特斯拉 AI5 流片定型！如何用不到十分之一的成本，硬剛 NVIDIA Blackwell？

開場：AI-5 流片，特斯拉的新壓艙石

特斯拉的新一代芯片 AI-5，剛剛正式完成了流片定版，也就是說，這顆芯片已經進入了最後的測試和量產準備階段。

馬斯克隨後給出了一組非常直觀的數據：它的算力是雙核 AI-4 的 5 倍；如果對標英偉達最新的 Blackwell 架構，兩顆 AI-5 的性能就能打平，但功耗只有對方的大約三分之一，成本還不到一成。

當現在所有的 AI 巨頭都在焦慮數據中心的耗電量，甚至為天價 GPU 搶破頭的時候，這顆芯片給出了一條完全相反的解題路線。它不僅關乎汽車，更是未來 Optimus 機器人和特斯拉分佈式算力網絡的核心底座。

我是小梗。今天我梳理了分析師 Brian White 和 Herbert Ong 的一場對談，他們把 AI-5 的技術細節掰得很細。在這場算力軍備競賽裡，理解了特斯拉是如何通過“軟硬件協同”走通這條定製化路線的，你就能真正看懂它的底層護城河。

這顆已經交由臺積電和三星代工的 AI-5，為什麼它能用不到一成的成本，去硬剛通用 GPU？

AI-5 的定位：推理優先、為特斯拉量身定製

Herbert 說，AI-5 本質上是一顆超大規模、專注推理的芯片，完全圍繞特斯拉自己的機器人和 FSD 需求量身打造。他反覆強調兩點：

推理優先，不追求那種通用訓練的萬能芯片；
可量產、能鋪滿整套機器人和數據中心。

在我看來，第二點比單塊性能參數更關鍵——只有能大規模部署，才撐得起幾百萬輛車和未來成群結隊的 Optimus。

Brian 的視角更偏行業格局。他說，Rivian、Lucid 這些小廠只能買英偉達那種“通用方案”，再把自家軟件往上套。特斯拉恰恰相反：硬件和軟件一起設計，完全貼著自己的模型來做。結果就是，同樣想做高階輔助駕駛，別人得在通用平臺上繞很多彎路，算力效率也打不過特斯拉。這道鴻溝只會越拉越寬。

功耗與工廠：同一條電線掛出 10 倍算力

Brian 還點出一個很現實的問題：AI 的電力和廠房面積。

如果像 AI-5 這樣把功耗壓到 Blackwell 的十分之一左右，意味著工廠在總功率不變的情況下，算力可以翻到接近 10 倍，九倍內存，五倍帶寬。邏輯很直白：同一條供電線能掛更多機櫃，冷卻壓力也小得多。從外面看沒多蓋幾棟新廠，裡面的 AI 算力卻已經迭代了好幾輪。

Herbert 提到，有人說只有做過硬件的創始人和工程師才知道 tape-out，也就是流片定版有多難。馬斯克在 X 上回復，過去 6 個月，每個週末無一例外都在盯這個項目。這種強度本身就說明，在他心裡 AI-5 已經是特斯拉未來幾年的壓艙石，而不是一個“試試看”的小實驗。

他還特別感謝了臺積電和三星，說 AI-5 是三方一起推出來的，預計會成為產量最高的 AI 芯片之一。結合前面提到的成本不到 Blackwell 一成、功耗又低，我個人感覺，等 Optimus 量產、Dojo 3 上線，這顆芯片會像當年特斯拉自研電驅一樣，慢慢變成別人繞不過去的話題。

AI-5 與買車決策：要不要等？

很多計劃買車的朋友不禁要問：是不是應該等 AI-5 推出後再下手？AI-4 的能力是不是不足以實現完全無監督駕駛，才需要研發 AI-5？

對此馬斯克已經澄清：車上 FSD 這塊，AI-4 就足以把安全做到“遠超人類”。AI-5 更多是給 Optimus 和超級計算集群準備的——讓車“幾乎完美”，讓機器人更聰明。

我個人的猜測是，14 這個大版本在 AI-4 上就能實現無監督駕駛，有興趣可以開個局，賭一賭我猜對沒有。

FSD 14.3.1：一次“點1”版本帶來的體感升級

說到上路體驗，這兩天真正讓車主興奮的，其實是 FSD 14.3.1 大規模推送。它不再只給早期測試用戶，連加拿大、甚至 Cybertruck 車主都開始收到更新。

上一期我們聊到了 14.3 把反應時間提快了大概 20%，還沒上那套“10 倍參數”的大模型，結果這個“點1”版本，大家普遍反饋體感又是一次明顯升級。

配套的生態也在跟上。特斯拉新保險安全分裡，只要你開的是 FSD supervised，每一英里都按 100 分算，這等於直接幫很多人把月保費往下拉。公司還在達拉斯和休斯頓招 Robotaxi 現場響應專員，同時對外說從 2 月 15 日以後，NHTSA 那邊沒有新增事故上報。

Herbert 和 Brian 的判斷很一致：這次推送範圍明顯比 14.3 大。有車主用 Grok 一次性讓車跑 5 個目的地，說全程幾乎零失誤。Brian 還特別提到，Cybertruck 上車後的表現讓他原本的擔心一掃而空，用他的話說就是“驚喜”。

細節打磨：從車道選擇到減速帶

Zach 的路測細節挺有代表性。他連開了 10 趟之後的感受是，整體更順、更穩，14.3 裡那種高速路喜歡偏左車道的習慣，在 14.3.1 裡基本看不到了。

新出的目的地 “P” 停車圖標，現在是次次都能彈出來，你可以選具體車位，還能在停車場和車庫之間切換到達方式。停車場裡選車位的動作也更乾脆，進出有門禁的停車場，他直接給了“完美”評價。

路口和細節動作也在打磨。比如停牌路口，它現在是說停就停、說走就走，不再猶猶豫豫。減速帶和路面凹坑的處理更像熟練司機，提前減速，再平順通過。速度控制整體比較穩，遇到前方有人類司機突然搶道、亂變線，系統的規避和減速反應也快了一截。

其他測試者像 Sawyer，第一趟開完就說“已經夠格大範圍推”。他還注意到，Mad Max 模式這次在最高車速上反而保守一點，基本不超過 83 英里每小時。這裡就有分歧了，有人嫌慢，有人嫌快。

Brian 自己的吐槽是，現在不同駕駛風格下的速度區間拉得太開，有時候 “Chill” 會比限速慢 3 英里，“Standard” 又能比限速快 13 英里，這倆在很多地方其實都不太合法。他更希望特斯拉要麼給一個更安全的默認速度，要麼乾脆開放更細的自定義最高車速，讓大家既不用擔心吃罰單，也不用擔心拖慢車流。

AI-4 vs AI-5：為什麼現有車輛不需要新芯片

接著這個“別太快也別太慢”的話題，Brian 把視角拉回到芯片本身：AI-4 現在的算力，其實已經夠特斯拉把 FSD 這條路跑完了，不需要等 AI-5 出來才能上路。特斯拉自己能看到還有多少算力富餘、離終點線有多近，所以不會因為下一代芯片還沒量產，就按下開發的暫停鍵。

他打了個很形象的比方：你家裡很多小設備，用的芯片都嚴重性能過剩，只是因為供應鏈裡剛好有這款，拿來就用。車裡以後也會這樣——等到某個時間點，市場上只剩 AI-5 在生產，新車自然全是 AI-5，但對司機來說，日常體驗幾乎感覺不出差別。

Herbert 順著說，這其實是個挺大的利好：AI-4 已經“好到足夠安全”，能衝擊他口中的“超人類安全水平”。如果真要等 AI-5，就算今天剛流片，最快也得等到明年下半年才可能上車，這是他給的“樂觀時間表”。

更關鍵的是軟件版本和數據迭代——比如這次 14.3，他們就是在現有 AI-4 上把響應時間壓得更短，又塞進更多邊緣場景，而不是靠什麼“10 倍參數”的暴力升級。

那問題來了，如果 AI-4 已經夠用，特斯拉又怎麼把這種“夠安全”的信心，真正反映到用戶能感受到的地方，比如保險費用上呢？

保險信號：用真金白銀給 FSD 打分

特斯拉這次直接用保險給了個答案。Safety Score 3.0 上線後，只要你開的是 FSD supervised，每跑 1 英里就按 100 分算。這個滿分會持續拉高你的長期安全分，最終體現在更低的月保費上。

目前這項政策只對印第安納、田納西、德州、亞利桑那、弗吉尼亞和伊利諾伊的新保單生效，覆蓋範圍還不大，但已經正面回應了之前很多人的吐槽：過去開 FSD 沒有任何保費獎勵，現在則是明牌告訴你“你敢開，我們就按高分算”。

Brian White 也提醒，這份名單之所以短，不是特斯拉不想推，而是每個州的監管都要批，哪怕是降價這種好事也得一層層過審。我自己的理解是，這反而說明他們對 FSD 的事故率和出險率有底氣，否則保險部門絕不會這麼玩。

Herbert 還提到和 Lemonade 的合作。他在華盛頓州用 Lemonade，對方承諾如果啟用 FSD supervised，每英里能打五折，這種力度在傳統車險裡非常少見。背後邏輯很簡單：如果 FSD 真能把事故壓下去，保險公司少賠錢，就願意把省下來的一部分返給司機。

他們倆把這件事看成是對 FSD 安全性的一次投票。保險是實打實的錢，不是 PPT，只要出險率稍微高一點，精算一算立刻反映在費率上。所以敢給高分、敢降保費，本身就是在說：我們認為這套系統在真實路況裡更安全。

Brian White 還算了一筆賬：有些人本來月保費就很高，如果因為 FSD 把保費降下來，省下的錢可能比每月 99 美元的 FSD 訂閱費還多——相當於不但白用 FSD，還能倒賺一筆。

在我看來，這種用錢說話的安全信號，比任何宣傳片都有說服力。

Robotaxi 動能：招聘、事故數據與 Cybercab

接著看，他們現在連線索都給得很直白。特斯拉在達拉斯和休斯頓招聘 24 小時輪班的 Robotaxi 現場響應專員，白班、午班、夜班全覆蓋。這種崗位的職責就是車隊出事時第一時間趕到現場，確認人員安全、評估車輛狀況。公司不會為了幾輛測試車搭建一整套全天候響應團隊，所以這基本就是在提前鋪設 Robotaxi 正式運營的基礎設施。

安全數據方面，他們引用的是 Robotaxi tracker 的統計。2025 年 12 月 15 日到 2026 年 1 月 15 日，共發生 5 起事故，全是低速剮蹭，1 起時速 17 英里，其餘都不到 4 英里。1 月 15 日到 2 月 15 日僅有 1 起，同樣是小剮蹭。2 月 15 日之後至今，暫無新的上報事件。

更關鍵的是，現在路上的車比 12 月多了不少，事故反而歸零，這個趨勢耐人尋味。Herbert Ong 和 Omar 的觀點是，外界總盯著“現在只有 11 輛無人監督車”，但真正該關注的指標是“每個月事故是否為零”。如果車隊規模持續擴大，NHTSA 報告裡依然零事故，那對監管機構、保險公司和城市政府來說，放開運營的心理門檻就會被逐層踩平。

車輛本身的準備度也在不斷顯現。Joe Tegtmeyer 在 Giga Texas 拍到大量 Cybercab 照片，不是擺樣子的那種，而是一批批排隊等候。有的在廠區內一個小型 8 字形測試道上繞圈，有的已排好隊準備轉運，還有的駛入總裝末端車間做最後處理，旁邊停著 Model Y 用於尺寸對比。

Brian White 的邏輯很直接：如果 Cybercab 真的還要 5 年才能準備好，現在就不會在德州生產這麼多整車，更不會遠赴威奇托做路測。歷史上 Model 3、Model Y、Cybertruck 上線前，工廠裡也都是先出現一大排新車，然後才正式官宣。所以我個人更傾向於認為，這一輪 Robotaxi 是在為 1 到 2 年內的規模化運營做壓力測試。

車的故事說到這裡，視角要往東移了：當四輪的 Robotaxi 跑起來之後，那些會走路、會搬東西的機器人，是否也在某個地方悄悄排隊等待上線呢？

上海與 Optimus：人形機器人的“金鑰匙”

上海這邊，其實已經有人把話挑明瞭。特斯拉中國區總裁王昊公開說，上海超級工廠未來有能力生產人形機器人，還叫它是機器人量產的“金鑰匙”，理由就是這家工廠的效率和創新能力都夠強。這也是第一次有特斯拉高管正面點名，上海在 Optimus 上可能扮演生產基地的角色。

Brian White 的判斷就更現實一點。他說，如果在中國生產的機器人，是很難賣回美國的，哪怕設計是美國的，也擋不住各類國家安全的疑慮。反過來，中國也會對美國製造的機器人有同樣顧慮。

與其兩邊互相猜，不如干脆各自建一套工廠體系，美國一套，中國一套。訓練可以用全球數據，但真正的硬件生產，要做到“各管各的”，這樣別的國家在進口時，起碼還能選一個自己更信任的來源。

問題是，現在的上海工廠根本擠不出地方來放人形機器人產線。Brian White 說，現場連“勉強塞一小塊”都做不到，只能考慮旁邊的新地塊，或者在同一個區裡找別的廠房。外界傳過上海要上緊湊型新車的消息，他也提到，理論上可以停掉 Model 3，把產線讓出來，但他覺得短期不現實，所以更可能是新建一個相鄰的機器人工廠。

他還補了一句，現在廠區裡那些停車、物流用地，哪怕做成地下結構，樓上再蓋廠房，從規劃指標上看也已經很吃緊了。中國在這類規定上有彈性，但有一點他很確定：沒有閒置空間，一切都得靠擴建或者新址解決。

中國供應鏈與稅收：用一家公司帶起一條新產業鏈

Herbert Ong 的解讀就偏政策層面。他覺得，中國願意讓特斯拉在本土生產機器人，本身就是個大信號，邏輯和當年放行特斯拉造車很像：核心是供應鏈。

監管層大概率會要求極高比例的本地零部件，比如他隨口就說到“99%”這種級別。這樣一來，人形機器人相關的電機、減速器、傳感器、材料，全都在中國形成配套。

等這條鏈條成熟之後，不只是特斯拉，其他中國人形機器人公司也能直接用同一批零件、同一批供應商，甚至共享一些設計經驗。對中國來說，這是用一家外資企業，把整條新產業鏈“帶起來”的典型做法。

Brian White 還補充了一個很多人容易忽略的點：稅。中國稅制沒有美國那麼多漏洞，特斯拉在中國繳的稅，據他說已經比全世界其他地方加起來還多。機器人如果也放在中國生產，政府幾乎可以從每一臺機器人上分一杯羹。

而且如果這些機器人還能出口，那就不只是稅收，還有真金白銀的外匯流入，對宏觀層面也很有吸引力。你看，從供應鏈到稅收，再到地緣政治下的“雙工廠”佈局，上海這把“金鑰匙”背後，其實是特斯拉在重新設計下一代工廠網絡。

Terafab：下一次製造業飛躍的前奏

說到下一代工廠網絡，最直接的信號其實已經冒頭了，就是 Terafab 的招聘節奏。

Herbert Ong 點開崗位列表一看，特斯拉現在在招一整撥人：TPM、資深工藝工程師，細分到幹、溼環境，還有介電金屬沉積、集成工程師、電鍍、計量這些方向，崗位非常細。說明什麼？不是在畫餅，是已經開始按具體工序搭班子了。

之前他們自己都覺得 Terafab 至少要再等個 3 到 5 年，現在卻是 “fast and furious” 的節奏在招人。我個人的理解是，內部評估可能比外部樂觀很多，關鍵技術成熟度已經過線，所以從研究階段切到工程落地階段。都開始找“溼環境機器人專家”了，那說明很多髒活累活、精細活，未來都打算交給高度自動化的設備來做。

這對投資者有個很現實的問題：當 Terafab 提前啟動、資本開支和研發投入都在往這塊傾斜時，大家在財報會上到底該問什麼，怎麼問，才能真正看清這條線會怎麼反映在利潤和估值上呢？

投資者該問什麼：下次財報電話會的關鍵點

答案其實已經擺在眼前了。特斯拉 Q1 財報電話會就在 4 月 22 日，下週三，股東現在就可以上 saytechnologies.com 提交問題、給別人的問題投票。

Brian White 自己吐槽，說系統最後會挑出一堆“最蠢分析師”和“最蠢散戶問題”，但他也承認，這是目前“最不差”的辦法。關鍵點在於：你得先登記你有多少股，然後一股一票，通常每個人大概只有 5 票可以用。

他特別提醒，別把這幾票浪費在那種要麼已經回答過、要麼根本不能回答的問題上。比如又去問 Hardware 3 能不能完全無人監管，人家已經說過，如果最後發現不夠用，就給你換新硬件；研發路徑也是先按 Hardware 4 把問題解出來，再往下壓縮，看老硬件能跑到什麼程度。這種來回反覆問，其實擠不出新信息。

還有那種“以後會不會在太空放機器人”的問題，屬於強前瞻，公司在合規上也沒法細講。

Herbert Ong 的看法就很直接：現在投資者最該盯的，是 Robotaxi 的落地節奏。他說，Robotaxi 推出明顯延後了，可特斯拉又在瘋狂鋪人、鋪點，已經在大約 34 個城市招人、搭團隊，這種“到處在搭臺子”的動作和節奏對不上。

所以真正值得用票去問的，是幾個很具體的點：

卡在哪？是安全標準沒過，是運營流程沒理順，還是硬件、軟件哪一環沒準備好？
這些問題現在有沒有實質解決？如果解決了，那之前說過的“車隊每個月翻倍”這種目標，還打不打算執行？

作為股東，我也會想聽清楚：他們到底是短期戰術微調，還是對整條 Robotaxi 商業化路徑做了重寫——這直接決定我們該怎麼給這塊業務估值。你想問什麼問題呢？不妨放到評論區，我們一起討論一下。

Megapack 一線觀察：能源業務的“黑箱”

說到一線信息，這次其實還有個挺有意思的視角：Brian White 人現在就在加州 Lathrop，準備去看特斯拉的 Megapack 工廠。

他這次是小團參觀，不是公開日那種形式，所以工廠內部完全不能拍，照片、視頻都沒有，但他出來之後會錄節目，把自己的感受講一遍，還會帶上同團其他人的看法。

這種訪問對我們來說價值在哪？Megapack 工廠是特斯拉能源業務的核心資產之一，外面公開資料非常有限，節奏、產能、排產結構這些，全靠零碎信號去拼。

Brian 這種近距離觀察，雖然沒有畫面，但他能描述現場氛圍：生產線是不是在高負荷運轉，庫存是堆滿還是偏緊，員工狀態怎麼樣——這些細節都能幫我們判斷，能源這塊到底是在按馬斯克說的 10 倍、100 倍路徑走，還是其實偏保守。

我個人會特別留意他之後節目裡的幾類信息：

他有沒有聽到管理層提到未來 1 年、3 年的擴產計劃；
他們對訂單的體感，是“排到明年”，還是已經開始挑客戶；
他自己會不會把 Megapack 和整車業務做個對比，比如毛利、穩定性、政策風險這些。

等他那期內容出來，再和財報裡的數字對照，很多現在只能猜的點，可能就能多拼出一點輪廓來。

結語：從算力到現實世界的生產力

特斯拉現在很多看起來分散的動作——AI-5、FSD 14.3.1、Robotaxi、Optimus、Terafab、Megapack——背後其實是同一條主線：把“軟件能力”變成“現實世界的生產力”。

AI-5 把算力和成本推到一個新臺階，主要服務於機器人和數據中心；車上現有的 AI-4 已經足夠讓 FSD 做到遠超人類的安全水平。如果這條路真正跑通，對保險定價、用車成本、乃至整個交通系統，影響都會非常深遠。

FSD 14.3.1 這類小版本的體驗變化，看著像細節打磨，但開久了你會發現，它其實是在一點點把“人類駕駛習慣”吸收進去，最終轉化為模型裡的統計規律。

Robotaxi、Cybercab、上海可能上馬的 Optimus 產線，以及 Terafab 這樣的工廠技術，它們其實在回答同一個問題：當算力、算法、機器人、能源和工廠全部打通之後，一家公司能把現實世界改造到什麼程度？

這裡面當然有風險——政策不確定，執行可能翻車——但如果把時間軸拉到 5 年、10 年，現在這些零散的信號，已經開始勾勒出一幅輪廓。

我自己會繼續盯幾件事：FSD 在真實路況下的安全數據，保險費率到底怎麼走；Robotaxi 的城市擴張節奏能不能穩定下來；Optimus 和 Terafab 會不會先在工廠裡跑出一個清晰的商業閉環。

等這些點一個個落地，再回頭看今天聊的這些時間節點，就能分辨出哪些是噪音，哪些才是真正的轉折點。