HW4.0使用第二代FSD芯片，在2023年初被greentheonly爆料揭秘，当时已经有成品。通常芯片从确定设计范围到正式上车需要3-4年的时间，特斯拉内部体系，应该会快一些，但至少也需要2-3年，推测其芯片完成设计大约在2020或2021年初，当时大模型不算火爆，transformer还未进入车圈，因此第二代FSD芯片大体上还是延续了第一代FSD芯片的设计，CPU从12核心增加到20核心，NPU增加到3个。最大升级是存储系统从LPDDR4升级至GDDR6，其存储系统是所有车载芯片中最先进的，带宽大约336GB/s或更高，比英伟达的Orin强1.5倍到2倍。
图片来源：网络
2021年9月，特斯拉推出数据中心训练用芯片Dojo D1，制造工艺复杂，良率低，成本高，大致在2023年中期才正式在台积电量产。2022年底，大模型开始流行，HW4.0的存储和算力均无法满足要求，特斯拉开始设计第三代FSD芯片。2023年5月，特斯拉CEO马斯克拜访三星，确定第三代FSD芯片还由三星代工。这就是今天的主角，HW5.0的关键芯片，马斯克称之为AI5。
图片来源：网络
马斯克拜会三星高层，马斯克选择三星一点也不意外，毕竟特斯拉的德克萨斯总部与三星的德州工厂距离很近，而台积电的亚利桑那州工厂投产日期一再延后，从2022年延后到2025年，并且台积电的价格远高于三星。
2024年6月中旬，马斯克在股东大会上爆料，HW 5.0 将被称为「AI 5」，预计会在大约 18 个月后，即2025 年12月左右推出。马斯克表示HW 5.0/AI 5的性能将是HW 4.0的10 倍，而HW 4.0 的性能已经比HW 3.0要高5倍了。同时，马斯克也提到 HW 5.0/AI 5的功耗会高出许多，达到800 W左右，而HW 3.0和HW 4.0的功耗约为200 W。针对旧款车型搭载的HW 3.0，马斯克表示未来将会退场不再生产，但特斯拉仍会针对HW 3.0进行优化，但也重申不打算提供HW 3.0升级到HW 4.0的服务。换句话说，HW4.0将被略过，未来会升级到HW5.0。
特斯拉正在建设的数据中心冷却系统
图片来源：网络
马斯克是在介绍特斯拉最新的数据中心时透露AI5芯片的，马斯克透露特斯拉将建设一个冷却功率高达500MW的冷却系统来满足飞速增长的数据中心功率，马斯克的原文是Sizing for ~130MW of power & cooling this year, but will increase to >500MW over next 18 months or so. Aiming for about half Tesla AI hardware, half Nvidia/other. Play to win or don’t play at all.
接下来马斯克在旗下社交平台“X”透露
接下来马斯克说了句让人摸不着头脑的话，数据中心除了英伟达的芯片，大部分会是HW4.0，少量Dojo。HW4.0显然不能用来做数据中心训练用，它和Dojo D1差距太大，笔者认为这里马斯克可能是口误，应该是HW5.0而非HW4.0，马斯克说的10倍性能提升，不会是算力提升10倍，大模型时代，存储远比算力重要，性能提升绝大部分都来自存储系统。
英伟达显卡与特斯拉芯片存储对比
整理：佐思汽研
英伟达的GPU架构实际变化微乎其微，性能的提升主要来自存储系统的提升，这也是为什么SK Hynix的HBM存储到2025年底的产品已经被全额买下的原因，AI芯片的竞争主要就是存储和制造工艺的竞争。
马斯克旗下xAI的开源大模型Grok-1拥有3140亿参数，貌似需要很高算力，至少需要8张英伟达H100显卡，实际上有人用苹果M2 ULTRA也能跑，M2 ULTRA的算力很低，其NPU算力仅为31.6TOPS，GPU的AI算力仅为108.8TOPS，但M2 ULTRA顶配拥有高达192GB/s的统一内存，内存带宽800GB/s，这里算力显得无足轻重。
图片来源：网络
考虑到马斯克曾经表示要将特斯拉打造成一个AI公司而非汽车公司，同时马斯克旗下的xAI也在打造大模型Grok，还有马斯克的人形机器人，加上马斯克把AI5和数据中心放在一起论述，马斯克所说AI5（HW5.0）也是训练芯片的大部分，大胆推测AI5是一个通用芯片，不仅能用于汽车，也能用于数据中心，也能用于机器人，既可以做大模型训练，也可以做推理。
AI5大概率延续Dojo D1的路线，但不再用台积电极其昂贵的InFO-level system-on-wafer工艺，而是三星的4纳米工艺。
图片来源：网络
特斯拉Dojo D1与IBM的Cell SPE架构如出一辙，这是一个类似CPU的架构，优点是效率高，速度快，灵活，无论算法体系怎么变化都能适应，缺点是规模密集度不如GPU，整体算力远低于GPU架构。
Dojo D1的算力仅为362 TFLOPS@BF16，如果是车载领域常用的INT8格式，算力应该是724TFLOPS，这个数值并不高，英伟达的GB200是10000 TFLOPS@BF16，是特斯拉的26倍。
META的第二代自研芯片架构
图片来源：网络
上图是2024年3月META的第二代自研芯片架构，和特斯拉Dojo D1类似架构，只不过PE数量远低于特斯拉，算力也不高，稀疏算力为708TOPS@INT8。不过内部存储带宽很高，PE之间是1TB/s，PE内部是2.7TB/s。该架构最大好处是可以不使用昂贵的HBM存储，成本比较低。当然，用HBM后性能会有显著提升。
考虑到第二代FSD就已经支持GDDR6存储，AI5可能会用HBM或GDDR7，用HBM就必须用2.5D或3D芯片制造工艺，典型代表就是台积电的CoWoS，目前基本上垄断AI芯片领域，因为专业AI训练芯片100%使用HBM存储，三星也有近似的I-CUBE工艺，但从未听说有人采用。考虑到HBM动辄数千美元的成本，特斯拉AI5可能还是用GDDR7。
几代GDDR的性能对比
整理：佐思汽研
基本上，第一代GDDR6的理论上限就是672GB/s，第三代GDDR6最高是900GB/s。特斯拉第二代FSD芯片就支持第一代GDDR6，HW4.0上的GDDR6容量为32GB，型号为MT61M512M32KPA-14，频率1750MHz （LPDDR5最低也是3200MHz之上），是第一代GDDR6，速度较低，带宽估计是336GB/s到448GB/s之间。如果是336GB/s的话，恰巧是第一代FSD芯片的5倍。GDDR7典型带宽达1536GB/s，略微领先HBM2代，和HBM3E还有明显差距。
AI5可能会是两片Dojo D1的整合，单片Dojo D1的功率是400瓦，考虑到三星的工艺远不及台积电，即使4纳米工艺也大致相当台积电的7纳米工艺，两片恰好是800瓦功率，与马斯克所言一致，算力估计是1448TOPS@INT8。
以上虽然大部分基于估计，但有一点可以肯定，AI5的成本必然大幅度增加，因为芯片的制造成本主要取决于制造工艺，而7纳米以下，制造工艺的改进对成本的降低几乎没有任何作用，反而会提高成本，苹果、英伟达、英特尔、AMD、高通等厂家的产品上我们能看出，芯片的价格持续上升。
大模型时代，存储容量需要大幅度提升，HW5.0至少需要64GB的RAM，甚至是128GB。功耗的大幅增加也会增加很多成本，HW5.0系统硬件价格可能超过1万美元，甚至更多。
免责说明：本文观点和数据仅供参考，和实际情况可能存在偏差。本文不构成投资建议，文中所有观点、数据仅代表笔者立场，不具有任何指导、投资和决策意见。
