Pabilis ang AI arms race ni Musk

Pinaplano ang kaharian ng chips.

May-akda | Chai Xuchen  Editor | Zhang Xiaoling

Sa industriya ng teknolohiya, ang batas ni Moore ay gaya ng isang parola na gumabay sa mabilis na pag-usad ng semiconductor industry. Gayunpaman, habang sumasabog ang pangangailangan para sa AI hardware, determinado si Musk na buwagin ang mga higanteng Nvidia at AMD gamit ang kanyang matinding ambisyon.

Kamakailan, inilabas ni Musk ang kanyang sariling "power computing combo": mula sa AI5 na natapos na ang disenyo, hanggang AI6 na pinagsasama ang training at inference, at AI7 na nakatuon sa space computing. Maging ang Dojo supercomputer project na inakalang natigil ng iba ay muling bubuhayin.

Habang nagpapakawala siya ng mga "big moves" sa industriya, sabay din niyang direktang nire-recruit ang mga AI chip engineer. Ang target niya: maglabas ng bagong chip kada 9 na buwan, lampasan ang bilis ng kasalukuyang market iteration, at magtayo ng sariling wafer fab para kontrolin ang silicon mula sa simula.

Dahil sa likod ng ekosistema ni "Iron Man" Musk, ang matinding pangangailangan ng bawat business line sa chip production ay ginawang susi ang supply chain capability at bilis ng technological iteration sa pagpapalawak ng kanyang imperyo.

Kapag pinag-isa ang mga senyas na ito, lumilitaw ang isang napakalaking ekosistemang teknolohikal na sumasaklaw sa autonomous driving, robotics, satellite communication, at brain-computer interface. Ang lalaking minsang nagpabago ng industriya ng kotse at rocket ay handa na ngayong baguhin ang mapa ng AGI era.

1

Pangkalahatang Pagsasama ng Compute Power

Noong Enero 19, nag-post si Musk at inanunsyo na halos tapos na ang disenyo ng AI5 chip nila, handang pagsamahin ang smart cars at robots. Ang susunod na henerasyong “AI6” chip ay sinimulan na ring idevelop, para sa unified training at inference, pwedeng gamitin sa robots at data centers. Sinabi pa ni Musk na maglalabas ang Tesla ng AI7, AI8, AI9 atbp, at target na matapos ang design cycle sa loob ng 9 na buwan.

“Inaasahan naming ang total chip output namin ay hihigit pa sa kabuuan ng lahat ng AI chips ng iba,” wika ni Musk nang may kumpiyansa. “Hindi ako nagbibiro.”

Para maunawaan ang pagkabalisa at ambisyon ni Musk, kailangang maintindihan ang tatlong pangunahing baraha niya—AI5, AI6, at AI7 na kumakatawan sa paradigm shift sa teknolohiya.

Ang AI5 na halos tapos na ang disenyo, na kilala rin bilang HW5.0, ay ang tagapanguna ng pagbabagong ito. Inasahan ng Tesla na mas malakas ng 50 beses ang performance ng AI5 kumpara sa AI4. Sabi ni Musk, napakalakas ng chip na ito—ang single SoC performance ay maihahalintulad sa Nvidia Hopper, at ang dual-chip setup ay malapit sa Blackwell, pero napakababa ng cost at power consumption.

Sa estratehiya ni Musk, higit pa sa intelligent driving ang halaga ng AI5. Binigyang-diin niya na ang AI5 ay ilalagay di lang sa sasakyan, kundi gagamitin din ng robot na Optimus. Magkakaroon ng iisang FSD algorithm at hardware ang smart cars at robots ng Tesla sa hinaharap.

Maaaring sabihing ang AI5 ang mahalagang punto para sa “shared brain” strategy ng Tesla para sa kotse at robot.

Habang mabilis na nag-e-evolve ang Tesla Optimus humanoid robot, kailangan ni Musk ng chip na kayang gumana sa high-speed car environment at sa complex limb control ng robot.

Ang pagdating ng AI5 ay nangangahulugan ng pag-aalis ng hardware barrier sa pagitan ng kotse at robot ng Tesla—gagamitin ang iisang “utak” para paandarin ang mga gulong at mga binti, na magpapababa ng R&D cost at magpapabilis sa data reuse sa iba-ibang terminal.

Kung ang AI5 ay dagdag sa tradisyunal na logika, ang AI6 naman ay layuning baguhin ang foundational architecture ng industriya. Tinukoy ito ni Musk bilang "training-inference integrated" chip, na isang hamon sa kasalukuyang AI infrastructure.

Sa AI industry setup ngayon, magkaiba ang chips para sa data center model training (hal. Nvidia H100) at para sa terminal inference (hal. FSD chip sa kotse)—magkaibang precision, memory, at power design.

Ngunit layunin ng AI6 na sirain ang pader na ito—isang silicon chip na pwedeng ilagay sa kotse para sa real-time road data, at pwede ring pagsama-samahin sa data center para mag-train ng neural networks 24/7.

Kapag nagawa ito, tuluyang mawawala ang compute power barrier sa pagitan ng edge at cloud ng Tesla—bawat Tesla sa garahe ay maaaring maging node ng isang supercomputer habang naka-idle. Malaki ang potential ng distributed compute power na ito.

Ang AI7 naman ay hayagang nagpapakita ng interstellar ambition ni Musk. Ang chip na ito ay para sa “space computing”—hindi na limitado sa Earth, kundi dinisenyo para harapin ang radiation at heat dissipation sa outer space.

Ang pangunahing kliyente ng AI7 ay ang Starship at Starlink ng SpaceX. Sa pangarap ni Musk, dapat ang intelligence ay hindi lang confined sa data centers sa Earth kundi dapat global at interplanetary via satellite network. Ang AI7 ang magiging neuron ng space-based internet, magpapatupad ng distributed computing para gawing multi-planetary species ang tao.

Tungkol sa Dojo project, na dati'y napabalitang itinigil dahil sa performance issues at pag-alis ng core staff, ang high-profile na pagbabalik nito ay nagpapakitang alam na ni Musk na hindi sapat ang chip design—dapat sabayan ito ng matching training cluster architecture.

Itinuturing ang Dojo bilang pundasyon ng AI ambition ng Tesla, na maaaring magdala ng performance leap sa autonomous driving video data processing at neural network optimization. Tantiya ng Morgan Stanley, kapag fully utilized ang Dojo, posibleng tumaas ng bilyong dolyar ang valuation ng Tesla.

2

Pagsubok sa Pisikal na Hangganan

Sa tradisyunal na automotive industry, ang cycle ng chip iteration ay kadalasang umaabot ng tatlo hanggang limang taon. Kahit ang Apple na hari ng consumer electronics ay may yearly update lang. Ang target ni Musk na “9 buwan kada henerasyon” ay tila kabaliwan at tila lumalabag sa pisikal na batas ng semiconductor engineering.

Tatlong malalakas na dahilan ang nag-uudyok sa napakabilis na pagbilis na ito.

Una, ang bilis ng pag-angkin ng algorithm sa hardware ay wala nang kontrol. Ang FSD (Full Self Driving) ng Tesla ay lumipat na sa end-to-end neural network architecture—ibang-iba sa dating rule-based code, ito'y parang black box na pinapakain ng napakaraming video data para maging “intelligent”.

Sa architecture na ito, bawat dagdag ng isang order of magnitude sa parameters ng modelo ay nagdudulot ng quantum leap sa intelligence. Ang software team ng Tesla ay mas mabilis mag-iterate ng algorithms kaysa hardware na sinusunod ang batas ni Moore. Kung mananatili sa three-year hardware cycle, ang pinaka-advanced na algorithms ng Tesla ay mababalahaw sa luma at limitadong chips sa loob ng mahigit dalawang taon.

Sabi ni Musk, mangangailangan ang Tesla ng “100 milyon hanggang 200 bilyong” AI chips kada taon sa hinaharap—hindi katanggap-tanggap na hadlangan ng hardware ang software.

Pangalawa, ito lang ang paraan para maagaw ang timing window ng embodied intelligence. Ilang ulit nang iginiit ni Musk na ang humanoid robot na Optimus ang magiging trilyon-dolyar na backbone ng Tesla, lampas pa sa kotse.

Hindi tulad ng kotse na gumagalaw lang sa 2D plane, ang robot ay kailangang mag-operate sa 3D space ng napakakomplikadong balanse, paghuli, at interaksyon. Mas mataas ang demand sa real-time compute power, low latency, at energy efficiency. Tantiya ni Musk, ang susunod na 3-5 taon ang magiging window para sa humanoid robot explosion at standard setting, gaya ng simula ng smartphone era.

Kung hindi makaka-establish ng absolute technology lead ang Tesla sa panahong ito dahil sa hardware iteration, at makahabol ang mga kakumpitensya, mawawala ang first-mover advantage. Ang 9 buwan kada henerasyon na “crazy run” ay para magtayo ng makapal na pader ng compute power bago sumabog ang industriya.

Panghuli, ito ay para maiwasan ang pagdepende sa external compute power.

Bagamat malaking kliyente ng Nvidia ang Tesla, alam ni Musk na sa AI gold rush, hawak ng Nvidia ang presyo at allocation power. Sa paparating na milyon-milyong fleet, bilyong robots, at libo-libong satellites, kung fully dependent sa external sourcing ang compute power, mauubos ang business profit sa hardware cost.

Higit pa rito, hindi tugma sa “first principles” ni Musk ang pagpaubaya ng lifeline ng kumpanya kay Jensen Huang. Sa mabilis na iteration kada siyam na buwan, target ng Tesla na talunin ang general GPU sa efficiency gamit ang dedicated ASIC chips, at makuha ang pricing power.

3

Ultimate Vertical Integration

Ang chip roadmap spoiler ay simula pa lamang. Ang tech giant na tinalo na ang mga frontier ng AGI, autonomous driving, embodied intelligence, commercial space, at brain-computer interface ay may bagong plano: magtayo ng sariling 2nm “TeraFab” (trillion-level wafer fab).

Para sa kanya, bagamat itinuturing na duopoly ng industriya ang TSMC at Samsung, at parang makina ng pera, mabagal silang mag-expand ng production capacity.

Matagal nang gumagamit ang global tech giants ng Fabless model—design lang sila, manufacturing ay outsource sa TSMC o Samsung.

Ngunit nire-review na ni Musk ang division na ito. Ang global “chip shortage” noong pandemic ay nagdulot ng trauma sa automotive industry—ang mga araw ng tigil-produkto dahil sa kulang na chips ay hindi malilimutan ni Musk.

Kaya ipinanganak ang TeraFab na may planong 100,000 wafers kada buwan sa simula, at 1 milyon kada buwan sa dulo—isang tugon ng xAI, Tesla, Optimus, SpaceX, at Neuralink sa hamon ng global semiconductor capacity kasabay ng sabay-sabay na paglago sa 2025-2026.

Ayon sa mga insiders, kung may sariling chip design at tightly coupled manufacturing capability—maging sariling linya ng produksyon—hawak na ng Tesla ang supply chain sovereignty at hindi na aasa sa schedule at allocation ng mga foundries.

Ang mas malalim na kwenta ay ang matinding pagkurot sa cost at energy efficiency. Pinatunayan na ng BYD sa power semiconductors na ang IDM (integrated design-manufacturing) model ay asset-heavy pero kapag scale na, ang cost advantage ay nakakatakot.

Kapag kailangan nang mag-supply ng chips para sa milyon-milyong kotse, sampu-milyong robots, at libo-libong satellites, hindi lang ito procurement cost issue kundi energy optimization issue din.

Ayon sa mga tao sa chip industry, ang generic manufacturing process ay laging may compromise para sa lahat ng kliyente. Ang sariling chip production ay nagbibigay sa Tesla ng kakayahang mag-optimize mula sa atomic level ng transistor arrangement—tanggalin ang lahat ng unnecessary circuits at panatilihin lang ang pinaka-efficient para sa FSD at Optimus neural networks.

Habang hindi pa breakthrough ang battery energy density, ang energy efficiency na galing sa fabrication process ang direktang magtatakda ng battery life ng robots at driving range ng kotse.

4

Pusta at Hinaharap

Sa likod ng mga nakakabighaning teknikal na termino at agresibong timeline, makikita natin ang mahigpit na AI ecological loop na binuo ni Musk. Sa loop na ito, bawat bahagi ay nagbibigay ng sustansya sa kasunod, at nagtutulungan.

Sa pinaka-unahan ng ekosistemang ito ay ang milyon-milyong Tesla na umaandar sa buong mundo, na parang malalaking antenna na walang tigil sa pagkolekta ng tunay na pisikal na data. Ang data na ito ang pinakamahalagang gasolina ng AI training. Kasabay nito, ang paparating na mass-produced na Optimus robot ay magpapalawak ng data collection mula kalsada hanggang bahay at pabrika, na magpapayaman pa sa data dimension.

Ang napakaraming data na ito ay tuloy-tuloy na itinatapon sa cloud, kung saan naghihintay ang muling pinaganang Dojo supercomputer at napakaraming AI6 chips. Walang tigil silang “kumakain” ng data para mag-train ng mas malalakas na end-to-end neural networks. Ang mga modelong ito ay agad namang nai-de-deploy sa kotse at robot gamit ang OTA, para mas maging matalino ang mga ito.

Sa ibabaw ng lahat, naroon ang Starlink satellite network na suportado ng AI7 chips. Hindi lang nito tinutugunan ang blind spot ng ground base stations, kundi nagtatayo ng space-based compute network. Sa hinaharap, kapag bumibiyahe ang Tesla sa disyerto, o nagtatrabaho ang Optimus robot sa minahan, pwede silang makakuha ng real-time compute support mula sa kalawakan, hindi na limitado ng lokal na chip performance.

Sa grandeng planong ito, ang chip ang nagsisilbing dugo ng ekosistema, at ang “9 buwan kada henerasyon” na iteration speed ang heart rate ng dambuhalang organismong ito.

Alam ni Musk na sa huli, ang labanan sa artificial intelligence ay labanan sa compute power—pero mas mahalaga ang bilis ng evolution ng compute power. Kung sino ang pinakamabilis mag-transform ng buhangin sa compute power, at pinakamurang mag-convert ng kuryente sa intelligence—siya ang magtatakda ng mga patakaran sa hinaharap.

Siyempre, punong-puno ng risk ang mga galaw ni Musk. Ang sariling wafer fab ay isang “money-eater” sa semiconductor industry, na maaaring hindi bumalik ang daan-daang bilyong dolyar na investment sa maraming taon. Bukod pa rito, ang pagbitaw sa open Nvidia ecosystem at pagsugal sa closed Dojo hardware-software system ay magdudulot ng matinding sunk cost at time loss kung magkamali ng direksyon.

Ngunit kung titingnan ang kasaysayan ng Tesla—mula sa pagpupumilit sa pure vision hanggang sa pagtanggal ng radar—palaging lumalaban at tumataya si Musk. Hindi lang siya gumagawa ng kotse o robot; sinusubukan niyang lumikha ng “silicon-based life” na may kakayahan sa self-evolution sa pamamagitan ng ultimate control sa physical compute power.

Para sa global tech industry, ang compute power surge ng Tesla ay isang babala at panawagan. Sinasabi nitong ang AI hardware war ay hindi na lang paramihan ng specs kundi bilisan ng iteration at pagbuo ng closed ecosystem. Sa digmaang ito, ang mga hindi makakasabay ay baka mawalan ng puwesto sa larangan.

Pinapatunayan ni Musk, sa halos obsessive na paraan: Sa daan patungo sa AGI, ang may control sa compute power sovereignty lang ang makakahawak ng susi sa hinaharap.