解码特斯拉新AI芯片战略：从Dojo到AI5和AI6推理引擎

2025-08-21 16:55

埃隆·马斯克于2025年8月7日宣布了一项大胆的战略转变，宣布特斯拉将精简其内部AI芯片设计工作，也就是我们之前文章《真突发，特斯拉解散Dojo超算团队和业务》提到的解散Dojo超级计算机团队，专注于支持自动驾驶汽车和机器人实时决策的推理芯片。

马斯克认为，特斯拉分割资源，同时扩展两款截然不同的AI芯片（超算训练的Dojo和推理应用的AI 5/6）设计，这毫无意义。

他认为特斯拉的AI5、AI6及后续芯片在推理方面将非常出色，至少在训练方面也相当出色。所以，特斯拉芯片将将所有精力都集中在AI 5/6芯片上。

而对于在超级计算机集群中用于训练的芯片，马斯克认为将AI5和AI6芯片结合起来可以形成“Dojo 3”系统。

马斯克表示，下一代 AI5 芯片将于 2026 年底生产，并于今年7月宣布与三星电子达成 165 亿美元的AI6 芯片采购协议，但没有提供生产时间表。

那么特斯拉为什么要这么做？接下来特斯拉AI芯片如何发展？采用什么样的技术路径？

本文将探讨特斯拉的AI芯片之旅、根据海外信息总结其下一代芯片的架构和技术，希望给大家带来一些信息。

Dojo 超级计算机和特斯拉的 AI 野心

Dojo超级计算机于2021年推出，体现了特斯拉利用其全球车队的PB级数据来训练全自动驾驶(FSD)模型的雄心壮志。Dojo基于专有的D1芯片构建，目标是实现超过百亿亿次浮点运算的计算性能，以加速神经网络训练。

在这个项目因其规模之大而备受赞誉——分析师曾根据其颠覆数据中心计算市场的潜力，将Dojo估值定为5000亿美元。

而到了2025年的今天，如我们文章《尘埃落定！Model Y就是“平价特斯拉”：成本削减大揭秘》中讲到特斯拉的财报数字，在中国电动车崛起等影响下不断遭遇“滑铁卢”。以2025 Q2为例特斯拉全球交付量暴跌14%，销售额下降12 %，至224亿美元，创下至少十年来的最大降幅。利润缩水16%，至11亿美元。

这些，就让Dojo 的发展的资源和成本问题更加凸显：先进工艺节点制造定制硅片需要大量的资本支出和较长的交货时间。对训练和推理架构的平行投资使工程资源捉襟见肘。

此外，从原型模块扩展到全尺寸吊舱架构这里面的工程落地技术难点，也不那么容易。

最后，人工智能芯片巨头英伟达的竞争脚步，也是让人难以抵抗。

所以，现在2025年中期，特斯拉内部逐渐意识到，维持两种截然不同的芯片架构——Dojo用于训练，AI 5/6用于推理——并非理想之选。

不过也有消息称Dojo 其实就是AI6的实验，换句话说AI6可能会采用Dojo实践的技术理论。

解码特斯拉 AI5芯片

特斯拉的 AI5 芯片计划于 2026 年投入生产，根据网络信息，特斯拉AI5预计可达到2000–2500 TOPS（每秒万亿次运算），使用int8精度，峰值功率达800瓦。

架构方面，AI5 具备先进的矩阵乘法引擎，支持混合精度（FP16、BFLOAT16、INT8），并采用统一缓存层次结构，优化FSD任务性能。

其实 AI5的设计于2025年7月完成，由于战略调整和出口限制，生产推迟至2026年第四季度。

由于高性能，AI5面临出口限制，需在某些市场提供性能受限版本以符合美国法规。采用双层限制系统，限制“友好国家”的购买，并在“竞争国家”实施额外限制。

那么中国市场有可能会是阉割版的 AI5了。那么特斯拉AI5采用了哪些关键技术？

异构计算核心，AI5 采用由三种集群类型组成的异构结构：

张量加速器：这些固定功能单元可处理 16 位和 8 位精度的批量矩阵乘法，支持常见的 AI 基元（卷积、GEMM、全连接层）。利用脉动阵列拓扑，每个张量加速器可实现 >1TFLOP/W 的效率。

矢量 DSP：针对不规则工作负载（激活函数、元素运算、规范化、索引）进行优化的可编程内核。它们采用 VLIW（超长指令字）架构，并支持预测执行，从而减少了分支密集型代码的流水线停顿。

标量微控制器：轻量级 RISC-V 内核，专用于控制平面任务：任务调度、I/O 管理和电源门控协调。通过在此卸载非矩阵任务，张量加速器和 DSP 可维持峰值吞吐量。

与纯粹以矩阵为中心的设计相比，策略性地卸载控制和不规则处理可以将整体利用率提高15-20%。

推理中最持久的瓶颈之一是内存带宽。在AI5中，Tesla 采用高带宽内存集成：封装 HBM3 可最大限度地减少 DRAM 和计算单元之间的数据传输延迟。AI5集成了多层内存层次结构：

SRAM 暂存器：每个张量簇拥有总计 2 MB 的本地存储体，旨在实现亚 1ns 级访问。这些存储体缓存输入激活和权重块，从而实现短小重复的计算循环零 DRAM 流量。

统一二级缓存： eDRAM 中实现的 64 MB 高带宽缓存位于集群和全局 DRAM 接口之间。凭借 2 TB/s 的总带宽，二级缓存可作为较大模型参数和特征图的暂存区。

LPDDR5X 外部 DRAM： AI5 最高支持 24 GB，每个引脚运行速度为 8 Gbps。Tesla 的定制内存控制器会根据工作负载强度动态调整频率和时序，从而在稀疏推理或提前退出推理场景下降低速度（和功耗）。

稀疏计算优化：硬件支持动态稀疏性，以降低推理过程中的功耗。这个是不是很熟悉，当前理想汽车在英伟达Thor U上布局VLA的时候就采用此类方法。

AI推理工作负载对较低的数值精度的容忍度越来越高。特斯拉在 AI5 中采用了混合精度策略：

FP8 和 INT4/INT2 单元：对于视觉和感知模型，许多层可以以 8 位浮点 (FP8) 甚至 4 位整数执行，且精度不会降低 1% 至 2%。AI5 集成了专用的 FP8 数据路径和 INT4 乘法累加器，在量化模式下使 MAC 吞吐量翻倍。

动态范围校准：片上校准电路可监测初始批次中的激活分布，并自动调整 INT4 量化的零点和比例因子。这消除了部署流程中的手动量化步骤。

混合精度调度：基于改进的 TensorRT 和 Tesla 内部优化器构建的软件堆栈，以最佳精度调度每一层。关键的规范化或跳过连接以 16 位运行，而高度可并行化的卷积层则以 4 位运行。

将这些混合精度模式直接集成到硬件数据路径中至关重要。仅仅在软件中支持量化是不够的；芯片必须设计成能够无缝切换模式，否则系统开销会侵蚀功耗，而特斯拉AI 5的设计就考虑了这些因素。

关于特斯拉AI6

除了 AI5 之外，特斯拉还与三星代工厂签署了一项价值 165 亿美元的协议，共同研发其 AI6 芯片。这些下一代设备将进一步优化节点扩展至 3 纳米或更低，并集成增强的片上互连，以支持跨多个芯片的集群推理。特斯拉工程师预计，在实际的全自动驾驶 (FSD) 场景中，AI6 的性能将比 AI5 提升 2 到 3 倍。