特斯拉：所有車型皆配備「全自動駕駛」硬體，將比人類駕駛更可靠|數位時代 BusinessNext

特斯拉：所有車型皆配備「全自動駕駛」硬體，將比人類駕駛更可靠

特斯拉認為完全自動駕駛將使特斯拉自駕車成為比人類更可靠的「司機」，目前特斯拉工廠生產的所有電動車車型（包括未來的Model 3）都已具備了進行完全自動駕駛的硬體基礎。

剛剛，特斯拉舉行了電話發表會，宣布其目前生產的所有特斯拉汽車都已具備了自動駕駛硬體。因為它認為，完全自動駕駛將使得特斯拉成為比人類更可靠的「司機」。

特斯拉表示，目前特斯拉工廠生產的所有車型（包括未來的Model 3）都已具備了進行完全自動駕駛的硬體基礎，並且，特斯拉還特別說明，在此硬體基礎上進行的自動駕駛其安全性有了空前提升，比人類司機要可靠得多。

車身四周一共加裝了八個攝影鏡頭，提供360度環視功能，最遠能夠測量250公尺範圍內的物體。除了攝影鏡頭，特斯拉還加裝了12個超聲波傳感器，對視覺作補充，能夠探測到比此前系統遠一倍距離範圍內的軟硬障礙物。此外，特斯拉車前還有一個增強版的前向雷達，能夠在惡劣的雨、雪、大霧、揚塵天氣下工作，也能探測到前方車輛。

為了處理上述傳感器收集來的數據，特斯拉還為所有車輛配置了一個全新的車載電腦，其計算能力比上一代強40倍之多。這個車載電腦運行的系統是特斯拉自行研發的，側重視覺、聲波和雷達的軟體處理能力。特斯拉表示，這套系統對世界的丈量精度是人類憑自己的感官無法達到的，它能同時在各個方位進行探測，其覆蓋的波長頻段也比人類要豐富得多。

Tesla新的Autopilot將以「影子模式」進行工作：即在後台運行，不採取實際動作，但是會記錄自己應該採取什麼動作。這樣在人類駕駛員導致交通事故時就可以對比分析，看看自動駕駛是不是可以避免事故，從而得出自動駕駛比人類更安全的結論。

特斯拉宣布，在售的Model S和Model X已配備了這種全新硬體，要想買的話現在就可以入手。

當然，硬體具備了，但特斯拉目前還不打算將其立刻啟動使用，而要至少再路測個幾百萬公里，等特斯拉覺得達到自己的安全標準了再說。這種審慎態度也符合特斯拉的一貫作風，其第一代自動駕駛套件Autopilot在2014年以後的車型才有安裝，目前特斯拉Autopilot駕駛里程已經累計達到了3.6億公里。

這也意味著安裝了全新硬體的「特斯拉們」現階段能夠使用的功能比第一代Autopilot還要少。暫時被關閉的功能包括自動緊急剎車、碰撞預警、車道保持、以及自動巡航功能。特斯拉表示，等未來這些功能測試完畢、表現穩定時，他們會第一時間通過OTA（空中下載技術）推送給特斯拉車主。當然了，隨之而來的還有一大籃子全新功能。

本文授權轉載自：36 氪

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。