IT之家AI硬體

消息稱臺積電版特斯拉 AI5 芯片採用 3nm 工藝製程

2026年7月24日 14:05
消息稱臺積電版特斯拉 AI5 芯片採用 3nm 工藝製程

重點摘要

首頁 > 智車之家>車用技術 消息稱臺積電版特斯拉 AI5 芯片採用 3nm 工藝製程 2026/7/24 14:05:20 來源:IT之家 作者:溯波(實習) 責編:溯波 評論: IT之家 7 月 24 日消息,Tesla(特斯拉)在驅動其未來電動汽車和人形機器人的 AI 系列上採用了雙源化供應策略,比如 AI6 基於三星晶圓代工 2nm 工藝而 AI6.5 則採用臺積電 2nm。

站內 AI 整理稿

特斯拉在自駕車與人形機器人領域持續推進運算核心的迭代,其AI系列晶片的供應鏈布局也逐漸浮上檯面。根據最新來自供應鏈的消息,特斯拉在AI5這一代晶片上採取了雙源化策略,分別與三星晶圓代工及台積電合作,而台積電版本的AI5將採用3奈米製程技術,與先前外界普遍聚焦的三星版本形成鮮明對比。這項消息最早由台灣《工商時報》披露,報導指出特斯拉的AI5晶片並非只有單一來源,而是同時委託兩家晶圓代工廠生產。過去市場討論多集中在三星晶圓代工版本,該版本據傳已完成流片,並採用三星2奈米製程。

然而,台積電版本的AI5則選擇了相對成熟的3奈米節點,而非更先進的2奈米,這背後反映了特斯拉在效能、功耗、成本與量產時程之間的多重考量。值得注意的是,台積電版AI5的設計合作夥伴是創意電子(GUC),這家台灣IC設計服務公司長期與台積電在特殊應用晶片(ASIC)領域有緊密合作。創意電子的加入,意味著特斯拉在台積電3奈米平台上,可能採用了高度客製化的設計方案,以符合其自駕運算與機器人控制所需的即時處理能力。從流片進度來看,台積電版的AI5比三星版本提前約一個季度完成流片。這項時間差可能對特斯拉的產品開發時程產生關鍵影響,因為更早流片代表有更多時間進行驗證與修正,進而降低後續量產的風險。

然而,提前流片並不代表最終量產時間會更早,因為後續的測試與良率提升仍需時間。在技術架構上,兩者存在根本性的差異。三星晶圓代工的2奈米製程採用GAA(Gate-All-Around)晶體管結構,這是一種從平面電晶體轉向環繞式閘極的新技術,雖然在理論上能提供更佳的功耗與效能表現,但量產成熟度與良率仍在逐步提升中。反觀台積電的3奈米製程,依然沿用FinFET(鰭式場效電晶體)架構,這是台積電已經量產多年的成熟技術,穩定性與良率已有相當水準。因此,雖然三星版本的AI5在製程節點上更為先進,但台積電版本在設計物理實現層面,因為採用FinFET架構,可能與三星GAA架構的版本存在顯著差異。

這意味著特斯拉的晶片設計團隊需要針對兩種不同的晶體管結構,分別進行電路布局與優化,無疑增加了開發複雜度,但也讓特斯拉得以在供應鏈上獲得更多彈性。從製造成本角度分析,三星晶圓代工的2奈米製程因為採用全新的GAA技術,且處於初期量產階段,其晶圓成本勢必高於台積電已經量產多時的3奈米製程。這也可能是特斯拉選擇讓台積電版本停留在3奈米的原因之一,畢竟在車用晶片與機器人領域,成本控制與長期穩定供應同樣重要。特斯拉的AI晶片系列,除了AI5,還有更早的世代以及規劃中的AI6。

根據先前的消息,AI6將基於三星晶圓代工的2奈米製程,而AI5的雙源策略則顯示特斯拉在與兩大半導體代工廠的合作中,試圖平衡技術先進性與供應鏈韌性。台積電版的AI5雖然採用3奈米,但提前流片且與創意電子合作,意味著特斯拉可能希望藉此加快產品驗證速度,同時保留未來升級到2奈米的空間。整體而言,特斯拉AI5晶片的雙版本路線,不僅反映了當前車用與機器人AI晶片對運算效能與可靠性的嚴苛要求,也凸顯了全球晶圓代工產業在技術路線上的分歧。三星力推GAA架構作為2奈米的主力,而台積電則在3奈米階段仍以FinFET為主力,並計畫在2奈米才導入GAA。

兩者誰能更快實現高良率量產,將直接影響特斯拉這款關鍵晶片的實際表現與上市時程。對於消費者而言,這項消息的實質意義可能在於,特斯拉未來的電動車與人形機器人,將搭載由不同晶圓廠生產、但功能相近的AI5晶片。這種做法類似於特斯拉過去在電池與其他零組件上的多供應商策略,可有效降低單一供應鏈中斷的風險。隨著AI5的流片完成與後續量產,特斯拉在自駕運算與機器人控制的硬體基礎上,將進一步鞏固其領先地位。

Related

相關文章

AIBaseAI硬體

OpenAI 首款硬件真容浮現:冰球大小無屏設計,售價 300 至 400 美元

OpenAI首款硬件產品細節曝光,為一款無螢幕的智能音箱,外型類似冰球,售價約300至400美元,由OpenAI與前蘋果設計師Jony Ive的LoveFrom公司合作開發。該設備內建電池與攝影鏡頭,可支援手持使用並將視覺資訊傳給ChatGPT,實現多模態感知。此產品推出時正值蘋果對OpenAI提起商業機密訴訟,OpenAI內部評估其設計細節有望反駁侵權指控。

19 小時前4700
雷峰網AI硬體

金剛GC3芯片重新定義視頻AI算力規則,國產RISC-V高端算力商業化提速

近日,第三屆中國計算機學會芯片大會(CCF Chip 2026)在太湖之濱無錫成功舉辦。會場中,兩院院士與頂尖工程師們的討論話題直指底層架構的“根技術”創新。一個核心追問被反覆推至臺前:當摩爾定律逼近物理極限,製程紅利日益稀薄,堆核心、拼頻率的老路越走越窄,是否該徹底換一條路走?換言之,與其在通用架構上不斷打補丁,能否從數據流動的本質出發,為特定場景原生設計一顆芯片?

1 天前
雷峰網AI硬體

把512 GiB閃存搬到xPU旁邊,HBF能打破推理內存牆?

HBM已經證明,通過堆疊和共封裝把存儲介質遷移至GPU附近,可以緩解AI計算中的數據搬運瓶頸。現在,SK海力士聯合閃迪,將類似的思路正式應用到NAND上,通過HBF將大容量閃存放到包括GPU在內的各類xPU旁,以緩解AI推理內存牆問題。近日,雙方通過OCP發佈《High Bandwidth Flash(HBF)High-Level Base Die Specification, Version 0.7.0》。

1 天前
鈦媒體AI硬體

AI的錢,被誰賺走了?

AI 浪潮推動雲端服務供應商大舉擴建資料中心,背後龐大的資本支出正沿著供應鏈層層傳導,最終流向光模塊、晶片與伺服器業者。這條資金鏈路的起點是亞馬遜 AWS、微軟 Azure、Google Cloud 等雲端廠商,他們為了滿足訓練與推論大語言模型所需的算力,持續加碼採購 GPU 伺服器與高速網路設備,帶動上游零組件需求爆發。

2 天前