特斯拉写了个80倍算力,换掉的却是内存路线

11月8日上午，特斯拉更新了 AI 加速器路线图，第六代推理芯片 SI6 的算力被写成 HW4 的80倍。

一个数字就够刷屏了。把那张六列表格从头读到尾会发现，80倍是这张表里最不重要的信息，它只回答“快多少”，不回答“怎么做到的”。

真正换掉的是两处底盘：推理芯片的内存从16GB 一路排到144GB；训练芯片 Dojo 的第三代放弃了片上 SRAM 与晶圆级集成，改用芯粒加堆叠 HBM。

先把辈分理清：AI4 就是 HW4

特斯拉的芯片命名这几年改过三轮，同一颗芯片在不同场合有三个名字，不看这个容易把一张表读成两张。

车上正在跑的那颗，最早叫 HW4，后来改叫 AI4，这次路线图里又成了 SI4。它由三星代工，7nm 级制程，传统 FCBGA 封装，16GB GDDR6 内存，是当前完全自动驾驶的性能基准。顺带说一句，这次公布的演示文稿把它的制程标成5nm，实际是7nm，表格里有一处笔误。

再往后是 SI5，也叫 AI5 或 HW5，用多芯片模块封装，分别交给台积电3nm 与三星2nm 制造，内存96GB，功耗按场景在250W 到800W 之间，状态是接近量产。最后才是 SI6，2nm 级，MCM 封装，内存144GB，由三星代工到2033年，预计2029至2030年推出。

命名上还有件事：公司把 AI 改成 SI，Super Intelligence，连 SpaceXAI 也一并改成 SpaceXSI。名字换了，表里的东西没换，芯片还是那四代。

80倍是怎么算出来的

这个倍数不对英伟达，对的是 SI4，也就是车上那颗16GB 的老芯片。

SI4 从未正式公布绝对算力，只能倒推。HW3 的官方数字是72 TOPS，公司说过 HW4 是 HW3 的3到8倍，于是有了216到576 TOPS 这个区间。按同一基准乘80，SI6 落在17.28到46.08 POPS。

拿这个数去和英伟达比，会得出“接近 Rubin”的结论，但两边不是一回事。功耗这一栏就能看出来：SI5 按场景要250W 到800W，而机柜里的加速卡单卡往往按千瓦级算，散热和供电的结构完全不同。Rubin 的推理算力是 50 PFLOPS​（NVFP4），训练35 PFLOPS，FP8/FP6 口径17.5 PFLOPS；它已经开始向客户交付，而 SI6 要等到2029至2030年。一个是数据中心里插在机柜上的卡，一个是车上和机器人身上的系统级芯片，功耗预算差着量级。

所以80倍这个说法成立，但成立的条件写在括号里：同一家公司、同一条产品线、隔了两代，而且中间那代的基准值本身是估算出来的。

从16GB 到144GB，这一步比算力难

推理芯片为什么需要这么多内存？因为车端模型这几年从“识别几样东西”变成了“一次看懂整段视频”。

多路摄像头的原始帧、模型权重、每一层的中间结果，要在同一块显存里同时待着。权重放不下就得反复从外部存储搬，带宽再高也顶不住这种来回。GDDR6 的带宽够用，容量却上不去，所以到 SI5 才换成 MCM，把几颗芯片拼在一个封装里做容量。

SI5 的96GB 是上一代的6倍，SI6 的144GB 又是 SI4 的9倍。这个增速比算力更实在，也更难做到，因为它同时要处理封装良率、散热和成本三件事。

一个具体的场景能说明差距：十六路摄像头的 1080p 画面按每秒三十帧进来，光原始数据一秒就是几百兆，端到端模型还要为每一层保留中间结果。十六吉的显存装不下这样的流水线，只能靠分段跑和频繁换出，于是延迟上去了，车上最不该省的就是那几十毫秒。

Dojo D3 换掉 SRAM，也换掉晶圆级

训练芯片那边的改动更彻底。

第一代 Dojo D1 是极端设计的产物：台积电7nm，晶圆级系统，25颗处理器连成一整片，片上 SRAM 每颗 440MB​，一整片晶圆 11GB​，片上带宽约 10TB/s​，算力362 TFLOPS。思路是把内存做进芯片里，省掉搬运。

问题就出在容量上。现代模型的参数和激活值早就超出 SRAM 能装下的范围，一片晶圆11GB 的容量，在大模型面前很快见底。堆 SRAM 的代价是面积和良率，而晶圆级的良率账本尤其难看：整片晶圆做一颗芯片，任何一处缺陷都可能废掉一整片。

D3 于是换了方向：芯粒架构，2.5D 加3D 封装，内存改用堆叠 HBM。容量可以靠堆叠层数往上加，代价是延迟、功耗和封装复杂度。这条路不再追求把内存做进芯片，而是承认内存必须搬，然后尽量搬得快一点。

晶圆级是否彻底放弃，官方没说清。一种可能是逻辑芯粒仍用晶圆级互连，再在上面叠定制 HBM；另一种是认为晶圆级只在 SRAM 主导的架构里划算，于是整条线退回去。两种情形的成本差很多，现在下判断都早了。

时间线也值得记一笔：2025年8月，整个晶圆级 Dojo 项目被取消；2026年8月，公司又说 SpaceX 与 xAI 的地面及太空数据中心将全部采用英伟达硬件。D3 是在这个背景下重新启动的，它要证明的不是“我们也能做训练芯片”，而是自研训练芯片在自家机房里还有没有位置。

太空那一格，定了 D3 的形态

路线图里最容易被当成噱头的一行，是 D3 将针对太空、训练和扩展能力优化。

太空不是加个“太空版”标签就行。真空环境没有空气对流，热量只能靠辐射散出去，散热器的面积和朝向要重新设计；高能粒子会造成单粒子翻转，关键电路需要抗辐射加固或冗余；供电靠太阳能板，功耗预算比地面紧得多。

这些约束会反过来影响架构选择：能效比优先，可扩展性优先，单芯片的峰值反而不是第一位。这也是为什么 D3 选择芯粒而不是继续做整片晶圆，一颗坏了换一颗，在没法上门维修的地方，这比省那点互连功耗重要。

两个容易看错的地方

第一个误读是把80倍当成跨公司对比。它对着自家 SI4，基准值本身是3到8倍的估算区间，数据格式没公布，拿它去和已经开始交付的 Rubin 比高低，比出来的只是发布节奏。

第二个误读是把“砍过又重启”当成不靠谱。D1 确实停了，D3 确实改了架构，但路线图从来不是交付承诺，它更像研发方向的公开记账。真正该看的指标是 SI5 什么时候上车、SI6 的样片什么时候流出来，而不是表格里的倍数。

芯片行业里，“N 倍”是最便宜的一种宣传，因为它不需要定义基准，也不需要承诺时间。反过来，一张愿意把封装形式、内存容量、制程和状态都列出来的表，信息量比倍数大得多。

下次再看到类似数字，先找它的基准是谁、什么时候能拿到货。这两个答案，比倍数本身有用。

至于车端芯片的下一跳，你是更在意算力余量，还是更在意那块内存能装下多大的模型？留言聊聊。

作者提示含AI生成内容。作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～