特斯拉 SI6 算力 80 倍：Dojo D3 转 HBM 的芯片路线图拆解

1 hours ago AI笔记

一句话结论：特斯拉 11 月 8 日公布的 AI 加速器路线图，第一次把自研推理芯片的代工方、制程、内存容量和算力区间成体系地摊开，第六代 SI6 的算力目标约为现役 HW4 的 80 倍，而被取消后又重启的训练芯片 Dojo D3 放弃了晶圆级 SRAM，改用堆叠 HBM 的多芯粒设计。

这张图值得单独拆一遍，原因很直接。过去两年关于特斯拉 AI 芯片的公开信息基本停留在 Terafab 工厂的规划传闻层面，真正流出的多是马斯克在社交平台上的零散表述。11 月 8 日更新的路线图是第一次出现规格表：工艺、架构、封装类型、内存类型、内存容量、算力倍数、当前状态七列并排，六个产品条目（HW3/AI3、SI4、SI5、SI6、Dojo D1、Dojo D3）各占一行。对做智能体算力选型的人来说，这比任何一条发布会新闻都更有用。

一张表看懂六代产品：SI6 的 80 倍是怎么来的

路线图的基本逻辑是一条清晰的代际递进。HW3 已经是淘汰状态，SI4 是当前全自动驾驶的基准平台，SI5 接近量产，SI6 还在研发阶段。训练侧另起一条线：Dojo D1 停在晶圆级系统架构上，Dojo D3 是重启后的产物。

型号 用途 制程 架构与封装 内存 容量 算力 状态
HW3 / AI3 推理 三星 14nm 单片式 / FCBGA LPDDR4 8GB 72 TOPS 已淘汰
SI4 / HW4 推理 三星 7nm 单片式 / FCBGA GDDR6 16GB 216 至 576 TOPS（估算） 量产
SI5 / AI5 推理 台积电 3nm / 三星 2nm 多芯片模块 MCM GDDR6 或 GDDR7（待定） 96GB 8640 至 23040 TOPS，为 SI4 的 40 倍 接近量产
SI6 / AI6 推理 2nm 级 多芯片模块 MCM GDDR7（待定） 144GB 17280 至 46080 TOPS，为 SI4 的 80 倍 研发中，2029 至 2030 年
Dojo D1 训练 台积电 7nm 晶圆级 SoW / InFO_SoW 片上 SRAM 每颗 440MB，每片晶圆 11GB 362 TFLOPS 已停止
Dojo D3 训练 待定 多芯粒 / 2.5D 加 3D 堆叠 HBM 待定 待定 研发中

有两个数字需要特别留意，因为它们经常被媒体混着用。第一，80 倍是相对 SI4（也就是 HW4）而言，不是相对上一代 SI5，相对 SI5 大约是 2 倍。第二，17280 至 46080 TOPS 这个区间是估算值，特斯拉至今没有公布 SI6 支持哪些数据格式，路线图上的原始表格也只给了范围没有给单点值。换句话说，80 倍是一个带有明确前提的相对指标，不是可以直接拿来和别家 GPU 比绝对算力的数字。

SI5 才是近在眼前的那一代：40 倍算力、96GB 内存、接近量产

如果关心的是实际可用性，SI5 比 SI6 重要得多。它由台积电 3nm 和三星 2nm 两条线分别代工，架构从单片式改成多芯片模块封装，内存容量跳到 96GB，是上一代的 6 倍。按 GDDR6 还是 GDDR7 落地，带宽落在 768GB/s 到 1.536TB/s 之间，功耗按应用场景不同在 250W 到 800W 区间。

马斯克给出的 40 倍拆解方式是两部分：计算能力提升 8 倍，来自更先进的制程和更多的执行单元；硅片优化再贡献 5 倍。这种「8 乘 5」的表述本身就是一份选型提示。它说明这一代提升的主体不在架构创新，而在工艺节点红利和芯片面积利用率。换句话说，SI5 的性能高度依赖台积电 3nm 与三星 2nm 的产能与良率，晶圆代工环节在这条链上的话语权比过去任何一代都大。

特斯拉与三星晶圆代工签署的协议期限延续到 2033 年，覆盖了 SI6 的整个生命周期。这个安排把 SI6 与英特尔 14A 撇开了——此前 特斯拉 Terafab 项目的自研芯片产能规划 一直被视为特斯拉摆脱外部代工的备选方案，但 SI6 明确不打算在 2030 年代走英特尔 14A 产线。

Dojo D3 转向堆叠 HBM：容量换延迟的一笔账

训练侧的变化比推理侧更能说明产业口味。Dojo D1 是真正的晶圆级系统，25 颗 D1 处理器通过晶圆级封装互联，每颗芯片 440MB 片上 SRAM，每片晶圆合计 11GB SRAM，片上带宽约 10TB/s。D3 换掉了这条路：多芯粒设计，2.5D 加 3D 封装，内存换成堆叠 HBM，制程待定，官方定位是针对太空、训练和扩展能力优化。

转向 HBM 的动因是容量而不是带宽。现代模型要在内存里同时放下参数、激活值和中间计算数据，SRAM 的单位面积容量已经撑不住这个量级。HBM 把容量扩展的门槛降下来了，代价则落回延迟、带宽、封装和功耗的一组新权衡上——这也是为什么很多强调低延迟的推理路线至今不肯上 HBM，而训练路线几乎别无选择。

路线图没有回答 D3 是否彻底放弃晶圆级集成，业界有两种猜测：一种是在晶圆级封装连接的逻辑芯片上方堆叠定制 HBM 模块；另一种是认定晶圆级集成成本过高，只在 SRAM 主导的架构里才有实际价值。后者可能性更大，因为官方措辞强调的是扩展性和太空部署，甚至暗示部分型号需要抗辐射加固。这类产品的客户指向很明确，落在星舰在轨算力和地面训练集群上，而不是通用云计算。

跟英伟达 Rubin 对一下：80 倍还差着三四年

路线图里唯一被直接拿来对照的竞品是英伟达的 Rubin GPU。参照系这样建立：Rubin 推理算力 50 NVFP4 PFLOPS，训练算力 35 NVFP4 PFLOPS，FP8 与 FP6 为 17.5 PFLOPS，已经开始向客户出货。而 SI6 预计要到 2029 至 2030 年才推出。

对比项 英伟达 Rubin GPU 特斯拉 SI6
推理算力 50 NVFP4 PFLOPS 17.28 至 46.08 POPS（估算）
训练算力 35 NVFP4 PFLOPS 未公布
低精度算力 FP8 与 FP6 共 17.5 PFLOPS 未公布数据格式
内存容量 官方未在本次对照中列出 144GB，SI4 的 9 倍
交付状态 已向客户出货 研发中，预计 2029 至 2030 年

结论很直白：即便按路线图最乐观的数字，SI6 交付时也已是 Rubin 的下一代周期，特斯拉追的是一个自己还没发布的产品。更关键的是口径不对齐。Rubin 报的是 PFLOPS，SI6 报的是 TOPS/POPS，而且特斯拉没有公布 SI6 的数据格式，两组数字无法直接相除。这条路线图更像一份面向投资人和供应链的产能与代工意向书，而不是一份性能承诺书。

对比之下，推理侧能效维度的实测数据在别处更有参考价值，比如 英伟达 Vera CPU 每瓦多跑 1.6 倍智能体的实测 这类结论，衡量的是每瓦能跑多少个智能体任务，而不是峰值 TOPS。通用 GPU 阵营在软硬件栈上的积累同样是特斯拉必须自研的原因，OpenAI 走的是与博通合作的自研路线，见 OpenAI 自研芯片 Jalapeño 与博通的九个月设计周期。

这张路线图实际影响谁：FSD、Optimus 与星舰数据中心

路线图上有三个明确的落点。第一是全自动驾驶，SI4 是当前基准，后续每一代都以它为参照系，SI5 的 40 倍提升直接决定下一代 FSD 能否在车端跑更大的模型。第二是 Optimus，具身智能对推理延迟和能效的要求比车载更苛刻，SI6 的 144GB 内存容量正是为大参数量的端侧或近端推理准备的，得州 Optimus 工厂的产能规划 决定了这条芯片线的需求规模。第三是训练侧，Dojo D3 明确指向太空、训练和扩展能力。

软件侧同样被卷进来了。特斯拉车机接入国产大模型这件事本身已经说明自研算力缺口有多真实，见 豆包拿下特斯拉车机的来龙去脉。软件层依赖外部模型，硬件层押注自研芯片，两条腿并行走是这段时期特斯拉 AI 战略的真实状态。

常见问题

特斯拉 SI6 什么时候能用上？按路线图标注，SI6 目前是研发中状态，预计 2029 至 2030 年推出。若计划 2026 年内就要上生产环境，这个代际还用不上，可选区间落在接近量产的 SI5 上，而量产的现役平台仍是 SI4。

SI6 的 80 倍算力是怎么算出来的？它是以 SI4 为基数的相对倍数，SI4 的 216 至 576 TOPS 乘以 80 得到 17280 至 46080 TOPS 这个估算区间。特斯拉没有公布 SI6 支持的数据格式，因此该数值只能作参考，不能直接换算成与英伟达 PFLOPS 可比的绝对性能。

Dojo D3 放弃晶圆级集成，是否意味着这条路线彻底终结？路线图没有给答案。官方只说明 D3 是多芯粒加堆叠 HBM 设计，并针对太空与训练优化。若特斯拉仍想保留晶圆级互联能力，定制 HBM 模块堆叠在逻辑芯片上方是可行路径，但更可能的判断是晶圆级集成的成本在通用架构里已不划算。

这份路线图对算力选型有什么实际意义？最大的用处是纠正对比口径。它把制程、封装、内存容量和相对算力放在同一张表里，让人一眼看出特斯拉走的是台积电 3nm 加三星 2nm 的 MCM 路线，且关键产能握在三星手里，计划窗口延伸到 2033 年。

小结

特斯拉这次公布的不是产品发布，是一份三年期的算力供给计划。SI5 用 40 倍算力和 96GB 内存去接住未来两到三年的 FSD 与 Optimus 需求，SI6 用 80 倍算力和 144GB 内存去占 2029 年的位置，Dojo D3 则把训练线从晶圆级 SRAM 拉回堆叠 HBM 的多芯粒主流，同时把战场指向太空。三个动作背后是同一个判断：通用 GPU 路线撑不住特斯拉既要车端又要星舰的野心，自研是唯一解。代价是它必须同时承担制程依赖、代工绑定和三年交付周期三重风险。

相关阅读

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

想快速查定义？对应的词条在这里：

Related News