Tesla heeft de onzekerheid weggenomen: de komende chips voor autonome rijtechnologie, AI5 en AI6, worden parallel geproduceerd bij Samsung en TSMC, met fysiek iets verschillende versies maar identiek gedrag op softwarematig niveau, zo bevestigde Elon Musk. Deze stap versterkt de strategie van dubbele leveranciers om volume te waarborgen, risico’s van yield te verminderen en onderhandeling over capaciteit te verbeteren in een markt waar de vraag naar silicium voor AI de aanbod overstijgt.
Deze aankondiging corrigeert de indruk die Musk eind oktober gewekt had, toen hij insinueerde dat de fabriek van Samsung in Taylor (Texas) “licht geavanceerder” zou zijn dan die van TSMC in Arizona (Fab 21), wat een mogelijk eenzijdig fab benadering voor de meest ambitieuze chip van Tesla suggereerde. Uiteindelijk is het plan dual vanaf AI5 en wordt dit voortgezet met AI6, dat belooft de prestaties te verdubbelen ten opzichte van zijn voorganger met behoud van dezelfde fabrikanten.
Wat betekent “twee fabs, één chip”
In de halfgeleiderindustrie is dual-sourcing geen zeldzaamheid: grote klanten diversifiëren vaak om leveringsdeadlines en -volumes te waarborgen. Musk legt uit dat Samsung en TSMC hetzelfde logische ontwerp op verschillende manieren naar silicium vertalen, zodat er “fysiek verschillende” versies van AI5 (en later AI6) zullen zijn. Het belangrijkste punt is dat de software van Tesla gelijk zal functioneren op beide versies, zonder wijzigingen voor de bestuurder of voor de vloot.
Naast het waarborgen van de levering biedt deze strategie ook industriële marge: als de ene fabriek onder druk staat, kan de andere fab een deel van het productieplan opvangen; en het stelt Tesla in staat om kosten, prestaties en tijdschema te balanceren tussen twee nodes en twee verschillende verpakkingsketens.
Prestaties: ambitieuze beloften (en zonder publieke metrics)
Tijdens de resultatenpresentatie van het derde kwartaal verzekerde Musk dat AI5 “40 keer” beter zal zijn dan AI4 (“niet 40%, veertig keer”), zonder specifieke metriek: dit zou kunnen verwijzen naar throughput, latentie, energie-efficiëntie of zelfs een combinatie van verschillende. Hij sprak ook over AI6 als een “fast follow” — ~2× ten opzichte van AI5 — met behoud van Samsung en TSMC als productiepartners.
Zonder technische specificaties is het verstandig om deze cijfers als doelen te beschouwen. Recente informatie plaatst AI5 met een tape-out die nog moet plaatsvinden en productie in 2026, hoewel sectoranalyses aangeven dat massaproductie kan verschuiven naar 2027, iets wat gewoonlijk voorkomt bij projecten van deze omvang. De dubbele fab helpt juist deze risico’s te beperken.
Waarom dit voordelig is voor Tesla (en hun AI-roadmap)
De reikwijdte van deze chips gaat verder dan FSD. In Musk’s visie zullen AI5/AI6 ook de humanoïde robot Optimus en andere opkomende systemen aansteken, waardoor de volumevereiste aanzienlijk zal zijn. Afhankelijk zijn van één enkel fab in de VS brengt risico’s met zich mee (op het gebied van capaciteit, deadlines en kosten). Met Samsung Taylor en TSMC Arizona in parallel, wint Tesla aan veerkracht:
- Capaciteit: meer potentiële wafers in een markt die onder druk staat van generatieve IA.
- Onderhandelingen: grotere onderhandelingskracht qua prijs en allocaties.
- Tijdschema: verminderde risico op knelpunten als een fabriek aanpassingen of langzamere ramp-ups ondervindt.
Technisch gezien streeft het bedrijf ernaar om verschillen in proces en verpakking te abstraheren om een gelijke uitvoeringsplatform te bieden in de hele vloot, ongeacht waar de chip is vervaardigd.
Verdringt het Nvidia? Te vroeg om te zeggen
Musk heeft zelfs beweerd dat de nieuwe generatie veel goedkoper en efficiënter zal zijn dan de referentie-GPU’s op de markt. Zonder officiële gegevens is het belangrijk om te contextualiseren: Tesla ontwerpt specifieke ASICs voor hun doeleinden (perceptie, planning en controle), terwijl Nvidia generalistische GPU’s levert die zijn gericht op training en inferentie van verschillende modellen. Dit is geen “één-op-één” vergelijking. Als Tesla erin slaagt om prestatie/€ in hun domein te vermenigvuldigen, zal dit de afhankelijkheid van externe bronnen voor inference at the edge van het voertuig en de robotica verminderen; maar de verificatie komt met echte silicium en benchmarks in het openbaar.
Tentatieve tijdlijn
- AI5: in ontwikkeling; tape-out nog in afwachting; doelproductie 2026 en initiële implementaties afhankelijk van de ramp van yield.
- AI6: ~12 maanden later; doel ~2× ten opzichte van AI5, met behoud van Samsung/TSMC; tijdschema 2027/2028 afhankelijk van de ramp.
- AI7: Musk beschrijft deze als “meer gewaagd”; mogelijk verandering van node en partners, maar er zijn geen details.
Wat nu te volgen
- Node en packaging: of AI5/AI6 gebruik maakt van geavanceerde nodes in de VS (Arizona/Texas) en welke interconnectietechnologieën worden aangenomen (CoWoS, I-Cube, SoIC, etc.).
- Yield en kosten: het evenwicht tussen procesrijpheid (TSMC) en state-of-the-art apparatuur (Samsung Taylor).
- Functionele pariteit: of de softwareabstractie het mogelijk maakt dat beide versies gelijk functioneren in de vloot op grote schaal.
- Tijd naar volume: of de ramp de periode 2026–2027 bevestigt of dichter bij 2027–2028 ligt.
Veelgestelde vragen
Waarom AI5/AI6 tegelijkertijd bij Samsung en TSMC produceren?
Om capaciteit te waarborgen, om redundantie te creëren voor mogelijke yield problemen en om de overgang van prototype naar volume te versnellen. In kritische en veelgevraagde chips is dual-sourcing een standaard praktijk.
Zijn er verschillen tussen de versies van Samsung en TSMC?
Ja, fysiek (door hoe elke foundry het ontwerp naar silicium vertaalt), maar het doel is dat de software en de werkelijke prestaties gelijkwaardig zijn. Deze pariteit wordt gevalideerd door Tesla in hun AI-stapel vóór de implementatie.
Wanneer zullen AI5 en AI6 in productie komen?
Musk geeft aan AI5 in 2026 en AI6 ~een jaar later; sectoranalyses overwegen 2027 voor productie op grote schaal. Het is normaal dat er aanpassingen in de tijdlijn zijn totdat de chip “opwarmt” in de gekozen node.
Verdringt Tesla Nvidia?
Niet noodzakelijk. Tesla concurreert met specifieke ASICs voor hun stack; Nvidia domineert in training en generalistische inferentie. Dit zijn complementaire ruimtes. De sleutel voor Tesla zal zijn om de prestatie per watt en kosten per inferentie die in het veld zijn beloofd, waar te maken.
via: tomshardware