芯耀
与非AI
564
25TOPS，这是2014年第一代Autopilot硬件Mobileye EyeQ3的算力水平。十年之后，特斯拉下一代FSD计算平台AI5的算力飙到了2000 TOPS～2500TOPS，算力提升的背后，不仅仅是晶体管数量在堆叠，更是芯片设计理念在重构。2024年6月，马斯克在社交媒体上宣布，原本预计命名为HW5.0的第五代车载计算平台，正式更名为AI5，2025年6月，AI5正式进入量产阶段，由台积电和三星共同代工。
HW4.0采用的是三星7nm工艺，算力大约在300到500 TOPS之间。而AI5直接跳到台积电3nm N3P工艺，三星作为备用代工厂，预计2026年大规模量产搭载AI5的车型时才会启动。算力翻了五到八倍，性能提升达到四十倍，这不是简单的制程换代能够解释的。此外，真正让行业紧张的，是特斯拉在芯片设计上做了一件反常规的事情，那就是做减法。
AI5移除了传统GPU和ISP图像信号处理器？
大多数芯片公司在设计产品时，考虑的是尽可能覆盖更多的应用场景，英伟达的GPU要兼容游戏、渲染、科学计算、自动驾驶等多个领域，必须保留大量通用模块，特斯拉则不是这个逻辑。AI5只为一个客户服务，那就是它自己，所以架构师们做了个在当时看来相当激进的决策，即把GPU和ISP直接从芯片上砍掉。
移除GPU意味着什么？这意味着图形渲染的工作被彻底扔给了座舱芯片（AMD Ryzen处理器），FSD芯片不再需要分心去处理屏幕显示这类任务，全部精力集中在神经网络推理上。ISP是负责将原始传感器数据处理成好看图像的传统模块，降噪、调色、锐化等操作本意是为了让人眼看画面更舒服，但对于神经网络来说，这些处理反而是对原始信息的一种过滤和损失。AI5绕过ISP，直接给神经网络输入原始的12-bit光子数据，这样的数据更原生，延迟也更低，信息的损耗也被控制在了最小范围。
这样的减法操作，可以让芯片面积控制在一个半掩模版内，在半导体制造里，掩模版就是光刻时的底片，尺寸越大良率越低。AI5的面积刚好卡在半掩模版的上限，单次曝光就能把整块芯片做出来，不需要把多个掩模版拼在一起，面积小了，制造成本自然下降，晶圆切割出的芯片数量增多，缺陷率也降下来了，省下来的晶体管预算，更可以全部砸进了AI推理专用的计算单元里。
但只有硬件层面的精简还不够，AI5在指令集层面也做了定制化升级。举个例子，神经网络里有一个叫SoftMax的常用操作，用来把一组数值转成概率分布。在AI4上跑这个操作，需要用常规指令模拟出四十个步骤才能完成，而AI5直接在硬件层面原生支持这个指令，几步就能跑完。一次操作节省三十多个步骤，乘上神经网络里数百万次乃至上亿次调用，性能差距就被放大了几十倍，这也是为什么AI5的原始算力比AI4高五到八倍，但在推理层面的实际表现可以达到四十倍甚至更高的原因。
传感器配置也在变？
有消息指出，在AI5硬件套件里，特斯拉把摄像头数量从9颗扩充到了12颗，分辨率也从之前的500万像素升级到了800万像素。这些摄像头还不是简单的换镜头，而是在新的模组中集成了镜片加热元件，可以在冰雪天气里快速融冰，还加了疏水涂层来减少雨水挂壁。在北方冬天的车主应该能对这个升级有直观体验，传统的摄像头一旦起雾或者结冰，感知系统将直接无法使用，而特斯拉显然意识到了纯视觉系统的这个死穴，选择用硬件方案来弥补。
此外，特斯拉在AI5里还重新配上了4颗4D毫米波雷达，4D毫米波雷达除了能测距离、速度、方位角信息，还能测高度信息，而且不受雨雪雾天气的影响，配合12路高清摄像头，感知系统在硬件层面形成了一套完整的多模态冗余体系。但在AI5中，后端决策依然是端到端的纯神经网络在完成，传感器送进来的数据全部汇入同一条推理管道，由同一个模型做出最终的驾驶决策。
2500 TOPS的算力到底能做什么？
在文章的一开始也提到，AI5单颗芯片的算力在2000TOPS～2500TOPS，作为参照，英伟达的Thor-X芯片算力约2000TOPS，蔚来神玑NX9031超过1000TOPS，可见AI5的单颗芯片还是很能打的。
除了算力在主流水平，其内存子系统也得到了升级，据网上查找的数据，AI4用的是GDDR6显存，带宽约384 GB/s，AI5的芯片周围排布了12颗SK海力士LPDDR5X内存颗粒，单颗容量16GB，总容量达到144GB到192GB。基于384-bit的内存接口，带宽保守估计在900GB/s左右，乐观估算可以突破1.5TB/s。
由于HBM需要硅中介层封装，成本极高，且车规认证周期更长，特斯拉并没有采用HBM3方案，而是选择了成熟LPDDR5X这条路。内存带宽决定了芯片在跑大模型时不会因为数据喂不饱而闲置算力，AI5的900GB/s级别带宽相比HW4的384GB/s提升了约2.3倍，足以支撑百亿参数级别的大模型实时推理。
AI5的能效表现也相当可观，在2000TOPS的峰值算力下，功耗约为200W，约是英伟达Thor-X同算力产品的三分之一，能效比在810TOPS/W～10TOPS/W之间。低功耗意味着整车散热系统的负担大幅减轻，电池能量可以更多分配给动力。
特斯拉为AI5做的INT8和INT4量化支持，是能效提升的关键原因之一。传统的浮点运算计算复杂、功耗大，而整数运算的逻辑门比浮点运算简单将近一半，相同任务下功耗能降低六成以上，时延缩短三倍。特斯拉在模型训练时就用上了量化感知训练（QAT），在精度损失控制在不到1%的前提下，实现了芯片层面的大幅功耗压缩。
AI5的另一个技术细节在其内存配置上，有报告提出它配备的是144GB LPDDR5X内存，专为Transformer架构做了深度优化，能同时处理12路高清摄像头的实时画面和多条轨迹预测。而AI4的内存配置大约是16GB，在处理更复杂的无保护左转、密集施工区域等长尾场景时，内存容量逐渐显得吃紧。内存容量的提升，可以让AI5运行体量大得多的端到端神经网络模型，当前FSD的模型参数规模在持续增长，硬件的内存墙必须提前拆掉。
AI5让FSD从能用到好用?
2025年12月，一辆Model 3从洛杉矶出发，一路向东，在2天20小时里跑了4397公里，横穿美国，实现零人工干预。在2026年5月，一组特斯拉车主完成了一次横跨加拿大的自动驾驶实测，从温哥华启程，历时4天21小时，跑了3760英里（约6051公里），同样实现全程零人工干预。
这两次实测展示了FSD在真实复杂路况下的持续运行能力，暴雨、施工路段、夜间行车，系统没有因为场景超出预设规则而交还控制权，而是自动完成了整个驾驶过程，而这套系统背后跑的就是端到端神经网络架构。
FSD V12已经把超过40万行C++规则代码全部移除，从摄像头的原始数据直接输出方向盘、加速、制动的控制信号，所有决策逻辑都交给了神经网络自己学习。想跑通这种模型的前提，是硬件必须足够强，端到端模型对算力的需求几乎是传统模块化架构的指数级增长。AI5的高算力、高带宽和原生SoftMax加速，正是为这种统一大模型架构准备的。
能效比领先，成本更低？
从价格上看，AI5展现出了更强的竞争力，马斯克公开表示，AI5的成本仅为英伟达同级芯片的十分之一。之所以能把成本压得这么低，除了使用专用化架构省去了大量通用模块，芯片面积小，晶圆利用率高外，更是因为双代工策略带来的议价空间，即台积电负责主力量产，三星作为备选，两家工厂抢订单，成本自然往下走。这种A主B备的模式在汽车芯片行业里并不多见，绝大多数车企还在为一颗Orin X的发货排期发愁时，特斯拉已经在布局双供应链了。
在制程选择上，AI5同样展现了灵活的一面，台积电采用3nm N3P工艺作为主力，三星则计划以2nm工艺进行试产，两家工厂都设在美国本土，分别位于亚利桑那州和得克萨斯州，供应链风险降到了比较低的水平。
量产时间一再推迟，Cybertruck和Robotaxi要等多久
从现在公布的数据来看，AI5的硬件配置的确足够惊艳，但这套系统什么时候才能真正上车，目前还存在不确定性。马斯克曾在2024年6月公布AI5会在2025年下半年装车，但到了2025年底，大量量产时间又被推到了2027年年中。按照最乐观的预计，2026年底会出现AI5的工程样片和小批量试产，但要储备几十万块AI5主板才能切换整车生产线，这也就意味着原定2026年量产的Cybercab和Robotaxi，大概率还是会采用AI4硬件。
为了填补AI5推迟量产带来的空窗期，特斯拉在2026款Model Y上临时推出了AI4.5作为过渡方案，不过马斯克也给出了一个长期承诺，即从AI6开始，特斯拉会把芯片的设计周期压缩到9个月一代。这个说法在半导体行业里引起了不小的讨论，毕竟哪怕是苹果也维持着一年一次的芯片更新节奏。但特斯拉的逻辑在于，它的芯片设计只服务一个客户，迭代链比任何通用芯片公司都要短。如果这个节奏真的能跑通，特斯拉在车载AI芯片上的领先优势还将进一步扩大。
最后的
从HW1到AI5，特斯拉用了十一年，从0.256到2500，算力增长曲线已经跳出了常规迭代的节奏。但算力本身不是终点，AI5其实给我们回答了一个问题，那就是当自动驾驶从规则时代进入大模型时代，车载计算平台应该长什么样。答案不是堆更多的晶体管，不是塞更多冗余模块，而是针对单一任务做彻底的减法，把所有晶体管集中在一个目标上，让软件和硬件在同一个逻辑下协同进化。
