马斯克最大芯片厂解析:可行性与具体方案探讨
巴克莱分析师此前预估相关支出将达到500亿美元,但现在判断实际金额可能高出数倍甚至一个数量级。
麻 将巴克莱银行最新研报认为,Terafab撑起了特斯拉超高速增长蓝图,但1 TW(太瓦)算力目标面临巨大挑战。
巴克莱汽车分析师Dan Levy等人本周发布了名为《Terafab是特斯拉超高速增长战略的核心》的报告,详细分析了特斯拉Terafab项目的可行性、潜在风险和挑战等。

埃隆·马斯克上周末宣布,其麾下两大企业特斯拉和SpaceX将联合在得州奥斯汀建造一座大型芯片工厂,该工厂被命名为Terafab。
据马斯克介绍,Terafab生产的芯片将用于特斯拉芯片、Optimus人形机器人以及可用于太空的芯片。
马斯克的设想极其宏大,Terafab的目标是每年生产1 TW的算力,涵盖逻辑芯片、存储芯片和封装。这相当于当前全球AI算力产能的50倍,或者是美国总用电量的2倍。
长期目标则更夸张,高达1PW(1PW=1000TW)算力,相当于人类当前用电总量的约300倍。
关键技术细节与部署布局
Terafab生产的芯片约80%用于太空,仅20%用于地球。
具体可分为两大类。一类是用于地面的“AI5/AI6”系列,针对Optimus机器人和车辆的边缘推理进行优化。
另一类是用于太空的“D3”芯片,这是专为空间环境设计的高功率芯片,不受地球电力和足迹限制的影响。
Terafab之所以将以生产太空芯片为主,是因为马斯克认为2-3年内,在空间部署AI芯片的成本将低于地球,因为空间太阳能机会比地球多5倍以上且成本更低。
Terafab工厂需占地数千英亩(1000英亩约为4平方公里),电力需求超过10GW。马斯克确认其面积量级约为1亿平方英尺(约为9.3平方公里)。
若要实现马斯克1TW的目标,Terafab将需要每年生产10亿颗芯片;需要10亿台Optimus机器人协作,以及SpaceX星舰(Starship)每年向轨道发射1000万吨载荷,而星舰目前单次发射可负担的载荷为200吨,若依此推算,将需要每年实现约5万次发射。
马斯克的终极愿景则更接近科幻叙事,涉及“冯·诺依曼探测器”(Von Neumann probe)概念,即Optimus和太阳能电池能利用空间材料进行自我复制 。
成本与资本开支
Terafab是特斯拉、SpaceX以及xAI之间的联合项目,预计特斯拉、SpaceX和xAI将共同出资。SpaceX和xAI上月宣布合并。
目前市场预计,Terafab的资本开支(Capex)将超过200亿美元。巴克莱分析师此前预估相关支出将达到500亿美元,但最新报告判断实际金额可能高出数倍甚至一个数量级。
尽管如此,长期看好特斯拉的投资者似乎已对这种巨额投入做好了心理准备,他们认为,“要赢必须烧钱”。
技术挑战与潜在风险
报告称,按马斯克的设想,Terafab将实现前所未有的垂直整合升级,覆盖芯片设计、晶圆制造(逻辑 + 存储)、封装光刻掩膜和测试,这意味着单一工厂可实现设计到测试的全闭环,使设计迭代周期缩短至7天以内。
然而,特斯拉在芯片大规模制造方面缺乏经验,面临陡峭的学习曲线。该公司在关键资源上受限,包括缺乏领先制程节点的知识产权(IP)、封装复杂性高,且关键设备(如ASML的EUV光刻机)交货周期长。
其他风险方面,特斯拉可能面临AI热潮退却、监管行动、利率长期处于高位以及来自传统车企和新势力的竞争加剧。
Terafab有多少可行性?
马斯克一向善于提出宏大目标,他曾在2020年的特斯拉电池日上提出,到2030年实现3TWh(太瓦时)的产能,但目前实际完成度甚至不到1%。
巴克莱认为,Terafab属于“需要证明的故事”(show-me story)。预期路径是初期规模远小于目标,之后逐步推进。
在巴克莱看来,Terafab加强了特斯拉的“迷因(Meme)”属性和长期增长叙事。
该行分析师给予特斯拉股票“中性”评级,目标价为360美元,较特斯拉周四收盘价(385.95美元)低近7%。
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
中芯国际封装技术最新布局与战略部署解析
5月15日,中芯国际在业绩说明会上披露了一项关键战略布局:公司自2015年起便已前瞻性地投入封装技术研发,尤其在先进封装领域进行了长期积累。经过数年的快速发展,其战略路径已非常明确——专注于为自身晶圆制造客户提供所需的关键前端封装技术支持。基于这一战略,中芯国际在过去十年间持续深耕3D CIS(CM
阿里巴巴推出AI工业知识考试系统确保回答准确性
最近,工业AI领域有一项研究值得关注。这项由阿里巴巴集团淘宝天猫多模态与工业AI团队主导的工作,已于2026年5月正式发布,论文编号为arXiv:2605 10267v2。其核心成果,是一套名为IndustryBench的专业测试系统。 不妨设想这样一个场景:你是一家工厂的采购经理,正考虑用AI来核
腾讯北大联合研发强化学习新方法提升机器人全局决策能力
强化学习是一种让智能体通过与环境交互、从试错中学习最优决策策略的人工智能技术。其核心机制类似于训练宠物:做出正确行为给予奖励,错误行为则没有。智能体在模拟或真实环境中不断尝试,根据反馈调整策略,最终找到获得最高累积回报的行动序列。然而,传统强化学习的样本效率低下是公认的难题——智能体往往需要数百万甚
香港中文大学研发频谱守护者优化器提升AI训练稳定性
训练大型语言模型,如同在云端构建一座持续生长的知识大厦。随着模型层数不断增加,任何微小的参数偏差都可能被逐层放大,最终导致训练过程失控。如何确保这座大厦在建造过程中始终保持结构稳定,一直是困扰研究人员的核心挑战。 近期,一项由香港中文大学、马克斯·普朗克智能系统研究所和西湖大学联合发布的技术报告,带
豆包服务中断原因与恢复时间详解
5月19日晚间,“豆包崩了”这一话题迅速冲上各大社交平台热搜榜首,引发广泛关注。众多用户反映,豆包AI服务突然出现中断,导致正在进行的在线学习、文案创作、代码编程等工作被迫暂停,一时间用户反馈激增。 事实上,这并非豆包首次出现服务异常问题。回顾今年1月28日,豆包就曾发生过一次影响范围较大的区域性服
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

