Waymo 最近公開嘅自家 Sensor Fusion Processor，據報內部叫做「carTPU」，最準確嘅理解係：佢係 Waymo Driver 面向感測器嘅運算前端。呢枚以 5nm 製程打造嘅 ASIC，負責接收高頻寬感測器串流、抽取特徵，再產生融合後嘅機器學習表示，交畀系統入面負責完整駕駛任務嘅主要運算平台。換句話講，佢係專用前端矽晶片，唔係一枚可以獨力取代整套自駕系統嘅「新大腦」。171

先搞清楚：係感測前門，唔係駕駛主腦

Waymo 形容呢枚晶片係專門設計嘅 5nm ASIC，用嚟即時處理、融合感測器原始數據，並喺數據送到核心機器學習系統之前執行神經網絡。公司嘅目標係縮短由感測器收到第一個像素，到下游模型取得可用表示之間嘅時間。1719

呢種分工相當關鍵。ASIC 處理感知流程最前段、亦係數據量最大嘅一部分；車上更完整嘅運算平台仍然係異構架構，將 Waymo 自家機器學習技術同 CPU、GPU 及其他加速器配合使用，處理工作調度、數據搬運、記錄等任務。1

所以，呢次公開唔應該簡化成「Waymo 用一枚晶片取代 Nvidia」。Waymo 列出嘅硬件合作夥伴包括 Nvidia 同 AMD，亦有 Micron、Samsung、SanDisk、Socionext 同 TSMC。173

實時融合咩數據？

Waymo 公開資料明確提到三類感測器：

• 光達（lidar）：提供三維環境資訊
• 雷達（radar）：提供互補嘅探測及測距資料
• 鏡頭：包括系統嘅高解像度影像串流

處理器會對呢幾類數據進行實時處理、特徵抽取同神經網絡感測器融合；Waymo 亦提到用時間維度去除噪聲，改善低光環境下嘅感知表現。1

Hot Chips 相關報道就指，系統可以同時處理 13 路高解像度鏡頭影像，而鏡頭、光達同雷達產生嘅 embedding，會一齊送入感測融合 encoder。158

至於咪高峰，現有主要來源未能獨立證實佢係呢枚 ASIC 嘅融合輸入，因此唔應該當成已確認功能。Waymo 第六代感測器套件的確包括車外音訊接收器，但有音訊硬件，唔等於已證明咪高峰數據會由呢枚晶片負責融合。23

Hot Chips 報道所披露嘅規格

較完整嘅數字主要來自 Hot Chips 報道及簡報材料，而唔係 Waymo 8 月 20 日發表嘅官方文章。相關報道列出以下配置：1516

規格	報道內容
製程	TSMC 5nm N5 汽車應用版本
封裝	45 × 45 mm FCBGA
晶粒面積	208 mm²
記憶體	封裝內 LPDDR5X
記憶體頻寬	273 GB/s
功耗	低於 75 W
機器學習效能	超過 1,000 TOPS
主機連接	PCIe Gen5 x8 及 25Gb Ethernet

封裝、晶粒面積、記憶體同功耗等數字，應該視為「報道規格」，而唔係 Waymo 官方公告逐項獨立確認嘅資料。官方文章確認咗晶片用途、5nm 製程、異構架構、超過 1,000 TOPS 嘅說法，以及合作夥伴生態；至於較底層嘅實作細節，主要由二手 Hot Chips 報道補充。1715

異構架構嘅重點：爭取低延遲，而唔係淨係鬥 TOPS

據報，呢套設計將 Waymo 自家開發嘅影像處理、影片編解碼、MIPI 感測器輸入同 scratchpad 記憶體區塊，連同第三方 GPU 能力、PCIe Gen5、25Gb Ethernet 及 secure-boot IP 整合埋一齊。報道亦提到，每個處理單元配備 2 MB banked SRAM。1516

Waymo 嘅架構優先考慮唔單止係峰值吞吐量，而係可預測、低延遲嘅執行。Hot Chips 簡報相關報道形容，軟件層採用 compiler-first 方法執行大型「mega-kernel」，令編譯器、模型同晶片可以一齊調校，縮短由感測器輸入到 embedding 產生嘅路徑。15

對車載運算嚟講，呢種取向有實際原因。車輛要喺有限嘅電力、散熱、體積同故障容忍條件下，持續處理大量數據，仲要面對震動、衝擊同溫度變化。Waymo 表示，旗下運算平台採用液冷，並設有兩套獨立運算引擎；其中一套出現故障時，另一套可以接手。1

「1,000 TOPS」唔可以單獨解讀

超過 1,000 TOPS 當然係最搶眼嘅數字，但 TOPS 本身唔足以代表一部自駕運算系統有幾有效。真正重要嘅問題包括：呢個數字針對邊類運算、模型執行效率有幾高、數據搬運要付出幾多成本，以及由原始感測器輸入到產生有用表示究竟要幾耐。

Waymo 將自家 ASIC 定位成配合公司感測器套件同模型而最佳化嘅前端加速器。佢將數據喺入車位置附近先行處理，避免所有原始串流都直接送去中央通用處理器，從而改善頻寬使用效率同延遲。172

另外，現有報道未能確定超過 1,000 TOPS 係指單一運算引擎，定係兩套具備冗餘功能嘅引擎合計。因此，未有進一步澄清之前，唔應該將呢個數字直接當成系統可用吞吐量。14

Waymo 想傳遞嘅戰略訊息

Waymo 研究員 Daniel Rosenband 將目標形容為「一位超越人類、而且事故遠少於人類嘅司機」，而唔係只求做到同人類一樣嘅感知能力。佢亦喺同一脈絡下，為鏡頭配合光達及雷達嘅多感測器方案辯護，而唔係採用純鏡頭路線。6

硬件策略同樣圍繞呢個方向：Waymo 正將感測器、演算法同晶片按自動駕駛嘅實際需求一齊設計。第六代 Waymo Driver 採用多模態感測系統，由高解像度鏡頭、成像雷達同光達共同運作。22

Rosenband 亦談到更長遠嘅目標，包括將來喺車內運行大得多嘅 AI 模型，甚至係一個擁有一萬億參數嘅模型，以及將車載運算硬件由「pizza box」縮細到接近手提電腦大小。不過，呢啲都係未來方向，唔係今次已公布嘅處理器能力。6

最值得記住嘅結論

Waymo 今次公開嘅重點，唔係話佢造咗一枚可以單獨駕駛 robotaxi 嘅神奇晶片；而係公司正圍繞一個最難處理嘅早期問題，打造專用運算流水線：將大量高頻寬感測器串流，轉化成可靠、低延遲、畀主自駕系統使用嘅融合表示。

官方已確認嘅核心包括：自家 5nm 感測器處理 ASIC、超過 1,000 TOPS 嘅機器學習效能、鏡頭／光達／雷達實時融合、異構運算平台、具冗餘能力嘅處理引擎，以及多個硬件合作夥伴。171

至於 45 × 45 mm 封裝、208 mm² 晶粒、273 GB/s LPDDR5X 頻寬同低於 75 W 功耗，就令呢個設計更加具體，但目前主要仍然係 Hot Chips 相關報道披露嘅資料。1511 合埋來睇，Waymo 展示嘅唔只係一個 AI 算力數字，而係將自動駕駛當成一個邊緣運算同系統工程問題：延遲、可靠性、感測器多樣性同功耗效率，全部同峰值算力一樣重要。

Waymo 最近公開嘅自家 Sensor Fusion Processor，據報內部叫做「carTPU」，最準確嘅理解係：佢係 Waymo Driver 面向感測器嘅運算前端。呢枚以 5nm 製程打造嘅 ASIC，負責接收高頻寬感測器串流、抽取特徵，再產生融合後嘅機器學習表示，交畀系統入面負責完整駕駛任務嘅主要運算平台。換句話講，佢係專用前端矽晶片，唔係一枚可以獨力取代整套自駕系統嘅「新大腦」。171

先搞清楚：係感測前門，唔係駕駛主腦

Waymo 形容呢枚晶片係專門設計嘅 5nm ASIC，用嚟即時處理、融合感測器原始數據，並喺數據送到核心機器學習系統之前執行神經網絡。公司嘅目標係縮短由感測器收到第一個像素，到下游模型取得可用表示之間嘅時間。1719

呢種分工相當關鍵。ASIC 處理感知流程最前段、亦係數據量最大嘅一部分；車上更完整嘅運算平台仍然係異構架構，將 Waymo 自家機器學習技術同 CPU、GPU 及其他加速器配合使用，處理工作調度、數據搬運、記錄等任務。1

所以，呢次公開唔應該簡化成「Waymo 用一枚晶片取代 Nvidia」。Waymo 列出嘅硬件合作夥伴包括 Nvidia 同 AMD，亦有 Micron、Samsung、SanDisk、Socionext 同 TSMC。173

實時融合咩數據？

Waymo 公開資料明確提到三類感測器：

• 光達（lidar）：提供三維環境資訊
• 雷達（radar）：提供互補嘅探測及測距資料
• 鏡頭：包括系統嘅高解像度影像串流

處理器會對呢幾類數據進行實時處理、特徵抽取同神經網絡感測器融合；Waymo 亦提到用時間維度去除噪聲，改善低光環境下嘅感知表現。1

Hot Chips 相關報道就指，系統可以同時處理 13 路高解像度鏡頭影像，而鏡頭、光達同雷達產生嘅 embedding，會一齊送入感測融合 encoder。158

至於咪高峰，現有主要來源未能獨立證實佢係呢枚 ASIC 嘅融合輸入，因此唔應該當成已確認功能。Waymo 第六代感測器套件的確包括車外音訊接收器，但有音訊硬件，唔等於已證明咪高峰數據會由呢枚晶片負責融合。23

Hot Chips 報道所披露嘅規格

較完整嘅數字主要來自 Hot Chips 報道及簡報材料，而唔係 Waymo 8 月 20 日發表嘅官方文章。相關報道列出以下配置：1516

規格	報道內容
製程	TSMC 5nm N5 汽車應用版本
封裝	45 × 45 mm FCBGA
晶粒面積	208 mm²
記憶體	封裝內 LPDDR5X
記憶體頻寬	273 GB/s
功耗	低於 75 W
機器學習效能	超過 1,000 TOPS
主機連接	PCIe Gen5 x8 及 25Gb Ethernet

封裝、晶粒面積、記憶體同功耗等數字，應該視為「報道規格」，而唔係 Waymo 官方公告逐項獨立確認嘅資料。官方文章確認咗晶片用途、5nm 製程、異構架構、超過 1,000 TOPS 嘅說法，以及合作夥伴生態；至於較底層嘅實作細節，主要由二手 Hot Chips 報道補充。1715

異構架構嘅重點：爭取低延遲，而唔係淨係鬥 TOPS

據報，呢套設計將 Waymo 自家開發嘅影像處理、影片編解碼、MIPI 感測器輸入同 scratchpad 記憶體區塊，連同第三方 GPU 能力、PCIe Gen5、25Gb Ethernet 及 secure-boot IP 整合埋一齊。報道亦提到，每個處理單元配備 2 MB banked SRAM。1516

Waymo 嘅架構優先考慮唔單止係峰值吞吐量，而係可預測、低延遲嘅執行。Hot Chips 簡報相關報道形容，軟件層採用 compiler-first 方法執行大型「mega-kernel」，令編譯器、模型同晶片可以一齊調校，縮短由感測器輸入到 embedding 產生嘅路徑。15

對車載運算嚟講，呢種取向有實際原因。車輛要喺有限嘅電力、散熱、體積同故障容忍條件下，持續處理大量數據，仲要面對震動、衝擊同溫度變化。Waymo 表示，旗下運算平台採用液冷，並設有兩套獨立運算引擎；其中一套出現故障時，另一套可以接手。1

「1,000 TOPS」唔可以單獨解讀

超過 1,000 TOPS 當然係最搶眼嘅數字，但 TOPS 本身唔足以代表一部自駕運算系統有幾有效。真正重要嘅問題包括：呢個數字針對邊類運算、模型執行效率有幾高、數據搬運要付出幾多成本，以及由原始感測器輸入到產生有用表示究竟要幾耐。

Waymo 將自家 ASIC 定位成配合公司感測器套件同模型而最佳化嘅前端加速器。佢將數據喺入車位置附近先行處理，避免所有原始串流都直接送去中央通用處理器，從而改善頻寬使用效率同延遲。172

另外，現有報道未能確定超過 1,000 TOPS 係指單一運算引擎，定係兩套具備冗餘功能嘅引擎合計。因此，未有進一步澄清之前，唔應該將呢個數字直接當成系統可用吞吐量。14

Waymo 想傳遞嘅戰略訊息

Waymo 研究員 Daniel Rosenband 將目標形容為「一位超越人類、而且事故遠少於人類嘅司機」，而唔係只求做到同人類一樣嘅感知能力。佢亦喺同一脈絡下，為鏡頭配合光達及雷達嘅多感測器方案辯護，而唔係採用純鏡頭路線。6

硬件策略同樣圍繞呢個方向：Waymo 正將感測器、演算法同晶片按自動駕駛嘅實際需求一齊設計。第六代 Waymo Driver 採用多模態感測系統，由高解像度鏡頭、成像雷達同光達共同運作。22

Rosenband 亦談到更長遠嘅目標，包括將來喺車內運行大得多嘅 AI 模型，甚至係一個擁有一萬億參數嘅模型，以及將車載運算硬件由「pizza box」縮細到接近手提電腦大小。不過，呢啲都係未來方向，唔係今次已公布嘅處理器能力。6

最值得記住嘅結論

Waymo 今次公開嘅重點，唔係話佢造咗一枚可以單獨駕駛 robotaxi 嘅神奇晶片；而係公司正圍繞一個最難處理嘅早期問題，打造專用運算流水線：將大量高頻寬感測器串流，轉化成可靠、低延遲、畀主自駕系統使用嘅融合表示。

官方已確認嘅核心包括：自家 5nm 感測器處理 ASIC、超過 1,000 TOPS 嘅機器學習效能、鏡頭／光達／雷達實時融合、異構運算平台、具冗餘能力嘅處理引擎，以及多個硬件合作夥伴。171

至於 45 × 45 mm 封裝、208 mm² 晶粒、273 GB/s LPDDR5X 頻寬同低於 75 W 功耗，就令呢個設計更加具體，但目前主要仍然係 Hot Chips 相關報道披露嘅資料。1511 合埋來睇，Waymo 展示嘅唔只係一個 AI 算力數字，而係將自動駕駛當成一個邊緣運算同系統工程問題：延遲、可靠性、感測器多樣性同功耗效率，全部同峰值算力一樣重要。