公众号记得加星标⭐️，第一时间看推送不会错过。

近日，懂车帝公布的 36 款国内外主流车型的高速 / 城市智驾测试结果引发行业震动——特斯拉 Model 3 + Model X 两款车型以显著优势登顶双榜。

这一成绩不仅迅速登上热搜，更被马斯克亲自转发，并指出 " 特斯拉在没有本地训练数据的情况下，在中国取得了最高成绩。同时表示，正在添加来自特斯拉的世界模拟器和测试轨道的训练数据，以实现 6/6（也就是全通过）"，更是瞬间点燃了全网讨论热情。

在这场关乎智能驾驶实力的较量中，特斯拉的持续领先并非偶然。深究其背后的核心支撑，不断迭代升级的智驾芯片堪称 " 隐形冠军 "。

从早期依赖外购到自主研发，从满足基础辅助功能到支撑高阶自动驾驶，正是基于智驾芯片的每一次进化，为特斯拉的智驾能力注入了核心动力。今天，我们不妨回溯特斯拉智驾芯片的发展历程，看它如何一步步成为改写行业格局的关键力量。

特斯拉智驾芯片，循序渐进

外购芯片，智驾功能 " 受制于人 "。

回溯 2014 年，彼时的汽车行业正处于智能化变革的萌芽阶段，智能驾驶概念逐渐兴起，各大车企纷纷开始探索，但却因技术瓶颈与高昂成本，大多裹足不前。

而特斯拉以超前的战略眼光，敏锐察觉到智能驾驶将是未来汽车发展的核心方向，率先开启了对 Autopilot 自动驾驶系统的研发征程。

在初期阶段，特斯拉选择与彼时在智能驾驶视觉领域实力强劲的 Mobileye 合作，采用其 EyeQ3 芯片来搭建 Autopilot 1.0 系统。Mobileye 作为一家专注于 ADAS 软硬件开发的以色列公司，凭借其先进的视觉识别芯片及配套软件，在汽车辅助驾驶领域拥有众多车企客户，如沃尔沃、宝马、奥迪等，在行业内占据重要地位。

2014 年 10 月，特斯拉基于 Mobileye EyeQ3 芯片推出第一代自动驾驶硬件平台 HW1.0，正式踏上智能驾驶探索之路。

马斯克在发布会上难掩兴奋，宣称 " 这将是汽车历史上的一个转折点。"

彼时，EyeQ3 芯片算力仅为 0.256TOPS，搭配 1 个前置单目摄像头、1 个毫米波雷达和 12 个超声波传感器，以及高精度电子辅助制动与转向系统，共同构成了 Autopilot 1.0 的硬件基础。

当时的 HW1.0 更像是一个试水之作。特斯拉在官方博客中写道：" 这些传感器就像汽车的眼睛和耳朵，让它能够感知周围的世界。"

这一阶段，特斯拉仅负责多传感器融合与应用层软件开发，底层芯片与视觉算法技术则依赖 Mobileye。凭借这套系统，特斯拉快速实现了自适应巡航、车道保持等基础智驾功能的落地，让车辆具备了初步的辅助驾驶能力，为用户带来了前所未有的驾驶体验，在当时的汽车市场中脱颖而出，吸引了大量消费者关注。

然而，随着时间推移与特斯拉对智驾技术的深入探索，这种合作模式的弊端逐渐显现。

Mobileye 提供的是黑盒解决方案，在算法定制、数据获取及利用上限制颇多。特斯拉难以根据自身需求对算法进行深度优化，数据也无法充分用于迭代升级，这严重制约了特斯拉智驾功能的快速进化，导致二者在技术路线与发展理念上的分歧渐大。

2016 年 5 月，一起严重车祸更是将双方矛盾激化。一位司机驾驶特斯拉 Model S 在佛罗里达高速上，因车辆未能识别横穿马路的大卡车而发生碰撞导致丧命。Mobileye 与特斯拉就事故责任相互推诿，进一步加深了双方裂痕。最终在 2016 年 7 月，特斯拉果断宣布结束与 Mobileye 的合作，开始寻求新的技术路径与芯片合作伙伴，以打破智驾技术发展的瓶颈 。

摆脱 Mobileye，

借助英伟达 " 东风 " 提升算力

与 Mobileye 分道扬镳后，特斯拉迅速与英伟达达成合作。

2016 年 10 月，特斯拉推出基于英伟达 Drive PX2 平台的 HW2.0 自动驾驶硬件系统和 Autopilot 2.0。

英伟达 Drive PX2 芯片基于强大的通用 GPU 架构，算力跃升至 12TOPS，相比 EyeQ3 的 0.256TOPS 有了近 50 倍的提升，这为运行更复杂的自动驾驶算法奠定了坚实基础。

相较于早期依赖 Mobileye EyeQ3 芯片的 Autopilot 1.0，HW2.0 硬件系统有了质的飞跃。其配备了多达 8 个 120 万像素摄像头，分布于车身前后左右，实现了 360 度全方位视野覆盖，极大地提升了车辆对周围环境的感知范围与精度；同时，1 个毫米波雷达与 12 个超声波传感器协同工作，从不同维度收集路况信息，大幅增强了车辆对周围环境的感知能力，为智能驾驶决策提供更丰富的数据支持。

这套硬件的亮点在于 " 视觉优先 "。马斯克在发布会上宣称："HW2 拥有实现全自动驾驶所需的一切硬件。"8 个摄像头的布局，让车辆能够构建周围环境的 3D 模型，这种设计直接挑战了当时主流的激光雷达方案。

彼时，Waymo 等竞争对手依赖 LiDAR 生成高精度点云地图，而特斯拉却相信，摄像头结合 AI 可以像人眼一样 " 看懂 " 世界。这种理念不仅降低了成本，也让技术更具扩展性——毕竟，摄像头比激光雷达便宜得多。

在功能层面，Autopilot 2.0 除了继承 1.0 时代的自适应巡航、车道保持等基础功能外，还带来了诸多革新，例如 " 召唤功能 " 进化为 " 智能召唤 "，车主可通过手机 APP 远程控制车辆在一定范围内自动行驶至指定位置，在停车场找车、挪车等场景中实用性大增；Navigate on Autopilot（NoA）功能的加入更是一大亮点，车辆在高速公路场景下，能够依据导航路线自动完成上下匝道、超车等操作，显著减轻了驾驶员长途驾驶的疲劳。

不过，Autopilot 2.0 初期并非一帆风顺。由于特斯拉自主视觉感知技术尚在磨合阶段，结束与 Mobileye 合作后算法衔接出现短暂不适，导致早期版本体验欠佳，甚至在一些场景下表现不如 Autopilot 1.0。但特斯拉凭借强大的软件迭代能力，通过持续的 OTA 更新，不断优化算法。2017 年，随着 8.1 版本的重大更新，AP2.0 新增了十多个主动安全类功能，车辆控制逻辑更加平滑，逐渐展现出超越前代的实力，也让用户对特斯拉智能驾驶技术的未来充满期待。

2017 年 7 月，特斯拉对 HW2.0 进行了更新，推出了 HW2.5，主要提升系统的冗余性与可靠性，并新增行车记录仪与哨兵模式功能。HW2.5 在传感器方面进行了升级，前置 / 侧置摄像头换成了 RCCB 滤镜，毫米波雷达由博世 77G Hz 中距离雷达替换为大陆长距离雷达 ARS410，并增加了 Parker 处理芯片，使系统性能得到显著提升。

能够看到，这一版本的问世，标志着特斯拉在智能驾驶领域的重大战略转向与技术升级。

与此同时，随着智驾技术向高阶发展，特斯拉对算力需求呈指数级增长，Drive PX2 虽在当时领先，但基于通用架构的设计，无法精准契合特斯拉自动驾驶算法，系统运行效率与算力利用率难以达到其预期。

可以认为，依赖外部供应商的芯片，在算力提升、算法定制以及成本控制等方面存在诸多限制，难以满足特斯拉对智驾功能快速迭代与大规模普及的战略目标。

于是，特斯拉意识到，自研芯片才是掌握智驾技术主动权的关键。

也正是在推出 Autopilot 2.0 的同时，特斯拉也悄然启动了一项影响深远的计划——自研 FSD（Full Self-Driving）芯片。

加码 FSD 芯片，

HW3.0 开启全栈自研新时代

为了实现自研目标，特斯拉从 AMD、苹果、Intel 等行业巨头处引入了大量芯片设计人才，组建了一支精英团队。历经近三年的艰苦研发，2019 年 3 月，搭载其首款自研 FSD 芯片的 HW3.0 平台震撼登场。

从技术规格来看，FSD 芯片采用三星 14nm 制程工艺，搭载两颗 FSD 芯片，每颗芯片集成约 60 亿个晶体管，单芯片算力 72TOPS，总算力达 144TOPS。相比 Autopilot 2.0 的英伟达 Drive PX2 平台，算力提升了约 13 倍，而功耗仅从 60W 微增至 72W，能效比十分出色。

FSD 芯片采用双核设计，每个核心配备独立的 CPU、GPU 和神经网络加速器（NNA）。12 个运行频率 2.2GHz 的 CPU 核心负责通用计算；GPU 支持 16/32 位浮点运算，用于轻量级后处理；两个 NNA 专为深度学习推理打造，是处理海量视觉与传感器数据的核心。

HW3.0 标志着特斯拉实现从芯片设计到软件开发的全栈自研，摆脱了对外部供应商的依赖，能够根据自身智驾算法需求灵活优化芯片架构，为后续智驾功能的快速迭代奠定了坚实基础。

在强大的算力支撑下，FSD 系统在功能表现上实现了跨越式提升，每秒可处理高达 2300 帧图像数据，使得车辆对复杂路况的识别、判断与决策速度大幅加快。此前在 Autopilot 2.0 上略显吃力的复杂场景，如密集车流中的自动跟车、复杂路口的通行等，在 FSD 加持下变得更加流畅与安全。同时，特斯拉还宣称，HW3.0 具备支持未来更高级别自动驾驶功能的潜力，为后续智驾技术发展预留了充足空间，真正开启了特斯拉智能驾驶全栈自研的新时代，引领智能驾驶技术迈向新的发展阶段 。

与此同时，软件方面，特斯拉开始将开发重心从高速公路转向城市道路，试图让 FSD 从 " 助手 " 进化成 " 司机 "。如果说此前的 FSD 只是 " 画饼 "，那么 FSD Beta 则让这块饼开始有了味道。

2020 年 10 月，特斯拉迎来了 FSD 发展史上的里程碑—— FSD Beta 版向部分早期用户推送。这一版本的发布伴随着一段官方视频：一辆 Model 3 从家门口出发，穿过住宅区、商业街，最终抵达目的地，全程无需人为干预。马斯克在推特上兴奋地写道："FSD Beta 是我们迄今为止最激动人心的进展。

随着 FSD Beta 版本的推出，特斯拉宣布取消毫米波雷达和超声波雷达两种传感器，特斯拉在纯视觉 " 自动驾驶 " 之路上越走越远，不过这些改变均与国内用户无缘。

FSD Beta 的推出让特斯拉当年在自动驾驶赛道上遥遥领先。相比之下，Waymo 的无人车虽已实现 Level 4，但仅限于特定区域，而 FSD Beta 的目标是覆盖所有道路，标志着特斯拉自动驾驶能力从高速公路扩展到了城市道路，迈出了从 Level 2+ 向 Level 4 的关键一步。

迭代升级，HW4.0 强化场景适配能力

当 HW3.0 凭借自研 FSD 芯片奠定特斯拉智驾技术自主化基础后，行业对其下一代升级充满期待。

2023 年，特斯拉正式推出第二代 FSD 芯片研发进展，标志着 HW4.0 系统迈入新阶段——这不仅是一次硬件参数的跃升，更是特斯拉针对复杂场景适配能力的战略性强化，为高阶智驾功能落地铺平了道路。

HW4.0 的研发始于 2021 年，其核心目标是解决 HW3.0 在城市复杂场景下的算力瓶颈与感知局限。

据悉，第二代 FSD 芯片采用了三星 7nm 制程工艺。尽管制程工艺在行业内并非最先进，如英伟达和高通当时已采用 5nm 制程打造自动驾驶芯片，但三星成熟的 7nm 工艺有助于控制成本，契合特斯拉对成本敏感的策略。

具体来看，FSD 二代芯片算力是 HW 3.0 的 3 倍以上（有数据表示，单片算力推测在 200-300TOPS，车载平台算力超过了 500TOPS），CPU 内核从 12 个增至 20 个，最大频率为 2.35GHz，闲置频率为 1.37GHz；使用 12 个摄像义（前置双目摄像头 , 新增了 2 个侧视摄像头、以及 1 个备用摄像头）单个高精度 4D 毫米波雷达、取消超声波传感器。

HW4.0 和 HW3.0 性能指标对比

值得关注的是，HW 4.0 版本中毫米波雷达重新回归，主要是为了提升 FSD 现有的安全性及可靠性。

此前弃用毫米波雷达的原因：

传统毫米波雷达低分辨率造成融合感知性能下降。对于低分辨率雷达来说，通过类似立交桥这样的场景时，由于雷达的仰角分辨率很低，很难分辨出立交桥和下面停着的车辆，极易导致碰撞；

毫米波雷达信道数量限制了其感知能力的提升，相较而言，摄像头能够产生大量数据，软件的改进可以使这些数据得到最大限度的利用。

而对于毫米波雷达的回归，一方面是因为高精度 4D 毫米波雷达的分辨率大幅提升，具备点云输出以及全天候等性能，成为了高阶方案的选择项之一；另一方面，能够弥补特斯拉纯视觉方案的风险，尤其是被大众诟病的 " 幽灵刹车 " 问题等。

基于芯片升级以及与整车感知系统深度绑定，HW4.0 对复杂城市路况、高速场景的处理能力显著增强，有力支撑了 FSD 城市导航辅助驾驶（城市 NOA）等功能的落地，使特斯拉智驾应用场景从高速向城市道路拓展，离更高级别的自动驾驶目标更近一步。

HW4.0 的量产节奏与市场反馈，印证了其技术成熟度：

2023 年 3 月，特斯拉弗里蒙特工厂开始在 Model Y 车型上搭载 HW4.0 芯片；同年 6 月，上海超级工厂跟进量产，国产 Model 3/Y 逐步切换至新硬件平台。到 2023 年底，全球范围内交付的特斯拉车型中，HW4.0 渗透率已超过 60%，2024 年更是实现全系车型标配。这种快速普及得益于特斯拉垂直整合的供应链——自研芯片避免了外部供应商的产能限制，7nm 制程的成熟度也保障了良率稳定。

从 HW4.0 的迭代路径可见，特斯拉的智驾升级已从 " 堆算力 " 转向 " 场景化精准优化 " ——通过芯片与感知硬件的协同，将技术突破转化为用户可感知的体验提升。

不同于大部分厂商多传感器融合方案，特斯拉 FSD 自动驾驶是以摄像头为核心的纯视觉解决方案。

特斯拉纯视觉方案的利与弊

根据 FSD HW1.0-HW4.0 配置对比分析来看摄像头数量持续增加、由期初 HW1.0 的 2 颗增至最新 HW4.0 的 12 颗，同时清晰度也大幅提升、HW4.0 摄像头已由过去的 120 万像素升级为 500 万像素。相对而言，特斯拉对其他硬件倾向于做 " 减法 "，2021 年 5 月曾宣布移除毫米波雷达 ( 但受制于安全性等问题，HW4.0 毫米波雷达回归 ) ，2022 年 10 月宣布取消超声波雷达。

在端侧处理器方面，特斯拉持续增加配置、强化算力。HW1.0 阶段基于 1 颗 Mobileye EyeQ3 芯片；HW2.0 阶段切换到了由 1 颗英伟达 Parker SoC 和 1 颗英伟达 Pascal GPU 组成的 NIDIA DRIVE PX 2 计算平台；2017 年的 HW2.5 阶段又在 HW2.0 基础上新增了 1 颗 NVIDlA Parker SoC；HW3.0 阶段特斯拉首次搭载 2 颗自研 FSD 1 芯片、内核数量为 12；HW4.0 自研芯片升级为 FSD 2，同时提升至 20 核、内核数量提升 66.67%。

这一决策基于马斯克的 " 第一性原理 " 思考：人类驾驶仅依赖视觉，AI 也应该能够通过视觉数据理解环境。

纯视觉方案的优势主要体现在三个方面：

首先，纯视觉方案大幅降低了硬件成本。移除各类雷达传感器后，每辆车可节省约 1000-2000 美元成本，这对特斯拉的利润率提升至关重要；

其次，纯视觉方案简化了数据处理流程，减少了多传感器数据融合的复杂性。特斯拉指出，纯视觉算法在一些场景下表现优于雷达 + 视觉融合方案，例如在高速路旁停着白色大卡车的场景，纯视觉算法在距目标车 180 米处就发现了卡车，而融合算法直到 110 米处才作出反馈，延迟了 5 秒；

最后，纯视觉方案便于全球统一部署与 OTA 升级，特斯拉可通过软件更新持续提升系统性能，无需为不同地区的硬件差异进行额外适配。

然而，纯视觉方案也面临诸多挑战，例如：极端天气条件下，摄像头性能会受到显著影响；其次，纯视觉方案在复杂场景中仍存在误判风险；此外，纯视觉方案在近距离目标检测上存在短板。低成本超声波雷达近距离探测上具有优势，而纯视觉方案在此场景下表现不佳等。

AI 5，剑指行业算力之巅

据透露，特斯拉下一代全自动驾驶芯片 AI 5 已进入量产阶段，算力直接飙到 2000-2500TOPS，把英伟达 Thor-X 的 2000TOPS 甩在身后，登顶全球最强智驾芯片宝座。

马斯克不久前在财报会议上说，AI5 整个套件算力会是 HW4.0 的十倍。由此推断真正上车时，AI5 应该还是双芯片冗余，单颗算力至少 2000TOPS+，整车算力超过 4000TOPS。

目前尚不清楚除了速度更快的计算之外，AI5/HW5 Tesla FSD 硬件套件还将包括哪些其他改进，但有传言称更好的 FSD 摄像头将进行升级。

不过不难判断，特斯拉押注 AI 5 意义重大。技术上，其 FSD 采用端到端神经网络架构，对算力需求呈指数级增长，AI 5 能更好满足这一需求；商业上，配合马斯克计划推出的 Robotaxi 服务，强大算力保障车辆在复杂环境下的安全性与可靠性；生态层面，AI 5 有望成为特斯拉 AI 战略的重要基础设施，推动车、机器人、超算生态协同发展。届时，特斯拉将凭借 AI 5 在算力竞赛中保持领先，重塑智能驾驶芯片市场格局。

根据多方信息，HW5.0 预计于 2025 年 6 月起开始小规模交付试点车型，并计划在 2026 年实现大规模量产。这一进程分为两个阶段：首先通过无人驾驶 Robotaxi 试点验证技术成熟度，随后逐步向消费市场普及。

据消息披露，特斯拉 AI5 芯片采用台积电 3nm N3P 工艺，同时将三星作为其 AI5 芯片的替代代工厂。据报道，特斯拉只有在 2026 年开始大规模出货 HW5 汽车时才会使用三星的生产。结合最近三星获得特斯拉 165 亿美元巨额订单的消息，更是佐证了这一观点。

马斯克在 X 上发帖称：" 三星在得克萨斯州新建的巨型工厂将专门用于生产特斯拉的下一代 AI6 芯片。其战略重要性毋庸置疑。"

特斯拉智能驾驶芯片技术的演进仍在继续，HW5/AI5 芯片的量产标志着特斯拉在智能驾驶芯片领域进入新阶段，其 3nm 工艺、2500TOPS 算力及端到端神经网络架构，为实现 L4 级无人驾驶奠定了基础。随着 2026 年大规模量产，HW5.0 或将重新定义智能驾驶的技术天花板，同时引发行业对算力、算法与数据融合的新一轮竞争。

特斯拉自研芯片的成功密码

特斯拉自研芯片战略能在行业中脱颖而出，背后离不开几个关键因素的支撑：

芯片需求清晰。特斯拉全栈自研算法，对芯片需求非常清晰。通过裁剪无用多余的规格需求，将算法固化在芯片硬件设计中，从而实现最优的性能和功耗平衡。

智驾架构稳定且演进方向清晰。特斯拉很早就确立了纯视觉路线，具有非常稳定的智驾架构，芯片不会因为架构调整而不断进行变更。

整车销量大，使得比较容易的分摊研发成本。

除了上述核心因素外，特斯拉上海工厂与自研技术形成的协同效应同样为自研芯片战略的成功增添了关键砝码。

特斯拉上海工厂的建立与自研技术的推进，共同构成了特斯拉智能驾驶发展的强大支撑。上海超级工厂作为特斯拉首个海外工厂，自 2019 年投产以来，已成为特斯拉全球最重要的生产基地，其 95% 的本土化率显著降低了生产成本。2025 年 Q1 财报显示，特斯拉上海工厂的单车生产成本为 3.2 万美元，较美国得州工厂低约 21%（约 3800 美元），成为特斯拉成本控制的关键一环。

上海工厂对特斯拉智能驾驶发展的支撑作用主要体现在三个方面：

1

上海工厂的规模化生产降低了自研芯片的边际成本。特斯拉 FSD 芯片通过规模效应摊薄研发成本，HW3.0 单价约 300 美元，而外购方案如英伟达 Orin 成本更高；

2

上海工厂的本地化供应链优化了传感器成本。例如，超声波雷达每车可节省约 114 美元，而毫米波雷达和激光雷达的成本更为高昂，每颗毫米波雷达成本约 1500-2000 元，激光雷达更需 6000-7000 元 / 颗；

3

上海工厂的低成本生产释放了资金用于智能驾驶研发。2023 年特斯拉研发投入超 500 亿元，其中智能驾驶占比超 60%，而 FSD 软件选装率达 19%，通过软件付费模式分摊硬件研发成本。

特斯拉自研芯片与上海工厂的协同效应尤为明显。自研芯片使特斯拉摆脱了对英伟达等供应商的依赖，实现了软硬件一体化，从而能够根据算法需求设计芯片架构，优化能耗比。同时，上海工厂的高产能（2024 年全年交付 91.6 万辆，占到了全球交付量的一半）为自研芯片提供了广阔的规模化应用场景，加速了技术迭代。

特斯拉通过 " 硬件先行，软件更新 " 的战略，将新硬件先在上海工厂生产的车型上应用，再通过 OTA 逐步释放功能，既控制了成本，又保持了技术领先。

写在最后

特斯拉 FSD 的十年征程，不仅是一场技术的狂飙突进，更是一面映照市场情绪的镜子。

特斯拉智驾芯片的发展，历经从依赖 Mobileye、英伟达外购芯片的探索阶段，到 HW3.0 开启自研征程、HW4.0 强化场景适配，再到 HW5.0 追求更高算力的进阶之路。其优势在于通过持续技术创新实现算力与能效的突破，自研架构与算法深度协同，配合纯视觉方案的成本优势，构建了软硬件一体化的技术壁垒；上海工厂的低成本生产与芯片高效率架构，更支撑了智驾系统的快速迭代。

从 2015 年 Autopilot 首次亮相时的万人追捧，到 2016 年安全事故引发的信任危机，再到 2025 年技术信仰者与质疑者的激烈交锋，FSD 的市场反响经历了从兴奋到争议的完整弧线。

这种演进的价值不仅体现在技术层面——让特斯拉在懂车帝测评等实战中凭借复杂路况处理能力、决策响应速度等优势领跑，更重塑了行业竞争逻辑：证明智能驾驶的核心在于软硬件协同与数据闭环的综合能力，为车企在芯片研发、算法优化的全栈协同布局提供了范本，深刻重塑着自动驾驶的技术格局与竞争逻辑。

* 免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。