特斯拉Dojo 3芯片供应链大变革:三星代工,英特尔封装,台积电出局​

发布时间:2025-08-7 阅读量:2065 来源: 我爱方案网 作者: wenwei

【导读】全球电动汽车与人工智能领域的领导者特斯拉,正在对其支撑自动驾驶技术核心的Dojo超级计算机项目进行重大供应链调整。据韩国权威媒体ZDnet Korea及多方行业消息证实,特斯拉已决定在第三代Dojo(Dojo 3)芯片的生产上,结束与台积电的独家合作模式,转而引入三星电子和英特尔,构建一套创新的“双轨制”供应链体系。这一转变不仅标志着半导体产业合作模式的重要突破,更可能深刻影响未来AI芯片制造与封装的技术格局。


14.jpg


Dojo:特斯拉自动驾驶的AI引擎


特斯拉自主研发的Dojo超级计算系统,是其实现全自动驾驶(FSD)愿景的核心基础设施。该系统通过处理海量的车辆传感器数据,训练复杂的AI模型,以不断提升自动驾驶系统的性能与安全性。Dojo的核心驱动力是特斯拉自研的“D系列”AI加速芯片。此前,第一代(Dojo 1)和第二代(Dojo 2)Dojo芯片均由台积电独家代工制造,例如Dojo 1采用了台积电7纳米制程生产的D1芯片,并通过先进的封装技术将25颗大尺寸芯片(单颗654mm²)集成于单一模块。


Dojo 3:架构革新与供应链重组


对于即将到来的Dojo 3,特斯拉计划采用全新的“D3”芯片设计。更值得注意的是,特斯拉有意将D3芯片与其面向下一代FSD、人形机器人Optimus以及数据中心应用的“AI6”芯片整合为统一的架构。特斯拉首席执行官埃隆·马斯克曾表示,D3与AI6芯片在本质上将“基本相同”,其强大的算力可根据应用场景灵活配置——例如在汽车或机器人中使用2颗芯片,而在服务器集群中则可扩展至512颗。据悉,AI6芯片将采用业界领先的2纳米制程技术。


驱动特斯拉此次供应链调整的因素是多方面的。技术层面,Dojo芯片因其超大尺寸(远超常规系统级芯片),在封装环节面临独特挑战。此前,特斯拉依赖台积电的“晶圆级系统封装”(System-on-Wafer, SoW)技术来满足其超大型封装需求。SoW技术通过在晶圆上直接集成内存和系统芯片,省去了传统基板,非常适合此类特殊应用。然而,SoW技术主要服务于产量相对较低的超大型芯片市场,其大规模量产的经济性和台积电的资源投入意愿可能存在局限。


三星与英特尔:各展所长,协同合作


在此背景下,三星电子和英特尔凭借各自的优势技术和对争取大客户的强烈意愿,成功吸引了特斯拉。根据新的分工模式:


1. 三星电子晶圆代工部门(Samsung Foundry):将负责Dojo 3芯片的“前端制程”(Front-end Process)制造,即芯片的晶圆生产和前端加工。三星此前已与特斯拉达成了一项价值约165亿美元的巨额代工协议,其位于美国德克萨斯州泰勒市的新建晶圆厂将重点生产特斯拉的AI6芯片,这为双方在Dojo 3上的合作奠定了坚实基础。


2. 英特尔(Intel):将承担关键的“模块封装”(Module Packaging)任务。特斯拉预计将采用英特尔独有的嵌入式多芯片互连桥接(Embedded Multi-die Interconnect Bridge, EMIB)技术。EMIB是一种创新的2.5D封装方案,与传统方法不同,它并非在整个芯片下方铺设大面积的硅中介层,而是在基板中嵌入微小的硅桥来连接相邻芯片。这种设计提供了更高的布线灵活性、更优的能效,并且在扩展裸晶尺寸方面限制更少,理论上更适合Dojo这类超大芯片的封装需求。


挑战与机遇并存


然而,英特尔当前的EMIB技术主要应用于常规尺寸的芯片封装,要满足Dojo 3可能需要的晶圆级超大尺寸封装,仍面临技术挑战。业界观察人士推测,英特尔可能需要为特斯拉项目开发增强版的EMIB技术或进行特定的设备投资。同时,值得注意的是,三星电子也在积极发展其面向超大型半导体的先进封装技术,未来不排除其封装方案也可能进入Dojo供应链的可能性,尽管目前英特尔被视为主力。


重塑产业生态的深远影响


特斯拉此次供应链的重大调整,清晰地展现了AI时代对定制化高性能芯片及尖端封装技术的迫切需求正在重塑半导体产业格局。三星与英特尔这两家既是竞争对手又在特定领域存在互补性的巨头,在特斯拉这一关键客户的主导下达成正式合作,堪称业界首创。这种“竞合”模式为未来的AI半导体供应链树立了新的典范,预示着更多跨公司间的技术协作与深度整合将成为行业趋势。这不仅将加速先进封装技术的演进,也可能促使其他大型科技公司在构建其AI基础设施时,采取更灵活、更多元的供应链策略。Dojo 3的成功与否,将成为检验这种新型合作模式效能的重要试金石。


相关资讯
我们还需要GPU吗?从LineShine登顶看纯CPU超算的四层技术突围

在英伟达GPU与CUDA生态长期主导AI训练与科学仿真的背景下,国产LineShine(灵晟)纯CPU超算以2.198 EFlops持续双精度性能登顶TOP500,印证了“矩阵增强型CPU”正在重构HPC底层硬件标准。 近日,Jack Dongarra、Satoshi Matsuoka、Torsten Hoefler三位HPC权威联合发表《Do We Still Need GPUs? Rethinking AI and Scientific Computing on Matrix-Enhanced CPUs》,系统拆解了无GPU同构超算的四层技术体系:处理器指令集硬件加速、统一HBM高带宽内存架构、全精度混合运算单元、原生高速互联网络。

从“回答问题”到“完成任务”:AI产业正在发生的五个结构性转向

回顾AI今年的发展轨迹,我们能察觉到一种质的变化:AI不再只是被展示、被调用的“展品”,而是拥有了更明确的“行动感”。从代码编写到机器人奔跑,从算力基建到未来接口,行业正集体从“回答问题”走向“完成任务”。 我们试图透过五个数字,捕捉这一轮产业变革中的关键切片。

ROHM车载MOSFET新品:抑制二次击穿,SOA范围扩大5倍

全球知名半导体制造商ROHM近日宣布,面向车载安全功能和保护电路开发出100V耐压MOSFET新品“RS4P063BPHZG”

斩获SAIL最高奖背后:DF1000如何破解国产算力“存不够、改不动”?

2026 WAIC落下帷幕,国内AI算力产业的共识正发生清晰转向:单点参数竞赛逐渐退潮,超节点集群、全产业链自主可控与底层架构原始创新成为核心主线。在此背景下,首次参展的东方算芯凭借“高能效软件定义近存计算芯片DF1000”斩获大会最高荣誉SAIL奖。这座奖杯背后,指向了一条不依赖先进制程与既有生态的突围之路。