高出 3 到 5 倍，性价比高出约 10 倍。
它的设计初衷只有一个：运行一个基于90亿英里摄像头观测数据而构建的、可微分的物理引擎；每个晶体管都服务于这个引擎。没有硅片的浪费，也没Kaiyun科技有限公司有通用性成本。
在AI5芯片出来以后，网友最关注的问题就是它能否用于目前的HW3 和 HW4/AI4 车型？
Reddit 上的网友评论：“特斯拉的计划是“等待你”，希望你“自愿”升级到 HW4（或 HW5）汽车，这样他们就不必对你的 HW3 汽车进行改装了。”
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
