特斯拉發表自動駕駛晶片，預告2020年百萬輛無人計程車上路跑|數位時代 BusinessNext

特斯拉發表自研自動駕駛晶片，聲稱效能更勝Nvidia

特斯拉自駕車晶片在活動中隆重登場，被稱為全自動駕駛電腦（FSDC）的這款晶片，擁有雙核心設計，搭載各自的電源與儲存系統。如果其中一枚核心發生故障，另一枚核心將接替軟體運行並提出警告，確保行車安全。

馬斯克毫不避諱地強調，這將是世界上最好的自動駕駛晶片，「從未設計過晶片的特斯拉，怎麼設計出世界上最好的晶片？但這是客觀的事實。」

第一批晶片已在上個月進入生產線，前蘋果晶片工程師、現任特斯拉董事Pete Bannon宣稱，不僅低功耗、低運轉溫度，且具有極佳數據處理效率， 這是先前使用的Nvidia Xavier晶片的7倍效能 。

對此，Nvidia也反駁特斯拉的說法，指出特斯拉的比較並不準確，Xavier並非面向全自動駕駛的晶片，其Drive AGX Pegasus才是更該對應比較的對象，擁有320 TOPS（每秒兆次運算），高於特斯拉晶片。

另外，馬斯克也透露，新版本的晶片預計在1年半至2年內推出，已完成過半設計，效能會是現版本晶片的3倍。

推自動駕駛版Uber，馬斯克預言明年百萬輛無人車上路

馬斯克信誓旦旦地表示，特斯拉計劃2020年出產第一款全自動駕駛車，並規劃推出「無人車共享服務」。

在馬斯克描述的未來場景中，擁有完善自動駕駛配備的特斯拉車主，在暫時無須乘車時，能夠透過App將愛車加入「共享」行列，化身無人Uber為民眾服務，特斯拉將從中抽成25%至30%。在沒有足夠自動駕駛車服務的地區，特斯拉則會提供自己的無人計程車隊。

為達成這樣的願景，特斯拉自研晶片將是不可或缺的存在。馬斯克宣稱，該晶片已達成全自動駕駛所需的硬體要求，待軟體跟上便能達到具有足夠可靠性的自動駕駛技術。

至於軟體技術何時能跟上？馬斯克認為，明年年中乘客就可放心乘坐自動駕駛車，更大膽預言，「 從我們的角度來看，如果你快轉1年，或者1年又1季，但我們確定明年內就會有百萬輛無人計程車上路。 」

不過，馬斯克也多次指出，即便技術已經就緒，到底能否上路還是取決於監管單位核准。再加上目前仍未有無人車配套法律，究竟需要怎樣的標準才能合法駕駛，尚無人知曉。

馬斯克：自動駕駛依賴光達註定失敗

值得一提的是，特斯拉自駕車的發展上，與其他無人車開發商有著不小的差異。在光達成為自駕車主流的現在，特斯拉依舊是以鏡頭作為自動駕駛技術的雙眼。

光達擁有在天候惡劣、光線昏暗的情況下，看清路況的優勢，但同時價格也非常高昂，馬斯克不諱言指出，把精力花費在光達上，純粹是徒勞，「任何依賴光達的人都註定失敗！註定！這些昂貴的感測器不是必要的。」

特斯拉AI資深主管Andrej Karparthy表示，視覺辨識對於4級、5級自動駕駛技術終究有其必要，依賴光達是種取巧的行為，「它迴避了『視覺辨識』這個根本問題，進而給予人們一種虛假的進步感，但它最終只是根輔助的拐杖。」

為取代光達帶來的部份優勢，特斯拉依靠大量行車數據培訓神經網路。馬斯克提到，目前每輛在路上跑的特斯拉電動車，無論是否開啟Autopilot功能，都在協助特斯拉收集數據，訓練自動駕駛技術。待軟體方面足夠成熟後，便會在既有硬體內全面實施。

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。