Physical AI 半導體供應鏈 — Nvidia Orin vs Thor vs Tesla FSD 晶片
Nvidia Orin vs Thor vs Tesla FSD 晶片:AV 推論運算供應鏈(台積電、三星、先進封裝)如何制約 Physical AI 的擴產節奏。
Nvidia Orin vs Thor vs Tesla FSD 晶片:AV 推論運算供應鏈(台積電、三星、先進封裝)如何制約 Physical AI 的擴產節奏。
雷射雷達從 2009 年每顆估 7.5 萬美元降至今日不到 1,000 美元。Tesla 純攝影機方案每輛車感測成本估比 Waymo 多感測器套件低 3-10 倍。
誰製造驅動實體 AI 車隊的晶片、感測器與致動器,以及哪些供應鏈瓶頸可能在軟體就緒後仍阻礙量產擴展。
為什麼值得讀 這不是資本支出那條頭條:NVIDIA 正把運算賣進「打造 NVIDIA 自家晶片」的供應鏈。cuLitho 的 20-50% 微影成本/週期時間削減才是承重數字——它決定先進製程晶圓多快、多便宜地放量。一個垂直迴圈。
在 GTC 台北,台積電於微影、模擬與檢測全面採用 NVIDIA 的 CUDA-X 堆疊,其中 cuLitho 將微影成本最高砍至五成。
為什麼值得讀 大家都盯著 GPU。但 AI 叢集仍需要主機 CPU 來餵資料,而 AMD 搶先把 256 核伺服器晶片放上最先進節點。真正的槓桿在於功耗牆下的能效——還伴隨一段低調的亞利桑那在地化故事。
AMD 宣布 EPYC「Venice」於台積電 2nm 製程量產(5/21)——256 核/512 緒,業界首款在該節點量產的 HPC 產品,效能較 Turin 提升逾 70%。
為什麼值得讀 追蹤的是「前段 vs 後段」比例,不是頭條的美元金額。先進製程從 37% → 53% 的轉折,才是決定下一代 Blackwell/MI400 是否如期出貨的變數 —— 也就是你 2027 年的推論成本曲線。
5/12 董事會:$312.8 億美元 capex + $200 億美元注亞利桑那。先進前段製程占 53%(2024-25 為 37%)—— 直讀 AI 加速器需求。