AI 晶片不夠用！馬斯克宣布自建「超巨晶圓廠」：比 Giga 更大的 Terafab，目標月產百萬片晶圓？|數位時代 BusinessNext

重點一：馬斯克宣布 Tesla Terafab 專案將於 3/21 正式啟動，長期目標是每月達到 100 萬片晶圓等級的產能。

重點二：Terafab 首要供應 Tesla FSD、Cybercab 機器戰車、Optimus 機器人及 xAI Grok 訓練基礎所需的客製 AI 晶片。

重點三：分析師提醒，3 月 21 日的「啟動」幾乎可確定是儀式性動工或專案說明，實際時程與良率表現仍高度不確定。

馬斯克（Elon Musk）在 3 月 14 日於 X 平台發出一則短文：「Terafab Project 將在 7 天後啟動。」配合此前透露的規畫，這代表一座聚焦先進晶片製造與封裝的一體化廠房，正要進入具體實施階段。

Terafab 的野心相當清晰：在同一屋簷下完成高階邏輯晶片（Logic）、高頻寬記憶體（Memory）與先進封裝（Advanced Packaging）的關鍵製程整合，初期目標是每月 100,000 片晶圓起步，長期規模上看每月 100 萬片。若以公開數字粗略換算，滿載時的晶圓處理量，大致可達目前台積電全球總產能的一半以上，甚至逼近七成，而這些產能將集中在一座美國廠區。

此專案的預估造價約在 200 至 250 億美元（約合新台幣 6,400 至 8,000 億元）。以 Tesla 目前帳上約 440 億美元現金來看，這是一筆金額可承受、但在資本配置上極具象徵意義的大賭注。

誰需要這些晶片？

Tesla 目前的 AI 晶片多委由三星（Samsung）及台積電（TSMC）代工生產。但馬斯克在 2026 年 1 月的法說會上直言，即便在最樂觀的情況下，外部供應商的產能也難以滿足 Tesla 未來 3 至 4 年的算力需求，這也是 Terafab 專案的直接背景。

Terafab 鎖定的主要應用有四條線：

一是 Full Self-Driving（FSD），Tesla 自動駕駛系統的核心算力需求持續攀升，模型與感測器組合越來越複雜。

二是 Cybercab，Tesla 計畫中的無人駕駛機器戰車／機器計程車服務，一旦開跑，將需要長期穩定的自研 AI 晶片供應。

三是 Optimus 人形機器人。馬斯克預期未來地球上的機器人數量可能超過人口，如果這個願景成真，對高效能、低功耗 AI 晶片的需求將是數量級的成長。

四是 xAI 的 Grok 訓練基礎設施。馬斯克旗下 AI 公司 xAI 在孟菲斯（Memphis）已建立超大規模 GPU 叢集，Terafab 則被視為下一代訓練與推論硬體的完整供應鏈基礎。

外界普遍認為，第五代 AI 晶片 AI5 將是 Terafab 首批規畫生產的核心產品。相關資訊顯示，AI5 的目標指標是：在算力方面相較第四代 AI4 提升約 40 至 50 倍，記憶體容量增加約 9 倍。若一切順利、以最樂觀情境推估，時間表大致是 2026 年進入小批量生產驗證、2027 年才有機會放量量產。

「大賭注」背後的高度不確定性

馬斯克的晶圓廠與清潔室（Cleanroom）理念本身就帶著顛覆味道。他主張，現行半導體業對整棟廠房環境的極致控管，某種程度上「方向錯了」。

在他的構想裡，應該是把晶圓本身在製程中維持密封隔離，而不是讓整座工廠都維持超淨狀態。他甚至曾半開玩笑、半認真地表示，如果做得到，他希望工人在廠內也能輕鬆吃漢堡。

然而，分析師普遍提醒：先進晶片製造是全球技術門檻最高的製造業之一。英特爾（Intel）花了數十年、投入數百億美元仍在製程節點上落後競爭對手；台積電則是用超過 30 年時間累積製程、良率與供應鏈管理優勢，才建立起現在的主導地位。

在這個前提下，多數產業觀察都認為，3 月 21 日的「Terafab 啟動」，幾乎可以確定是儀式性動工或專案規格說明發布，而不是量產線正式開動。從動工到設備進場、產線調校、良率爬坡，再到真正穩定量產，往往需要數年時間，而且中間每一關都可能成為瓶頸。

資料來源：Tom's Hardware、Electronics Weekly、FinTech Weekly

本文初稿為 AI 編撰，整理．編輯／李先泰

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。