Skip to content
AI-Daily-Builder

2026-06-18 — views

Physical AI 半導体サプライチェーン — Nvidia Orin vs Thor vs Tesla FSD チップ

Nvidia Orin vs Thor vs Tesla FSD チップ：AV 推論コンピューティングのサプライチェーン（TSMC・三星・先進パッケージング）が Physical AI の量産拡大を制約する構造を解説。

Physical AI ベンチマークシリーズ 第102回 — Physical AI 半導体サプライチェーン：Nvidia Orin vs Thor vs Tesla FSD チップ、そしてなぜすべての AV 内のコンピュートスタックが量産拡大の戦略的制約となるのか

すべての自動運転車両は、本質的に走行中の推論クラスターである。前方カメラのフレームが到着した瞬間、ニューラルネットワークは50ミリ秒以内に物体分類、深度推定、軌道予測を完了し、制御コマンドを出力しなければならない——熱的・電力的に制約された車両環境の中で、フィールド障害は一切許されない。そのニューラルネットワークを実行するチップは汎用品ではない。戦略的に設計され、地政学的に集中しており、数年の開発期間を要するアーティファクトであり、特定の車両プラットフォームでどのAIアーキテクチャが物理的に実現可能かを決定する。しかし、半導体サプライチェーン分析は消費者向け自動運転報道からほぼ完全に欠落している。本稿は、これを Physical AI シリーズのベンチマーク次元として体系的にマッピングする。

第1節 — AV 推論コンピューティングの全体像

すべての車載コンピューティングが同じ機能を果たすわけではない。商用自動運転車両には少なくとも4つの異なるコンピューティング層が必要であり、それぞれ異なる性能要件、安全認証、サプライチェーン要件を持つ。

コンピューティング層機能主要プレーヤー
センサー前処理カメラ・LiDAR・レーダーからの生データクリーニング、時刻同期、基本フィルタリングMobileye EyeQ、Texas Instruments TDA、内製
知覚推論センサーデータ上での物体検出・セグメンテーション・深度推定ネットワークの実行Nvidia Orin/Thor、Tesla FSD チップ、Qualcomm Snapdragon Ride
計画・制御知覚出力から軌道予測・車両制御コマンドへの変換エンドツーエンドシステムでは知覚と同一チップ上で動作することが多い
冗長性 / 安全モニターメインコンピュートを監視し緊急停止をトリガーできる独立安全プロセッサInfineon、Renesas、STMicro（自動車安全認証取得）
クラウドトレーニング車両に搭載されるニューラルネットワークのトレーニング——車載ではなくデータセンターで実施Nvidia H100/A100（Tesla：Dojo D1 推定）、AMD Instinct、Google TPU

エンドツーエンドAI走行アーキテクチャへの移行は、車両あたりのTOPS要件を大幅に引き上げた。第1世代ADASシステムが必要とするTOPSは5～10に過ぎなかったが、大規模Transformerモデルを実行するエンドツーエンドシステムは車両あたり200～2,000 TOPSを必要とする場合がある。この要件格差こそ、OrinとThorの世代差が漸進的改善ではなく、走行スタックのアーキテクチャ転換を目指したものである理由だ。

第2節 — Nvidia Drive Orin：現行標準

2026年中頃時点で、Nvidia Drive Orinは支配的なAV推論チップである。高TOPS、柔軟なプログラマビリティ、広範なOEM採用の組み合わせにより、プレミアム自動運転システムのデファクトリファレンスプラットフォームとなっている。

Orin 次元詳細
アーキテクチャ12コア Arm Cortex-A78AE + 2048コア Ampere GPU + 専用DLA（Deep Learning Accelerator）ユニット
性能チップあたり最大 254 TOPS
消費電力構成により45～60W TDP
プロセスノードSamsung 8nm（一部バリアントは TSMC 7nm と推定）
AV 展開先Mercedes EQS/S-Class DRIVEシステム；Volvo EX90；Lucid Air；XPENG；Li Auto；Waymo（推定）——プレミアムAV車両で支配的
価格（推定）自動車量産規模でチップあたり100～300ドル（推定）
マルチチップスケーリングデュアルOrin = 508 TOPS；高端AV プラットフォームはデュアルOrin以上を使用
競合Mobileye EyeQ Ultra（2024～2026年ターゲット）、Qualcomm Snapdragon Ride Elite、Tesla FSD チップ（独自）

OrinのDLA統合は、推論ワークロードでの電力効率においてGPUコア単独を大きく上回る。また、NvidiaのDRIVEソフトウェアスタック、CUDAツールチェーン、Isaacロボティクスプラットフォームは、OEMエンジニアリングチームに馴染みのあるプログラミングインターフェースを提供し、強力なソフトウェアロックインというモートを形成している。

第3節 — Nvidia Drive Thor：次世代

Nvidia Drive Thorはその後継であり、2025年から2026年の量産車両をターゲットとしている。最も破壊的なアーキテクチャ的特徴は統合だ：Thorは複数のチップを1つに置き換える。

Thor 次元詳細
アーキテクチャAV コンピュート + 車載インフォテインメント（IVI）+ ADAS を統合する単一チップ
性能2,000 TOPS（Orinの254 TOPSの約8倍）
プロセスノードTSMC 4N（4nmクラス）
消費電力（推定）約150W TDP（推定）——Orinより高く、車両の熱設計が制約となる
主要デザインウィンBYD（世界最大のEVメーカー）が次世代車両へのDrive Thor採用を発表
アーキテクチャ優位性Blackwell GPUアーキテクチャ；Attention ベースNNのためのTransformer Engine；エンドツーエンド走行モデルを加速
重要性コンピュート世代が、どのAIアーキテクチャが車上で実際に展開可能かを決定する

Thorの統合プレイは単純な性能アップグレードではなく、システムレベルのアーキテクチャ的賭けだ。TSMC 4Nプロセスノードへの移行は、Nvidia Driveチップが初めてTSMCで製造されることを意味し、OrinのSamsung集中リスクをThorの台湾TSMC集中リスクへ転換する。BYDのデザインウィンは最重要の商業シグナルであり、その年産規模を考えると、Nvidiaの自動車収益セグメントへのインパクトは計り知れない。

第4節 — Tesla FSD チップ：内製の代替案

TeslaはHardware 3（2019年）以来、FSDスタック用の推論チップを自社設計している。Nvidiaハードウェアを購入するのではなく自社設計を選択したことは、自動車業界における最も影響力のある垂直統合の決断の一つだ。

Tesla FSD チップ次元詳細
設計完全カスタム——Teslaのシリコンチームが設計（AppleからリクルートされたPete Bannonが主導）；Arm CPUコアなし；Teslaのカメラパイプラインニューラルネットワーク推論に最適化
製造TSMC 7nm（HW3 / FSD チップ1）；TSMC 7nm+（HW4 / FSD チップ2 推定）
性能HW3：チップあたり144 TOPS（車1台に2チップ = 288 TOPS）；HW4：300～500+ TOPS（推定）
コスト優位性（推定）内製設計でTSMCから大量にシリコンを購入することは、同等性能のNvidiaチップを購入するより40～60%安い（推定）
サプライチェーン独立性TeslaはNvidiaのチップ割り当て制約や価格設定に縛られない；FSDコンピュートのサプライチェーンを自社でコントロール
カスタマイゼーションTeslaは自社の特定のニューラルネットワークアーキテクチャに合わせてチップアーキテクチャを精密に最適化できる
リスクTeslaのニューラルネットワークアーキテクチャが FSD チップで提供できないコンピュートを必要とする場合、次チップ世代（12～18ヶ月のシリコン開発サイクル）を待たなければならない
Dojo チップ（D1）FSD チップとは別；トレーニングのみ（Dojoデータセンター）；車両には搭載されない

内製シリコンの決断は、AVコンピュートスタックにおけるTeslaの最重要な構造的優位性だ。Teslaのニューラルネットワークアーキテクチャに特化したチップを設計することで、多様なOEM要件に応える汎用チップよりもワットあたりの有効TOPSを大幅に引き出すことができる。コスト優位性はTeslaの規模において複合効果をもたらし、40～60%のコスト削減は合理的な推定（est.）だが、正確な数値は公開されていない。リスク面も現実的であり、チップ開発サイクルは18～36ヶ月を要する。アーキテクチャの柔軟性が垂直統合の代償となる。

第5節 — 地政学的サプライチェーンリスク

リスク次元詳細
TSMC集中Tesla FSD チップとNvidia Thorはともにほぼ全てTSMC（台湾）で製造；世界の先進ノード（7nm以下）チップの約90%がTSMCで生産；台湾の地政学的リスクはサプライチェーンの実存的変数
OrinのSamsung 8nmNvidia OrinはSamsung 8nmを使用；Samsung Foundry 平沢工場（韓国）——台湾のTSMCほど地政学的リスクは高くないが、依然として集中している
米国輸出規制Nvidia Drive Orin/Thorは中国の自動車AI用途への輸出規制がある；中国のAV企業は国産代替品を使用する必要がある
Horizon Robotics Journey 6中国国産AVチップ；128～256 TOPS（推定）；旧Orinと低性能層で競合
HBM（高帯域幅メモリ）高性能AIチップはSK HynixまたはSamsungのHBMを必要とする；SK Hynixが主要サプライヤー；韓国集中がサプライチェーンリスクを増す
先進パッケージング（CoWoS、InFO）AIチップの2.5DパッケージングはほぼTSMCのCoWoSプロセスに独占されている；パッケージング容量がNvidia H100/H200供給の制約要因となった

輸出規制変数はグローバルAV半導体市場を二分する：中国外ではNvidiaが支配的、中国国内では国産チップが支配的、Teslaは独自のFSDチップ（Nvidiaの輸出規制の対象外）で両市場に独自の地位を占める。先進パッケージングはウェーハ生産とは独立したボトルネックとして浮上しており、パッケージング容量の拡張タイムラインは18～24ヶ月だ。

第6節 — 量産拡大のベンチマーク指標としてのコンピュート

コンピュートベンチマークTeslaWaymo（推定）中国AV（推定）
車載推論チップ独自FSD チップ（TSMC）Nvidia Orin（推定、デュアルチップ）Horizon Robotics Journey 6 / Huawei MDC
車両あたりTOPS（推定）288+ TOPS（HW3）；500+ TOPS（HW4 推定）508+ TOPS（デュアルOrin 推定）128～256 TOPS（推定）
サプライチェーン独立性高（独自チップ；TSMC供給契約）低～中（Nvidia割り当て依存）中（国産チップ；米国輸出規制なし）
車両あたりチップコスト（推定）低い（内製設計の経済性）高い（Nvidia量産価格）低い（国内価格）
次世代チップタイムラインHW5（推定 2026～2027年）；おそらくTSMC 3nmThor採用（推定 2025～2026年）Journey 7 / Ascend 自動車版（推定）

3つの構造的観察：第一に、Teslaの内製シリコンは非中国市場において最強のサプライチェーン独立性をもたらす。第二に、WaymoのNvidia依存は実際の運用上の制約だ。第三に、中国AVエコシステムのTOPS格差は、最も計算集約的なエンドツーエンドAI走行アーキテクチャを展開する際の実際の制限となる。コンピュート世代のリズム——約3～4年に1世代、TOPS改善倍率4～8倍——がAVスタックのアーキテクチャ進歩のテンポを決定する。Physical AIの量産拡大タイムラインは、チップタイムラインから切り離して分析することはできない。

注意： 本稿のすべての性能数値、コスト推定、サプライチェーン評価、市場構造観察は、2026年中頃時点の公開された企業発表、技術文書、報道、アナリストリサーチに基づいている。「（推定）」と記された数値は方向性の推定であり、確認された仕様として扱うべきではない。本稿は投資助言を構成しない。

ソース

タグ

#semiconductor#nvidia#tesla#physical-ai#benchmark#autonomous-vehicles#supply-chain#tsmc
チップ