特斯拉新一代FSD芯片深度分析，三星是最大赢家

2019年3月，特斯拉正式推出第一代FSD芯片，全球累积出货量大约50-70万片。2023年初，特斯拉新一代自动驾驶硬件系统HW4.0曝光，新一代FSD芯片也随之问世，2023年底的Model S/X可能会搭载HW4.0，Model Y则不大可能。

最新曝光的Model Y的座舱域控制器取消了独立GPU，没错，就是那个AMD的算力达10TFLOPS的独立GPU，存储也从昂贵的GDDR6换成了最廉价的DDR4，显然特斯拉很在意成本，即便是顶配版本，昂贵的HW4.0也不大可能出现在Model Y上。

根据特斯拉爆料大神Greentheonly的信息，我们能够得到一些HW4FSD芯片的简要信息。

首先来看CPU或者说NPU之外的部分，初代FSD使用了12个ARM Cortex-A72内核，新一代FSD使用了基于三星ExynosIP的内核，最初笔者认为仍然是ARM Cortex-A72，因为三星自己研发CPU架构的行为自2019年中期就停止了，而特斯拉的HW4 FSD是2020年以后的设计。但在深入研究三星最后一代Exynos后，作者认为特斯拉完全有可能照搬三星的设计，因为这个设计非常超前，基本上近似于目前ARM Cortex X系列的旗舰X3的设计。

Exynos 990 CPU拓扑

三星自研Exynos最后一代是Exynos 990，严格地说三星自研架构叫猫鼬即Mongoose，Exynos 990的CPU包含两个M5即猫鼬5内核，两个ARM Cortex-A76内核，四个ARM Cortex-A55内核。猫鼬第一代于2016年1月的Exynos 8890搭载，之所以叫猫鼬是因为三星当时的竞争对手高通的自研架构代号是Krait即眼镜蛇科的环蛇属，而猫鼬是眼镜蛇的天敌，以眼镜蛇为主要食物。不过后来高通成了三星的大客户，三星也就很少提猫鼬，第五代猫鼬还有个代号叫Lion。

三星M5内核微架构

三星M5内核最强之处在于其IPC解码器宽度高达6位，而ARM挤牙膏的做法，直到Cortex-X3才将解码器宽度提高到6位。

ARM提升性能最有效的做法：

一是增加IPC解码宽度;

二就是增加缓存Cache容量;

三是提高核心运行频率。

三星M5虽然逼近ARM Cortex-X3，但其解码器宽度很宽，因此执行引擎的宽度多达11位，但M5的流水线不长，宽度过宽，这就注定其无法提高运行频率，而手机是强调单一大核心性能的。对比来看，ARM毕竟是专业做手机CPU核心架构的，在宽度增加情况下，流水线很长，很容易提高运行频率，X3最高频率可以达到4GHz，用在高通骁龙8 Gen2上的X3运行频率高达3.36GHz，而M5很难超过2.5GHz。这也是三星不再搞自研架构的原因之一。另一个原因在于指令集还是ARM的，ARM的架构运行起来自然更好。

但在汽车领域，M5就很合适，汽车领域是强调多核性能的，且汽车封闭性强，如特斯拉这样不打算销售芯片的厂家，完全可以用RISC-V来自定义指令集，因此基本可以确定特斯拉使用了三星的M5架构，最高运行频率是2.35GHz，典型运行频率估计是2GHz。特斯拉可能用12核或16核M5架构，搭配8核或4核Cortex-A72，A72的运行频率比较低，最低1.37GHz，典型运行频率估计是1.5GHz。特斯拉的CPU比12核A78的英伟达Orin估计要强15-30%。

第一代FSD芯片就在三星生产，三星的代工价格远低于台积电，且台积电产能紧张。特斯拉那一点量对台积电来说微不足道，台积电大客户太多，特斯拉如果去台积电流片，会被排在很靠后的位置，因为高通、AMD、联发科、博通、苹果这些台积电大客户都是数以亿片的下单量。台积电的亚利桑那工厂进展缓慢，要到2024年才投产，而三星新增的德州奥斯汀晶圆厂就在特斯拉家门口，2022年下半年投产，特斯拉没理由舍近求远。再加上特斯拉使用三星M5内核，让三星代工更顺理成章。不过，三星奥斯汀晶圆厂的5纳米工艺还不算太成熟，量产估计要到2023年底。HW4 FSD可能还是会用7纳米工艺制造，一来比较成熟，二来比较便宜。

不单是特斯拉采用三星的IP，谷歌手机的自研芯片TENSOR系列也是使用三星IP，当然也在三星代工生产，如第一代谷歌手机自研芯片TENSOR G1（谷歌内部型号就是三星S5P9845）就照搬了三星Exynos 2100的CPU和GPU设计，自己只做了NPU。G2（内部型号就是三星S5P9855）和G3则是照搬了三星的Exynos 2200的CPU设计。未来谷歌旗下的Waymo也会采用三星的IP推出自动驾驶芯片，当然也得在三星代工。

特斯拉HW4 FSD芯片可能也会像三星Exynos990一样有一个MALI G77内核的GPU，算力估计有1GFLOPS。

HW4 FSD芯片的NPU或许是大部分人最关心的，实际CPU重要程度高于NPU，NPU只是辅助角色，CPU才是主角。

第一代FSD的NPU部分拓扑图

第一代FSD的NPU乏善可陈，中规中矩，没什么亮点可言，显然这是针对传统CNN设计的NPU，Transformer时代完全不适用。如果特斯拉真要流畅运行Transformer，那么NPU和存储系统必然要大幅度改进。CNN有98%的运算都是卷积，没有时间序列，数据没有上下文联系，而Transformer模型有不少非卷积运算，包括Relu的矢量和位置的三角函数运算，数据的上下文有联系，意味着有可能有分支跳转，因此NPU必须增加标量运算系统和数据流控制系统。HW4.0采用了美光的GDDR6，带宽达224GB/s，较HW3.0提高了约6.5倍。

在分析或者说推测HW4 FSD的NPU之前，首先看一下特斯拉为自动驾驶数据中心推出的DojoD1芯片，再看一下亚马逊AWS在2022年底推出的，号称专为Transformer推理而生的芯片Inferentia2。

这是未考虑Transformer模型的第一代亚马逊推理芯片Inferentia架构，和特斯拉的FSD比添加了标量引擎，特斯拉的可编程SIMD勉强可算矢量引擎。其余二者相差不大。

针对Transformer设计的第二代Inferentia架构（上图），减少了两个Neuron内核，增加了一个CPU，即Collective compute engine，控制数据流和动态整形，还增加了一个SIMD系统，据亚马逊说这是一个通用型的DSP。此外，还升级了存储系统，从廉价的DDR4升级到了非常昂贵的HBM。

Dojo D1的架构是一个标准的CPU架构，应对标量计算，具备分支预测和跳转机制，拥有8位解码和6路执行引擎。

按照特斯拉爆料大神Greentheonly的说法，HW4 FSD芯片是3个NPU，这个NPU应该类似亚马逊Inferentia里的Neuron核心。一般来说，核心都是对称平行出现，也就是只可能是偶数，不大可能是3个，应该是特斯拉添加了一个CPU，两个NPU还是和初代FSD芯片一样，拥有96*96=9216个MAC阵列，算力就很好计算了，9216个阵列，一个MAC包含两个operation，因此就是9216*2*2.2=40.55TOPS，两个就是81TOPS，两片FSD就是162TOPS的AI算力。

添加一个CPU主要是应对Transformer，特斯拉有这方面的技术积累，Dojo的CPU架构完全可以再用一次，再有就是订制的CPU可以使用自定义的RISC-V指令集而非通常的ARM指令集，这样效率更高，近似于VLIW。

至于算力，这只是个数字游戏，单看芯片的算力毫无意义，因为AI算力的瓶颈在内存，内存的吞吐量或者说带宽远低于AI处理器的运算速度，AI处理器的速度再快，算力再高，90%的时间都是在等内存搬运数据。另一个瓶颈就是CPU，AI处理器是个协处理器，需要HOST主机做任务分配和调度，这个HOST一般就是CPU，CPU要足够强，才能发挥AI处理器的全部潜力。

服务器芯片领域都是用HBM解决内存瓶颈，但汽车领域不行，汽车领域对价格非常敏感，上万美元的芯片不可能出现在量产车上，汽车领域最多也就是GDDR6。CNN时代，外置CPU足以配合好AI处理器，Transformer时代最好内置CPU，这是绝大多数AI芯片不具备的能力。

英伟达最新最强的DGX-GH200采用的超级芯片中也是自研了CPU，即64核ARM V2，不过效果还是不如放在一个die里。

AMD的MI300则是CPU+GPU的Chiplet设计，比英伟达要好一些。

AMD MI300 DIESHOT，3个CPU内核，6个GPU内核，8个HBM3

特斯拉的芯片团队基本都来自AMD，包括在 AMD 工作了近 17 年，研究各种 Opteron 处理器以及命运多舛的“K12”Arm 服务器芯片的Emil Talpes，他在2016年4月加入特斯拉。

Autopilot的硬件架构师Debjit Das Sarma则在AMD工作了14年，也是位CPU架构师，2016年2月加入特斯拉。Douglas Williams在AMD工作了12年，2017年10月加入特斯拉，FSD芯片架构师。Ganesh Venkataramanan也在AMD工作了14年，是CPU设计工程主任，在2016年3月加入特斯拉。Rajiv Kurian则比较年轻，2017年1月加入特斯拉，2018年10月离开，跳槽到Waymo，负责Waymo的硬件加速器设计，2020年11月又跳槽回特斯拉，参与Dojo的设计。Bill Chang则在IBM工作了15年，主要负责工程管理，后跳槽到苹果，2020年加入特斯拉。

最终，还是要特斯拉公布详情。