Tesla 近來明顯加快自研晶片的腳步。執行長 Elon Musk 證實，AI5 車用處理器已完成設計定案，並正式進入量產準備階段，將同時交由台積電與三星負責製造。隨著 AI5 晶片確定投產，先前一度傳出喊停的 Dojo 3 超級電腦計畫，也確認重新啟動。
Musk 表示，AI5 將成為 Tesla 出貨量最高的自研晶片，未來不僅會用於車輛自動駕駛系統，也將延伸到資料中心訓練與人形機器人 Optimus 等應用，試圖用同一套晶片架構覆蓋多個運算場景。
在效能定位上，Tesla 對 AI5 的期待相當高。Musk 指出，單顆 AI5 的運算能力可達 NVIDIA Hopper 等級，而雙晶片配置下的整體效能，甚至可逼近 Blackwell 架構。更關鍵的是功耗表現，AI5 預估僅約 150W，卻能提供接近 H100（約 700W）等級的 AI 訓練效能，主要來自於捨棄傳統 GPU 的通用圖形架構，完全針對神經網路運算進行設計。
供應鏈方面，Tesla 這次採取雙代工策略，AI5 車用晶片將由台積電與三星各自生產不同版本，Tesla 則希望在軟體層面確保兩者的效能與行為一致。至於 Dojo 3 所使用的訓練晶片，則傳出將由三星德州廠以 2nm 製程負責生產。
值得注意的是，Dojo 3 的封裝與測試將交由 Intel 處理，採用 EMIB 先進封裝技術，透過矽橋連接多顆大型晶片，而非使用完整中介層。這種設計更適合 Dojo 類型的超大型模組，有利於整合多顆面積超過 600 mm² 的運算晶片，也讓 Intel 罕見地在 Tesla 核心 AI 專案中扮演關鍵角色。
回顧 Dojo 的發展歷程，從最早的 D1 採用 7nm 製程與磚塊式拼接設計，到後續探索晶圓層整合，Dojo 3 明顯更偏向實際量產與擴充性，並朝向高密度、多晶片封裝方向前進。外界也推測，未來可能導入更進階的 EMIB 變體技術，以支援更大規模的運算模組與 HBM 記憶體配置。
此外，Musk 也透露 Tesla 計畫以約 9 個月為一個週期，持續推進 AI6、AI7 等後續晶片設計，甚至已將部分未來晶片定位於非車用場景。整體來看，Tesla 已不再只是為了降低成本而自研晶片，而是試圖掌握從設計、製造到封裝的完整 AI 算力主導權。
AI5 與 Dojo 3 能否真正對 NVIDIA 的資料中心產品造成壓力，仍有待實際產品驗證，但至少可以確定的是，Tesla 在自研晶片這條路上，已經沒有回頭的打算。
Musk 表示，AI5 將成為 Tesla 出貨量最高的自研晶片，未來不僅會用於車輛自動駕駛系統，也將延伸到資料中心訓練與人形機器人 Optimus 等應用，試圖用同一套晶片架構覆蓋多個運算場景。
在效能定位上，Tesla 對 AI5 的期待相當高。Musk 指出，單顆 AI5 的運算能力可達 NVIDIA Hopper 等級，而雙晶片配置下的整體效能，甚至可逼近 Blackwell 架構。更關鍵的是功耗表現，AI5 預估僅約 150W，卻能提供接近 H100（約 700W）等級的 AI 訓練效能，主要來自於捨棄傳統 GPU 的通用圖形架構，完全針對神經網路運算進行設計。
供應鏈方面，Tesla 這次採取雙代工策略，AI5 車用晶片將由台積電與三星各自生產不同版本，Tesla 則希望在軟體層面確保兩者的效能與行為一致。至於 Dojo 3 所使用的訓練晶片，則傳出將由三星德州廠以 2nm 製程負責生產。
值得注意的是，Dojo 3 的封裝與測試將交由 Intel 處理，採用 EMIB 先進封裝技術，透過矽橋連接多顆大型晶片，而非使用完整中介層。這種設計更適合 Dojo 類型的超大型模組，有利於整合多顆面積超過 600 mm² 的運算晶片，也讓 Intel 罕見地在 Tesla 核心 AI 專案中扮演關鍵角色。
回顧 Dojo 的發展歷程，從最早的 D1 採用 7nm 製程與磚塊式拼接設計，到後續探索晶圓層整合，Dojo 3 明顯更偏向實際量產與擴充性，並朝向高密度、多晶片封裝方向前進。外界也推測，未來可能導入更進階的 EMIB 變體技術，以支援更大規模的運算模組與 HBM 記憶體配置。
此外，Musk 也透露 Tesla 計畫以約 9 個月為一個週期，持續推進 AI6、AI7 等後續晶片設計，甚至已將部分未來晶片定位於非車用場景。整體來看，Tesla 已不再只是為了降低成本而自研晶片，而是試圖掌握從設計、製造到封裝的完整 AI 算力主導權。
AI5 與 Dojo 3 能否真正對 NVIDIA 的資料中心產品造成壓力，仍有待實際產品驗證，但至少可以確定的是，Tesla 在自研晶片這條路上，已經沒有回頭的打算。