20.78k 瀏覽量3.67k 人討論中
33.48k 瀏覽量4.34k 人討論中
9.28k 瀏覽量828 人討論中
32.44k 瀏覽量722 人討論中
20.26k 瀏覽量1.43k 人討論中
182.9k 瀏覽量15.99k 人討論中
334.16k 瀏覽量48.38k 人討論中
47.75k 瀏覽量4k 人討論中
15.64k 瀏覽量5.9k 人討論中
492.08k 瀏覽量24.29k 人討論中
#USAIStocksHitHard #每周来晒 Tesla 的 80 倍 AI 晶片雄心:下一個成長引擎是否正在自家矽晶片中打造?
Tesla 不再只將自己定位為電動車製造商。最新的加速器路線圖指向更遠大的目標:打造支援自動駕駛、AI 訓練,以及未來可能出現的超級智慧系統所需的運算基礎設施。但強大的路線圖與經商業驗證的業務之間,存在重要差異。對投資人而言,真正的機會與風險就在這段落差之中。
最大變化:Dojo D3 以不同架構重返舞台
Tesla 以重新設計的方式重啟 Dojo D3 訓練晶片專案。D3 不再採用早期 Dojo 硬體所走的 SRAM 為核心、晶圓級設計路線,而是轉向結合 2.5D 與 3D 封裝及堆疊式高頻寬記憶體的小晶片架構。
這項轉變很重要,因為現代 AI 工作負載需要龐大的記憶體容量與頻寬。HBM 有助於更有效率地為大型模型提供資料,而小晶片則提供模組化的方式來擴展運算資源。然而,先進封裝也帶來艱鉅的工程挑戰:散熱管理、製造良率、功耗與生產成本。
Tesla 尚未公布 D3 的最終運算效能、記憶體容量或商業部署時程。因此,Dojo 重返舞台是開發里程碑,並不能證明 Tesla 已打造出具競爭力的訓練平台。
SI6:值得關注的 80 倍目標
路線圖中更引人注目的數字,是 Tesla 第六代推論加速器 SI6。據報導,公司的目標是讓其運算效能最高達到目前第四代 HW4/SI4 基準的 80 倍。
預估效能範圍為 17.28–46.08 POPS,預計記憶體容量為 144GB,相較之下 HW4 為 16GB。這代表提議中的硬體規模大幅提升,但絕對效能的比較取決於如何估算 HW4 目前尚未公開的能力。
SI6 預計採用 2nm 級製程,並由 Samsung Foundry 參與合作,合作期限至 2033 年。預計推出時程為 2029–2030 年。
投資人不應忽略一個細節:這些是路線圖預測,不是經獨立驗證的基準測試結果。Tesla 仍須將設計化為可靠的晶片、大規模量產,並證明其效能能轉化為更出色的實際 AI 應用。
為何這可能不只影響電動車業務
推論晶片負責處理經訓練的 AI 模型所做出的決策。對 Tesla 而言,這使相關硬體在自動駕駛與未來車輛智慧化方面具有策略重要性。
如果 Tesla 能開發更強大的處理器並有效部署,就能更全面掌控硬體路線圖、降低對外部晶片供應商的依賴,並最佳化軟硬體組合。相同的專業能力也能支援機器人及其他 AI 系統。
但打造晶片只是整體的一部分。實際效能取決於軟體、資料品質、能源效率、散熱、安全驗證,以及量產足夠數量的能力。理論上提升 80 倍,並不代表自動駕駛能力就會自動提升 80 倍。
市場正在為更宏大的故事定價
提供的快照顯示,Tesla 股價約為 $358.16。最新可取得的 11 月 6 日市場收盤價為 $358.22,當日上漲 4.23%。據報導,該股市值約為 1.42 兆美元,過去 12 個月本益比接近 394。
這樣的估值告訴我,市場並非只把 Tesla 視為一家傳統車廠。投資人也在為自動駕駛、機器人、AI 基礎設施,以及未來由軟體帶動的營收預期賦予價值。
然而,財務狀況仍然重要。最新公布的第三季數據顯示,營收約為 280.5 億美元,而過去 12 個月淨利約為 32.2 億美元。如果獲利成長未能跟上預期,高估值就幾乎沒有留下失望的空間。
技術面:反彈仍待確認
11 月 6 日當日收於 $358.22,盤中在 $347.60 至 $363.84 之間交易,成交量約為 3,670 萬股。該股仍低於據報導約為 $372.14 的 50 日移動平均線,以及約為 $383.87 的 200 日移動平均線。RSI 約為 42.4,顯示動能尚未回到強勢多頭區間。
就我的觀察清單而言,第一個重要區間是 $363–$364。若能持續站上該區間,短期反彈型態可能改善。接下來要留意的阻力區約在 $372 和 $384,移動平均線所在位置可能帶來額外賣壓。
下行方面,根據最新交易時段區間,$347–$348 是附近第一個支撐區。若明確跌破,市場將再次關注較大的 $330 區間,其次是接近 $297 的 52 週低點區域。這些是觀察區間,不是保證會出現轉折的位置。
我的每週觀點:技術是催化劑,執行才是考驗
我認為 Tesla 的路線圖是重要的長期進展,因為這顯示公司重新投入自研 AI 硬體。Dojo D3、堆疊式 HBM、先進小晶片封裝,以及 SI 加速器系列的結合,可能強化 Tesla 掌控 AI 運算生態系的能力。
但我不會在交付多年以前,就以 80 倍效能目標為公司估值。我希望看到可運作的晶片、獨立效能測試結果、製造進展、實際部署,以及自動駕駛業務經濟效益的可衡量改善。
接下來幾週,我會留意 TSLA 能否收復關鍵移動平均線、成交量是否支撐反彈,以及 Tesla 是否提供更多 AI 硬體計畫的具體證據。
最大的問題不是 Tesla 能否公布雄心勃勃的晶片路線圖,而是公司能否將這份路線圖轉化為可靠的產品、可擴大規模的部署,以及更強勁的獲利。
這就是令人振奮的科技故事與永續投資論點之間的差異。
#Tesla
#WCTCS9