AI算力硬合作,馬斯克還是更相信中國製造

一種混搭的可能:英特爾繼續供先進工藝,即前端用14A;後端再接臺積電,來補工廠運營、良率、封裝這些能力。田晏林 發自 凹非寺 | 公眾號 QbitAI 馬斯克的Terafab,可能又要拉來一個重量級玩家。10月3日,馬斯克在X上確認,正在與臺積電討論Terafab芯片製造合作。Just discussions, but something may come of it.(只是討論,但可能會有結果。) 此言一齣,迅速引起外界關注。因為截至目前,英特爾是唯一被正式點名的合作伙伴,計劃向Terafab提供14A(約1.4nm級)工藝。現在,另一家全球頂級晶圓代工巨頭臺積電也走到了談判桌邊。
英特爾和臺積電本就是宿敵。但現在,這幾方人馬卻因為Terafab這個「史詩級芯片工程」有了走到一起的可能。有網友甚至調侃:「這感覺就像復仇者聯盟成員們終於集合了一樣,lol。」 對此,臺積電方面暫無回應。Terafab,是馬斯克旗下Tesla、SpaceX(以及已被吸收 xAI)共同推進的超大規模垂直整合芯片製造項目。它的目標很明確:獲得持續、充足的定製芯片供應,而非對外接單的晶圓代工廠。也正因如此,臺積電此時出現,才顯得格外有意思。此前,馬斯克曾多次強調要降低對臺積芯片的依賴。現在,是Terafab路線變了嗎?已經在局裡的英特爾,會不會因此受到影響?為啥突然跟臺積電談?
今年4月,談到為什麼要自己造Terafab時,馬斯克曾直言: TSMC just can’t make the staggeringly large number of chips needed!If they could, we would not need to do this.意思很直接:臺積電如果真能造出我們需要的天文數字級芯片,就沒必要搞Terafab了。幾個月後,雙方卻坐下來談合作。看著有點擰巴,但把Terafab的體量擺出來,就順了。據悉,這個項目一期投資是168億美元,長期潛在總投資可到1190億美元,規劃建築面積超過1億平方英尺,最終目標是年產約1TW AI算力。
1TW是什麼概念?「約相當於當前全球AI算力年產出的50倍」量級。這個數據,是按照馬斯克前段時間對「全球算力約20GW級別」的說法,推算出來的。反正現在全球沒有哪一家單體芯片工廠,是按這個量級去設計的。馬斯克也早就嫌現有產能不夠,才會在4月提到臺積電時,說它「根本造不出我們需要的天文數字級芯片。」 這句話當時聽著像是在說:臺積電不行,我自己來。現在再看,更像是:臺積電一家不夠,那就自己建;自己建還不夠,那臺積電也別走。(doge) AI生成 需求壓力,是馬斯克跟臺積電接觸的根本原因。此外,他很可能還在考慮對沖風險。Terafab真正麻煩的地方,不只是規模大,它還卡著時間。
目前已經確認的製造夥伴是英特爾,Terafab計劃採用14A工藝。但14A還在往量產推進,風險生產大約在2027年,量產目標則在2028年前後。Terafab這邊也沒閒著。今年8月選址得州Grimes County後,場地清理和早期土方已經啟動,大規模施工計劃放在2026年12月,一期目標2028年底完成。兩邊節奏卡得都很緊。若只押14A,多少有點「刺激」。尤其對Terafab這種項目來說,工藝參數難看一點不怕,關鍵是哪一環沒按時到位,後面一整串計劃都得跟著延。畢竟馬斯克那邊,火箭等著上天,機器人和自動駕駛等著落地,芯片這頭真拖不起。臺積電這張牌,馬斯克很難完全不看。
更巧的是,臺積電自己也在往得州走。就在這次討論曝光前後,外界傳出臺積電正在評估得州新生產基地。好傢伙,越看越像雙向奔赴呢。臺積電要是想在美國再鋪一個大基地,最缺的就是長期、穩定、吃得下大產能的客戶。Terafab正好胃口夠大。如此看來,這次跟臺積電談,並非是Terafab路線拐彎了,更像是項目越做越大之後,馬斯克開始給自己多留幾條路。臺積電怎麼進?英特爾又怎麼辦?儘管臺積電還未回應,但有媒體已經披露合作的三種方向了。第一種方案,是臺積電直接擁有並運營新工廠,SpaceX或者Terafab掏錢、下長期訂單,甚至一起持股。這套玩法臺積電不陌生。
日本JASM、德國ESMC基本就是這個思路:本地夥伴出資本和需求,臺積電帶技術和工廠運營能力進來。第二種方案,是SpaceX控股,臺積電持小股,同時負責運營,還把自己的工藝技術帶進來。這個就有點新鮮了。畢竟臺積電過去最擅長的是,「我的工廠我來管。」 如果最後真變成SpaceX掌控資產、臺積電負責把廠跑起來,那麼等於雙方都在試一種新關係。AI生成 第三種方案,最輕,只是技術合作。工藝、良率經驗、人才培訓、運營know-how,臺積電給一部分,Terafab繼續自己搭體系。現在這些都還只是外界推演。按馬斯克一貫的腦回路,最後真冒出Plan D、Plan F,也不奇怪。
Terafab和臺積電的合作才有苗頭,那邊的英特爾,已經感受到壓力了。畢竟自己本來是唯一被點名的合作伙伴。結果一轉頭,這老傢伙又跟來了!這感覺,多少有點像本來以為自己是唯一受邀嘉賓,到了宴會現場,發現桌上又多擺了一套餐具。最直接的猜測當然是:14A會不會被換掉。不是沒可能。據《Culpium》報道,如果臺積電也參與其中,那麼英特爾的14A製程技術可能會被淘汰,因為臺積電會使用自己的製程技術來生產芯片。英特爾的壓力是有,但Terafab的動靜搞這麼大,完全可能玩「雙軌」啊。
比如,《Culpium》提到一種混搭的可能:英特爾繼續供先進工藝,即前端用14A;後端再接臺積電,來補工廠運營、良率、封裝這些能力。乍一聽,像把兩個競爭對手硬塞進一條流水線。但Terafab最不缺的就是需求,最缺的是確定性。誰能補哪塊,就用誰;誰能讓項目跑得更穩,就多給誰一點位置。至於談臺積電這件事,會不會讓英特爾不舒服?馬斯克舒服就行。AI生成 況且,英特爾也沒那麼狹隘。誰都知道,Terafab的盤子夠大,大到不可能只容下一家供應商。對英特爾來說,只要14A還能拿到訂單、還能借Terafab放大Foundry業務,臺積電有沒有坐在旁邊,未必是最重要的事。競爭歸競爭,生意歸生意。
Terafab真正想解決的,是芯片選擇權 馬斯克把一群芯片大佬攢到一桌,圖的其實就一件事:搶計算資源。他需要芯片,而且是海量芯片。Tesla這邊,FSD、Optimus、Cybercab都在繼續往前推。xAI吃的是訓練和推理算力。SpaceX更誇張,連軌道數據中心、太空算力都已經被塞進規劃裡。這也是Terafab為什麼會冒出來。馬斯克沒想再開一家和英特爾、三星、臺積電競爭的晶圓代工廠。他要的是給Tesla、SpaceX和xAI持續、穩定地供定製芯片。說白了,Terafab更像一套內部芯片基礎設施。而且現在已經不是畫餅階段。得州選址敲定,場地工程啟動,大規模施工時間也排上了。
項目真往前走之後,問題更具體:廠誰來跑?良率誰來爬?先進工藝誰來供?封裝怎麼辦?出了問題誰來兜底?這時候再看英特爾和臺積電同時出現,就沒那麼戲劇化。甚至有點像馬斯克一貫的路數:核心東西儘量自己抓;其他環節,誰強就拉誰。英特爾有14A,那就談14A。臺積電有最成熟的工廠運營和製造體系,那也談。後面再缺別的,繼續找。One more thing 有件看上去不搭,但細想又有點意思的是: 昨天,馬斯克四個孩子的媽、相伴多年的女友齊利斯,突然宣佈自己毫無預兆地「被分手」。Terafab這邊,幾家芯片巨頭之間的關係,也開始變得微妙起來。誰主誰次、誰進誰退,現在都還說不準。
但馬斯克真正想要的,可能從來都不是押中某一家。而是把選擇權,儘可能抓在自己手裡。感情如此,事業亦然。版權所有,未經授權不得以任何形式轉載及使用,違者必究。
Related
相關文章
Transformers Model Integration Contracts
Back to Articles Transformers Model Integration Contracts Published November 3, 2026 Update on GitHub Upvote - Tarek Ziadé tarekziade Follow On July 30, 2026, Transformers enabled PyTorch's scaled dot-product attention (SDPA) for T5.
NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required
Back to Articles NVIDIA Kumo Relational Outperforms Supervised Machine Learning on Relational Data, No Training Required Enterprise + Article Published October 21, 2026 Upvote 1 Joshua Przybylko jprzybylko Follow nvidia Jure Leskovec profjure Follow nvidia Matthias Fey rusty1s Follow nvidia Federico Lopez flopeznv Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia Ramona Bendias RBendiasN Follow nvidia TL;DR NVIDIA Kumo Relational is a pre-trained relational foundation model that makes predictions directly on enterprise databases.
NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability
Back to Articles NVIDIA Kumo Forecast Combines Pretrained Time-Series Representations with Historical Pattern Retrieval and Interpretability Enterprise + Article Published October 21, 2026 Upvote - Saira Qureshi sairaq Follow nvidia Aditi Gautam adgautam Follow nvidia Manikandan Ravikiran mravikirannvidia Follow nvidia Sena Ekiz neptunel1 Follow nvidia Viraj P Modak vmodak Follow nvidia Highlights (TL;DR) NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model that combines a pretrained Transformer backbone with Domain-Aware Representation and Retrieval (DARR), a context-enhanced forecasting mode that blends direct model predictions with patterns retrieved from historical data.
Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories
Back to Articles Announcing SimReady Central: An Open Library of Simulation-Ready 3D Assets for Robotics and AI Factories Enterprise + Article Published October 21, 2026 Upvote 1 John Kosnik jkosnik Follow nvidia Frank DeLise delisef Follow nvidia Pomi Lee pomilee Follow nvidia Building robotics simulations and high-fidelity AI factory digital twins takes more than 3D models.
NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation
Back to Articles NVIDIA Cosmos3-H-Dreams: Bringing Clinical Surgery to Life Through Generative Simulation Enterprise + Article Published October 20, 2026 Upvote - Lukas Zbinden lzbinden Follow nvidia Javier Gamazo javirk1 Follow nvidia Nigel Nelson nigeln Follow nvidia Mostafa Toloui mtoloui Follow nvidia Sean Huver shuver Follow nvidia Picture moving the Cadiere grasper, grasping the gallbladder, and lifting it, all within a generated surgical scene that responds in real time.
擴展印度語言預訓練:2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫,使用了2.8兆詞元,並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA,開發了一套可重用的GPU加速管線,用於翻譯、品質評估與修復,以支援這些語言的模型訓練。