来源：The Street
刚刚过去的周末，特斯拉（TSLA）对英伟达（NVDA）投下了一记罕见的“双重重拳”。特斯拉首席执行官埃隆·马斯克披露，备受关注的 AI5 自动驾驶芯片已接近完成，而下一代 A16 已经启动研发。与此同时，在“推理（inference）”环节基本就位后，马斯克周日在 X 上表示，Dojo 3 正在重启，这意味着特斯拉在此前收缩之后，重新回到大规模 AI 训练的赛道。
不过，率先出手的其实是英伟达。该公司在 CES 2026 上发布了开源自动驾驶 AI 工具包 “Alpamayo”，目标是成为为众多品牌提供自动驾驶能力的默认平台。马斯克迅速回应，淡化了相关风险。
显然，这是自动驾驶（AV）产业的一个关键时刻：英伟达与特斯拉两大巨头之间的拉锯战正愈演愈烈。
特斯拉：打造覆盖全栈的“闭环生态”
对特斯拉而言，核心战略是构建一个覆盖整个自动驾驶技术栈的闭环体系，包括：
- 特斯拉自研车载计算（AI5“接近完成”，AI6 已在推进）
- 以摄像头为核心的软件栈
- 由自有车队驱动的数据飞轮
简言之，特斯拉希望将“自动驾驶”牢牢留在自己的强大生态系统内，而英伟达则试图为所有其他厂商提供算力与平台。
投资者视角：承诺不新，兑现更关键
对投资者而言，这些承诺并不新鲜，因此真正的考验在于执行与落地。
马斯克上周六在 X 上宣布，特斯拉的 AI5 自动驾驶计算芯片已接近完成，同时 AI6 正在研发中。
据其介绍，AI5 芯片由台积电（TSMC）代工，计划于 2027 年进入大规模量产，并将取代现有的 AI4 硬件。此外，特斯拉还已与三星电子达成合作，在美国本土进行芯片制造。
AI5 / AI6 的本质：车端“推理”，而非训练
AI 术语繁多，容易让人迷失。需要明确的是，A15 / A16（文中指 AI5 / AI6）的核心，是“边缘侧推理（inference at the edge）”——也就是在车内直接运行特斯拉的 FSD（完全自动驾驶）神经网络，而不是依赖第三方计算平台。
这样做带来的优势非常直接：
- 特斯拉不再需要英伟达的车载 SoC，或其完整的 DRIVE 平台
- 掌控单位成本、供应链议价权与芯片设计节奏
需要指出的是，特斯拉早在 2019 年就已在车载计算上逐步远离英伟达，因此这次并非“转向”，而是一次战略加码。
英伟达：为“所有人”的自动驾驶供能
与特斯拉的封闭路线相反，英伟达的目标是赋能所有车企，提供一条通往自动驾驶的“捷径”。
在 NVIDIA DRIVE 体系下，英伟达向车企出售的是一个高度集成的解决方案——几乎等同于“大脑 + 操作系统 + 工具箱”：
- DRIVE AGX 车载计算平台（如 Orin、Thor）
- 完整的软件栈（DRIVE OS、DriveWorks）
- DRIVE Hyperion 参考车辆平台（含已验证的传感器与架构）
- NVIDIA Halos 安全与验证工具
- 以及 Alpamayo 等强力 AI 模型，用于训练与仿真加速
对缺乏特斯拉十年自动驾驶积累、或无力投入数十亿美元研发的车企而言，这种“即插即用”的方案极具吸引力。
训练仍是英伟达的“主场”
特斯拉正在强化车端 AI 芯片，但在算力规模上，英伟达仍占据关键优势。
AI5 / AI6 专为推理而生，而训练前沿级模型是完全不同的挑战。
训练现代 AI 系统对算力的需求极其庞大。举例来说，Meta 曾表示，其 Llama 3.1（405B） 模型的训练，使用了 1.6 万块英伟达 H100 GPU。按每块约 700 瓦计算，仅 GPU 就需要 约 11.2 兆瓦的功率。
正是在这种规模、供给与生态层面，英伟达依然占据统治地位。
Dojo 3 回归，指向“混合未来”
特斯拉决定重启 Dojo 3，表明其再次尝试进入训练领域。但目前来看，这更可能指向一个混合模式的未来：
- 特斯拉将继续基于 AI5 / AI6 架构，提升自身训练能力
- 同时，在规模与经济性至关重要的地方，仍将依赖英伟达
只有当市场看到由特斯拉自研芯片支撑的大规模训练集群，并且有明确的吞吐量与成本数据作为佐证时，这场在训练端的竞争才会真正升级。