马斯克168亿美元的Terafab造芯计划，折射出AIoT边缘智能的3大演进趋势

物联网智库·2026年08月11日 19:00

边缘侧算力与架构的重构，已是一场不可逆转的产业趋势。

股权融资江苏省2019-05

智能科技服务商

我要联系

8月6日，SpaceX宣布与特斯拉首期投入168亿美元，在得克萨斯州建设Terafab芯片制造基地。官方给出的年产能目标是超过1太瓦算力，这是一个极为惊人的数字，在马斯克口径下，当前全球AI算力年产能约20吉瓦，1太瓦约为其50倍；对应到芯片颗数，规划为年产1000亿至2000亿颗AI及存储芯片。

为了让大家有更直观的感受，我们做个类比，这个基地的规划建筑总面积相当于1700个标准美式橄榄球场，或者10个特斯拉得州超级工厂的总和。满产后的算力规模，足以同时支撑数百万台超级AI服务器或上亿台具身智能设备满负荷运转。官方公告未给出投产时间，一期工程被报道计划2027年下半年投产，2028年首批芯片量产。

在这一宏大计划公布之前，若将时间线再往前推三周，特斯拉AI5芯片在三星2纳米工艺上完成了流片，双代工（台积电+三星）适配全部落地。这颗芯片已于今年4月15日宣布流片，预计2027年大规模量产。

如果我们翻开AI5的客户名单，或者Terafab的产能分配表，里面找不到“AIoT”这个词，因为AIoT终端与方案企业极少涉足底层芯片的自研。

蜂窝模组依靠智能手机基带芯片的规模来摊薄成本，边缘计算盒子依靠汽车与机器人芯片来摊薄成本，MCU则依靠车规与工业来摊薄成本…AIoT是“通用芯片公开市场”最庞大的长尾受众。

然而，像特斯拉AI5这种“闭环自研芯片”，正在将芯片从明码标价的通用商品，转化为企业生态内部的“原生器官”。对于AIoT产业而言，这涉及到深层的逻辑演变，公开市场上不仅流失了一个超级买家，更缺失了一个关键的底层价格锚点。

业界普遍关心的一个问题是，AI5能否下放到更广泛的边缘设备中？马斯克的态度十分明确：尽管AI5具备数据中心级别的训练能力，但其核心架构是为Optimus（擎天柱机器人）与Robotaxi（无人驾驶出租车）等高阶边缘计算场景进行了极限优化。

作为当前全球针对“边缘推理”优化最为激进的芯片之一，AI5的参数表，或许是我们洞察AIoT产业明天的窗口。

从“唯TOPS论”到“内存为王”

长期以来，AIoT行业评估边缘设备性能的“核心标尺”一直是“TOPS”（处理器运算能力单位）。但TOPS其实是供给侧的语言，它只衡量“芯片能提供多少逻辑算力”；而“内存”才是负载侧的语言，它决定了“实际任务能跑多快”。

在过去，端侧跑的是小模型视觉任务，核心瓶颈是算力；但如今，多模态与端侧大模型（如VLM视觉语言模型）的引入，正在把高端边缘负载切换为内存受限型。

AI5的规格表，就是这种“瓶颈转移”的显影剂。直接的证据是特斯拉的过渡方案：给汽车续命的AI 4.1芯片，配置是内存翻倍、带宽更高，但计算性能仅提升了约10%。一贯从第一性原理出发的一家垂直整合性公司，在自家产品上做加法，缺什么才会加什么。

到了主力产品AI5，资源倾斜的结构更加清晰，按流片官宣时的披露口径，AI5综合性能较AI4提升40倍，其中原始算力提高8倍，内存容量放大9倍（从约16GB增至144GB），带宽约为前代5倍（1.9TB/s），并专为Transformer引擎优化。内存增幅超过算力增幅；而40倍综合与8倍原始算力之间的缺口，恰好是内存、数据通路与架构贡献的空间。也就是说，综合性能的大头，来自算力之外。

下一代还在继续加码，马斯克称最新FSD已让AI4内存达到上限，未来的AI6甚至会把近半数的AI加速器直接搭配SRAM高速板载内存。

连续三代产品，资源全部向内存侧倾斜。

当端侧大模型开始在边缘设备部署时，计算单元往往在等待数据搬运，导致算力闲置。打破“内存墙”成为了边缘AI的关键。大量堆叠内存容量与带宽，本质上是为了降低数据搬运带来的极高功耗与延迟。这向整个AIoT行业释放了一个强烈的信号：未来边缘智能的重点，不再是单纯堆砌逻辑运算单元，而是如何以最低的成本解决存储与数据吞吐问题。

这种趋势，其实已经悄悄写进了AIoT企业自己的财务报表里。

利润表记录了涨价的阵痛，美格智能2025年年报披露主营毛利率同比下降3.47个百分点，公司将原因之一归结为“存储芯片出现周期性价格上涨”。资产负债表则记录了对未来的担忧，美格存货同比增长30.36%，明确包含存储芯片战略备货；移远通信存货同比增长69.48%，解释为“应对未来销售增长与部分原材料紧缺及价格上涨而加大备货备料”；广和通也将存储芯片列入核心原材料价格波动风险。

当企业开始为一种物料积压资产负债表时，说明内存正在从按行情采购的“大宗物料”，变成决定终端大模型能否落地的“战略物资”。

算力基本盘之争：生态位决定硬件天花板

特斯拉能斥巨资自研芯片，绝不仅是靠机器人或汽车凑齐的订单量。在Terafab的产能规划中，马斯克在8月的粗略预计是约3/4的算力用于太空AI及航天器，约1/4分配给特斯拉机器人等硬件。

但比规模更核心的，是其“算力基本盘”的质量，马斯克体系内的多路需求（特斯拉的汽车与机器人、地面超算、SpaceX的轨道算力），高度共享同一套架构谱系与软件栈，以视觉为主的多模态实时推理是它们的公约数。一颗底层架构相同的芯片几乎可打通全场景，这构成了高度集约的“同质化基本盘”。

反观AIoT行业，碎片化是刻在基因里的。行业在模组层汇聚起来的基本盘，混杂着智能水表、汽车座舱、割草机器人、AR眼镜等设备。这些彼此间缺乏底层关联的计算负载，构成了极度分散的“异质化基本盘”。

同质化基本盘足以支撑起百亿美元级别的芯片自研闭环，而异质化基本盘的商业上限，往往只能停留在集中采购与方案复用。

因此，对绝大多数AIoT企业而言，“要不要自研芯片”是个伪命题。而关乎生死的问题是，我们应该依附于哪个大型“算力生态阵营”？并在其中占据怎样的生态位？

在国内，越过这道门槛的样本已经存在，华为以自研芯片同时支撑手机、汽车与物联网负载，只是其约束在制造端而非需求端；仍在门槛附近的观察对象是小米的人车家生态，设备规模或已达标，负载的同质化程度存疑。

对于更加广大的AIoT企业来说，真实市场中的“算力聚合商”其实是各大模组企业。

从2025年的年报数据可以看出，模组企业的业务半径，已经从传统的“通信连接”全面扩展至“边缘计算”。广和通把AI模组升格为正式类目，星云系列铺出了1T到50T的全算力矩阵；移远通信构建了“1+N”矩阵，2026年规划了100TOPS及以上的智能模组；美格智能近80TOPS的高算力模组也属在研，并把旗下模组定义为“为各类物联网终端提供终端侧和边缘侧计算能力的算力承载平台”。

模组厂商正在将成千上万的碎片化需求，聚合成足以向上游芯片原厂博弈与议价的筹码。而这种聚合不仅体现在硬件采购上，更体现在软硬件协同的溢价能力上。

广和通的解决方案收入为4.76亿元，增长了133.36%，这一数字指明了计价权的转移方向，匹配场景的解决方案，才是为“AI的判断能力”定价。

因此，终端设备企业在选择模组供应商时，评估逻辑也应重构，不能再单纯盯着硬件BOM成本和单片价格，而应重点考察供应商的综合解决方案能力。他们能否将高阶算力平民化，使其下探到AIoT设备可承受的成本区间；更重要的是，他们提供的软硬件一体化方案，能否吃透并适配垂直场景，从而大幅降低二次开发的门槛。