Waymo披露的定制传感器融合处理器，内部据报道被称为“carTPU”。它最准确的定位，是Waymo Driver面向传感器的一层计算前端：芯片接收高带宽传感器数据，完成预处理、特征提取和融合，再把机器学习表示交给更完整的车载驾驶计算系统。它是专用前端芯片，并不是能够独立承担全部自动驾驶任务的替代“大脑”。171

先看结论：这是主控之前的专用计算层

Waymo称，这是一颗采用5纳米工艺打造的定制ASIC，专门用于实时处理、融合原始传感器数据，并在数据进入核心机器学习系统前运行神经网络。公司的目标，是缩短从传感器接收到第一个像素，到下游系统获得可用于驾驶的表示之间的时间。1719

这一区分很重要。传感器融合处理器承担的是感知链路中计算量大、对延迟敏感的早期阶段；完整车载平台仍然是异构架构，结合定制机器学习技术、CPU、GPU及其他加速器，分别负责任务调度、数据搬运、记录等工作。1

因此，不能简单理解为“Waymo用一颗芯片替换了英伟达”。Waymo公布的硬件合作伙伴名单中仍包括Nvidia和AMD，此外还有Micron、Samsung、SanDisk、Socionext和TSMC。173

它实时融合哪些传感器？

Waymo公开说明明确提到三类传感器：

• 激光雷达（LiDAR）：提供三维环境信息；
• 毫米波雷达（Radar）：提供互补的目标探测与测距信息；
• 摄像头：包括系统中的高分辨率视频流。

这颗处理器负责对这些数据流进行实时处理、特征提取和神经网络传感器融合。Waymo还提到，它支持面向低光环境感知的时间去噪，也就是利用连续时间帧减少噪声。1

Hot Chips相关报道称，该系统可以同时处理13路高分辨率摄像头，并将摄像头、激光雷达和毫米波雷达生成的嵌入表示送入传感器融合编码器。158

需要注意的是，现有主要来源并未独立确认“麦克风数据由这颗ASIC进行融合”。Waymo第六代传感器套件确实包含车外音频接收器，但这本身不能证明音频数据已经纳入所披露芯片的融合流程。因此，麦克风融合目前不应视为已验证功能。23

Hot Chips披露的详细规格

目前最完整的参数主要来自Hot Chips演讲资料及相关报道，而不是Waymo在2026年8月20日发布的官方文章。报道给出的配置包括：1516

规格	报道中的信息
制程	TSMC 5纳米汽车级实现方案
封装	45×45毫米FCBGA
芯片面积	208平方毫米
内存	封装内LPDDR5X
内存带宽	273 GB/s
功耗	低于75瓦
机器学习性能	超过1000 TOPS
主机连接	PCIe Gen5 x8、25Gb以太网

这些封装、芯片面积、内存和功耗数字应理解为报道中的规格，而不是Waymo官方公告逐项独立确认的细节。Waymo官方内容确认了芯片的用途、5纳米制程、异构架构、超过1000 TOPS的说法以及合作伙伴生态；更底层的实现参数，则主要由二手Hot Chips报道补充。1715

异构架构的重点：不是只追求TOPS

据报道，该设计把Waymo自研的图像处理模块、视频编解码模块、MIPI传感器输入模块和片上暂存存储，与第三方GPU能力、PCIe Gen5、25Gb以太网及安全启动IP结合起来。相关资料还提到，每个处理单元配备2 MB分组式SRAM。1516

这套架构的重点并不只是把TOPS数字做大，而是追求确定性的低延迟执行，以及软硬件协同优化。演讲资料相关报道提到，Waymo采用“编译器优先”的执行方式处理大型“mega-kernel”，让软件栈与芯片可以围绕“传感器数据进入车辆—生成嵌入表示”这一整条路径共同调优。15

这反映了车载计算的现实约束：系统既要实时处理巨量数据，又要受限于功耗、散热、车内空间、震动以及故障容错。Waymo表示，其计算平台采用液冷，并配备两套独立计算引擎；如果其中一套发生故障，另一套可以接管工作。1

“1000 TOPS”不能单独说明自动驾驶能力

超过1000 TOPS无疑是最醒目的数字，但TOPS本身并不能完整衡量一台自动驾驶计算机的实际表现。还需要知道，这一数字对应哪些运算、模型运行效率如何、数据搬运开销多大，以及系统从原始传感器输入到形成有效表示究竟需要多长时间。

Waymo对这颗ASIC的定位，是针对自家传感器套件和模型优化的前端加速器。它试图在数据进入车辆的位置附近就完成处理，从而减少将所有原始数据直接送往通用中央处理器所带来的带宽压力和延迟。172

此外，现有报道尚未明确“超过1000 TOPS”是指单个计算引擎，还是包含冗余配置的两套引擎。因此，在Waymo进一步说明之前，不应把这个数字直接等同于可用于不同任务的有效系统吞吐量。14

Waymo真正想传达的战略信号

Waymo计算负责人Daniel Rosenband将目标描述为打造“超越人类、且事故远少于人类的驾驶者”，而不只是复制人类的感知方式。这一表述也伴随着对多传感器路线的辩护：摄像头并非唯一选择，激光雷达和毫米波雷达仍然具有重要价值。6

芯片策略与这一判断是一致的。Waymo正在围绕自动驾驶需求共同设计传感器、算法和硅芯片。其第六代Waymo Driver采用多模态感知系统，让高分辨率摄像头、成像雷达和激光雷达协同工作。22

Rosenband还谈到了更长期的目标，包括未来在车辆中运行规模大得多的人工智能模型，甚至达到万亿参数级别，并将车载计算设备从“披萨盒”大小逐步缩小到接近笔记本电脑的体积。6这些属于未来规划，并不是当前这颗处理器已经具备的能力。

Waymo这次到底公布了什么？

最清晰的结论并不是“Waymo造出了一颗可以单独驾驶机器人出租车的芯片”，而是：Waymo正在为自动驾驶中最棘手的早期环节打造专用计算流水线——把多路高带宽传感器数据，尽快转换成可靠、低延迟、可供主自动驾驶系统使用的表示。

目前可以确认的核心信息包括：一颗定制5纳米传感器处理ASIC、超过1000 TOPS的机器学习性能、对摄像头、激光雷达和毫米波雷达数据的实时融合、异构车载计算平台、冗余计算引擎，以及由多家芯片和存储厂商组成的合作网络。171

而45×45毫米封装、208平方毫米芯片、273 GB/s LPDDR5X带宽和低于75瓦功耗等更细节的数字，则主要来自Hot Chips相关报道。1511把这些信息放在一起看，Waymo展示的并非单纯追求更高算力，而是一种将延迟、可靠性、传感器多样性和能效放在同等重要位置的车端计算工程路线。

Waymo披露的定制传感器融合处理器，内部据报道被称为“carTPU”。它最准确的定位，是Waymo Driver面向传感器的一层计算前端：芯片接收高带宽传感器数据，完成预处理、特征提取和融合，再把机器学习表示交给更完整的车载驾驶计算系统。它是专用前端芯片，并不是能够独立承担全部自动驾驶任务的替代“大脑”。171

先看结论：这是主控之前的专用计算层

Waymo称，这是一颗采用5纳米工艺打造的定制ASIC，专门用于实时处理、融合原始传感器数据，并在数据进入核心机器学习系统前运行神经网络。公司的目标，是缩短从传感器接收到第一个像素，到下游系统获得可用于驾驶的表示之间的时间。1719

这一区分很重要。传感器融合处理器承担的是感知链路中计算量大、对延迟敏感的早期阶段；完整车载平台仍然是异构架构，结合定制机器学习技术、CPU、GPU及其他加速器，分别负责任务调度、数据搬运、记录等工作。1

因此，不能简单理解为“Waymo用一颗芯片替换了英伟达”。Waymo公布的硬件合作伙伴名单中仍包括Nvidia和AMD，此外还有Micron、Samsung、SanDisk、Socionext和TSMC。173

它实时融合哪些传感器？

Waymo公开说明明确提到三类传感器：

• 激光雷达（LiDAR）：提供三维环境信息；
• 毫米波雷达（Radar）：提供互补的目标探测与测距信息；
• 摄像头：包括系统中的高分辨率视频流。

这颗处理器负责对这些数据流进行实时处理、特征提取和神经网络传感器融合。Waymo还提到，它支持面向低光环境感知的时间去噪，也就是利用连续时间帧减少噪声。1

Hot Chips相关报道称，该系统可以同时处理13路高分辨率摄像头，并将摄像头、激光雷达和毫米波雷达生成的嵌入表示送入传感器融合编码器。158

需要注意的是，现有主要来源并未独立确认“麦克风数据由这颗ASIC进行融合”。Waymo第六代传感器套件确实包含车外音频接收器，但这本身不能证明音频数据已经纳入所披露芯片的融合流程。因此，麦克风融合目前不应视为已验证功能。23

Hot Chips披露的详细规格

目前最完整的参数主要来自Hot Chips演讲资料及相关报道，而不是Waymo在2026年8月20日发布的官方文章。报道给出的配置包括：1516

规格	报道中的信息
制程	TSMC 5纳米汽车级实现方案
封装	45×45毫米FCBGA
芯片面积	208平方毫米
内存	封装内LPDDR5X
内存带宽	273 GB/s
功耗	低于75瓦
机器学习性能	超过1000 TOPS
主机连接	PCIe Gen5 x8、25Gb以太网

这些封装、芯片面积、内存和功耗数字应理解为报道中的规格，而不是Waymo官方公告逐项独立确认的细节。Waymo官方内容确认了芯片的用途、5纳米制程、异构架构、超过1000 TOPS的说法以及合作伙伴生态；更底层的实现参数，则主要由二手Hot Chips报道补充。1715

异构架构的重点：不是只追求TOPS

据报道，该设计把Waymo自研的图像处理模块、视频编解码模块、MIPI传感器输入模块和片上暂存存储，与第三方GPU能力、PCIe Gen5、25Gb以太网及安全启动IP结合起来。相关资料还提到，每个处理单元配备2 MB分组式SRAM。1516

这套架构的重点并不只是把TOPS数字做大，而是追求确定性的低延迟执行，以及软硬件协同优化。演讲资料相关报道提到，Waymo采用“编译器优先”的执行方式处理大型“mega-kernel”，让软件栈与芯片可以围绕“传感器数据进入车辆—生成嵌入表示”这一整条路径共同调优。15

这反映了车载计算的现实约束：系统既要实时处理巨量数据，又要受限于功耗、散热、车内空间、震动以及故障容错。Waymo表示，其计算平台采用液冷，并配备两套独立计算引擎；如果其中一套发生故障，另一套可以接管工作。1

“1000 TOPS”不能单独说明自动驾驶能力

超过1000 TOPS无疑是最醒目的数字，但TOPS本身并不能完整衡量一台自动驾驶计算机的实际表现。还需要知道，这一数字对应哪些运算、模型运行效率如何、数据搬运开销多大，以及系统从原始传感器输入到形成有效表示究竟需要多长时间。

Waymo对这颗ASIC的定位，是针对自家传感器套件和模型优化的前端加速器。它试图在数据进入车辆的位置附近就完成处理，从而减少将所有原始数据直接送往通用中央处理器所带来的带宽压力和延迟。172

此外，现有报道尚未明确“超过1000 TOPS”是指单个计算引擎，还是包含冗余配置的两套引擎。因此，在Waymo进一步说明之前，不应把这个数字直接等同于可用于不同任务的有效系统吞吐量。14

Waymo真正想传达的战略信号

Waymo计算负责人Daniel Rosenband将目标描述为打造“超越人类、且事故远少于人类的驾驶者”，而不只是复制人类的感知方式。这一表述也伴随着对多传感器路线的辩护：摄像头并非唯一选择，激光雷达和毫米波雷达仍然具有重要价值。6

芯片策略与这一判断是一致的。Waymo正在围绕自动驾驶需求共同设计传感器、算法和硅芯片。其第六代Waymo Driver采用多模态感知系统，让高分辨率摄像头、成像雷达和激光雷达协同工作。22

Rosenband还谈到了更长期的目标，包括未来在车辆中运行规模大得多的人工智能模型，甚至达到万亿参数级别，并将车载计算设备从“披萨盒”大小逐步缩小到接近笔记本电脑的体积。6这些属于未来规划，并不是当前这颗处理器已经具备的能力。

Waymo这次到底公布了什么？

最清晰的结论并不是“Waymo造出了一颗可以单独驾驶机器人出租车的芯片”，而是：Waymo正在为自动驾驶中最棘手的早期环节打造专用计算流水线——把多路高带宽传感器数据，尽快转换成可靠、低延迟、可供主自动驾驶系统使用的表示。

目前可以确认的核心信息包括：一颗定制5纳米传感器处理ASIC、超过1000 TOPS的机器学习性能、对摄像头、激光雷达和毫米波雷达数据的实时融合、异构车载计算平台、冗余计算引擎，以及由多家芯片和存储厂商组成的合作网络。171

而45×45毫米封装、208平方毫米芯片、273 GB/s LPDDR5X带宽和低于75瓦功耗等更细节的数字，则主要来自Hot Chips相关报道。1511把这些信息放在一起看，Waymo展示的并非单纯追求更高算力，而是一种将延迟、可靠性、传感器多样性和能效放在同等重要位置的车端计算工程路线。