Waymo 首款自研 5nm AI 芯片
2026 年 8 月 21 日，Waymo 发布首款自研 AI ASIC。
事件背景
Waymo 第六代自动驾驶系统（Ojai 机器人出租车）需要处理 13 个高清摄像头的流式数据，此前依赖通用 AI 芯片。自研 ASIC 标志着垂直整合战略。
关键事实
| 项目 | 详情 |
|---|---|
| 工艺 | TSMC 5nm |
| 算力 | 1000+ TOPS |
| 优化 | 传感器数据处理、CNN + Transformer |
| 训练数据 | 2 亿英里自动驾驶数据 |
| 冗余 | 双芯片，单故障可接管 |
| 散热 | 液冷，与车辆冷却系统共享 |
| 合作伙伴 | AMD、Micron、Samsung、Sandisk、Nvidia（非 ML 任务） |
技术机制
芯片专为从原始传感器数据到驾驶决策的端到端处理优化。重点是最小化延迟——事故在毫秒内发生，远程操作员无法接管。
- 时序降噪： 实时改善低光可见性
- 模型支持： CNN（传统 ML）+ Transformer（现代架构）
- 冗余设计： 双芯片正常情况作为单单元运行，故障时另一芯片接管
影响与意义
对自动驾驶： 定制 ASIC 优化特定工作负载，相比 FPGA 提供更高计算密度和更低延迟。Waymo 声称"无与伦比的效率和性能"。
对供应链： 减少对外部芯片供应商的依赖，但非 ML 任务仍依赖合作伙伴。
对行业： Tesla 多年来一直在开发定制芯片，Waymo 跟进。自动驾驶竞争从软件扩展到硬件垂直整合。
风险与边界
- 1000 TOPS 未说明精度（INT8/FP16）和功耗，难以与 Nvidia DRIVE AGX Thor 直接对比
- 芯片不处理所有车辆功能，编排、数据移动、日志由合作伙伴组件处理
- Waymo 正在开发多款定制芯片，当前 ASIC 只是第一步
AI Master 解读
核心事件
Waymo 发布首款自研 5nm AI ASIC 芯片。
行业影响
为什么重要： 自动驾驶从依赖通用 AI 芯片（Nvidia）转向定制 ASIC，优化特定工作负载的延迟和可靠性。Waymo 的芯片融合 2 亿英里驾驶数据，针对传感器数据处理优化，是垂直整合战略的关键一步。
影响分析：
| 维度 | 影响 |
|---|---|
| 算力 | 1000+ TOPS，与 Nvidia DRIVE AGX Thor 同级 |
| 工艺 | TSMC 5nm |
| 优化 | 传感器数据处理、CNN + Transformer |
| 冗余 | 双芯片设计，单故障可接管 |
| 散热 | 液冷，与车辆冷却系统共享 |
风险边界： 芯片不处理所有车辆功能，编排、数据移动、日志仍由合作伙伴（AMD、Micron、Samsung、Nvidia）组件处理；1000 TOPS 未说明精度和功耗，难以直接对比。
AI Master 建议
关注 Waymo 在 Hot Chips 会议上的更多技术细节；评估定制 ASIC 对自动驾驶供应链的影响；对比 Tesla FSD 芯片的架构差异。 **来源:** The Register / TechCrunch Mobility **链接:** https://www.theregister.com/edge-and-iot/2026/08/20/waymo-has-designed-a-robocar-chip-to-stay-ahead-of-tesla/