Waymo 的客製化 Sensor Fusion Processor，最適合被理解為 Waymo Driver 面向感測器的一層運算前端。這顆據稱在公司內部被稱為「carTPU」的 5nm ASIC，接收高頻寬感測器資料、擷取特徵，並產生融合後的機器學習表示，再交給車上的主要駕駛運算系統。它是高度專用的前端晶片，並不是可以獨立取代完整自駕堆疊的單一大腦。171

關鍵訊息：先處理感測資料，再交給駕駛核心

Waymo 表示，這顆專用 5nm ASIC 的設計目的，是即時處理與融合原始感測器資料，並在資料進入後續系統前執行神經網路。公司的目標，是縮短從感測器收到第一個像素，到下游系統取得可用駕駛表示之間的時間。1719

這種分工相當重要。ASIC 負責感知流程中高度吃重的早期階段，而整套車載平台仍是異質架構：除了客製化機器學習技術，也結合 CPU、GPU 與其他加速器，處理工作協調、資料搬移與記錄等任務。1

因此，這次公開並不等於「Waymo 用一顆晶片取代 Nvidia」。Waymo 列出的硬體合作夥伴包括 Nvidia 與 AMD，另有 Micron、Samsung、SanDisk、Socionext 及台積電（TSMC）。173

它即時融合哪些感測資料？

Waymo 公開說明明確提到三類感測器：

• 光達（lidar）：提供環境的三維資訊
• 雷達（radar）：提供互補的偵測與測距能力
• 相機：包括系統的高解析度影像串流

這顆處理器會對這些資料執行即時處理、特徵擷取與神經網路感測融合；Waymo 也提到，系統支援低光環境感知所需的時間性去雜訊處理。1

Hot Chips 簡報相關報導稱，系統可同時處理 13 路高解析度相機影像，而相機、光達與雷達產生的 embedding（嵌入表示）會送入感測融合編碼器。158 不過，目前可取得的第一手資料沒有獨立確認「麥克風融合」，因此不能把麥克風資料視為這顆已公開處理器的確定功能。Waymo 第六代感測器套件確實包含車外音訊接收器，但這本身不足以證明麥克風訊號會由這顆 ASIC 融合處理。23

Hot Chips 報導中的規格

目前最完整的數字，主要來自 Hot Chips 報導與簡報資料，而非 Waymo 的公開公告。相關資料列出的配置如下：1516

規格	報導內容
製程技術	台積電 5nm N5 車用實作
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 75W
機器學習效能	超過 1,000 TOPS
主機連接	PCIe Gen5 x8 與 25Gb Ethernet

封裝、晶粒、記憶體與功耗等數字，應視為報導中的規格，而不是 Waymo 公開公告中已逐項獨立確認的細節。這個區分很重要：Waymo 官方文章確認了晶片用途、5nm 製程、異質架構、超過 1,000 TOPS 的說法，以及合作夥伴生態；許多實作層級資料則來自二手報導。1715

為了低延遲而打造的異質架構

相關報導指出，這套設計把 Waymo 自行開發的影像處理、視訊編解碼器、MIPI 感測器輸入與暫存記憶體模組，與第三方 GPU 能力、PCIe Gen5、25Gb Ethernet 及安全啟動 IP 結合。報導也稱，每個處理元素配有 2 MB 分組式 SRAM。1516

這套架構的優先目標，不只是把吞吐量數字做大。Waymo 更強調可預測、低延遲的執行，以及硬體與軟體的共同設計。簡報報導提到，系統採取「編譯器優先」的方式執行大型「mega-kernel」，讓軟體堆疊與晶片能針對從感測資料輸入到 embedding 產生的完整路徑共同調校。15

這正反映車載運算的現實限制：系統必須即時處理極大量資料，同時受制於功耗、散熱、車內空間、震動與容錯能力。Waymo 表示，其運算平台採用液冷，並配置兩套獨立運算引擎；其中一套發生故障時，另一套可以接手。1

「超過 1,000 TOPS」不能單獨代表自駕能力

超過 1,000 TOPS 無疑是最醒目的標題數字，但 TOPS 本身無法完整說明一台自駕運算電腦的實際效能。更值得追問的是：這個數字涵蓋哪些運算、模型執行效率如何、需要搬移多少資料，以及系統能多快把原始感測輸入轉成可用表示。

Waymo 將這顆 ASIC 定位為針對自家感測器套件與模型最佳化的前端加速器。它把資料盡可能在進入車內運算系統的地方就先處理，避免所有原始串流都直接送往通用型中央處理器，藉此改善頻寬效率並降低延遲。172

目前報導也沒有證實「超過 1,000 TOPS」是指單一運算引擎，還是包含兩套具備備援關係的引擎。因此，在 Waymo 進一步說明前，不應把這個數字簡單解讀為可用系統吞吐量。14

Waymo 的戰略訊息：多感測器與共同設計

Daniel Rosenband 將 Waymo 的目標描述為「比人類更優秀、事故遠少於人類的駕駛者」，而不是只做出與人類感知能力相當的系統。這番說法也伴隨著對相機、光達與雷達並用方案的辯護，而非只依賴相機。6

硬體策略與此一致：Waymo 正按照自駕需求共同設計感測器、演算法與晶片。第六代 Waymo Driver 採用多模態感測系統，讓高解析度相機、成像雷達與光達協同工作。22

Rosenband 也談到更長期的目標，包括未來在車內執行規模大得多的 AI 模型，甚至達到兆參數模型，並把車載運算設備從「披薩盒」大小逐步縮小到接近筆記型電腦。這些是未來願景，不是這次公布的處理器已具備的功能。6

Waymo 這次真正公布了什麼？

最清楚的結論不是 Waymo 做出了一顆能單獨駕駛無人計程車的晶片，而是它正在打造一條專門化的運算管線，先處理自駕最棘手的早期問題：把多路高頻寬感測資料轉換成可靠、低延遲的融合表示，再交給主要自駕系統使用。

目前可確認的核心訊息，是一顆客製化 5nm 感測處理 ASIC，機器學習效能超過 1,000 TOPS，可即時融合相機、光達與雷達資料，並隸屬於採用異質運算、雙引擎備援的車載平台；Waymo 同時公布了廣泛的硬體合作夥伴網路。171

至於 45 × 45 mm 封裝、208 mm² 晶粒、273 GB/s LPDDR5X 頻寬與低於 75W 功耗等更細節的 Hot Chips 規格，則讓這套設計更具體，但目前主要仍屬報導內容。1511 合併來看，這次公開顯示 Waymo 把自駕視為一項邊緣運算與系統工程問題：延遲、可靠性、感測器多樣性與能源效率，和 AI 原始算力同樣關鍵。

Waymo 的客製化 Sensor Fusion Processor，最適合被理解為 Waymo Driver 面向感測器的一層運算前端。這顆據稱在公司內部被稱為「carTPU」的 5nm ASIC，接收高頻寬感測器資料、擷取特徵，並產生融合後的機器學習表示，再交給車上的主要駕駛運算系統。它是高度專用的前端晶片，並不是可以獨立取代完整自駕堆疊的單一大腦。171

關鍵訊息：先處理感測資料，再交給駕駛核心

Waymo 表示，這顆專用 5nm ASIC 的設計目的，是即時處理與融合原始感測器資料，並在資料進入後續系統前執行神經網路。公司的目標，是縮短從感測器收到第一個像素，到下游系統取得可用駕駛表示之間的時間。1719

這種分工相當重要。ASIC 負責感知流程中高度吃重的早期階段，而整套車載平台仍是異質架構：除了客製化機器學習技術，也結合 CPU、GPU 與其他加速器，處理工作協調、資料搬移與記錄等任務。1

因此，這次公開並不等於「Waymo 用一顆晶片取代 Nvidia」。Waymo 列出的硬體合作夥伴包括 Nvidia 與 AMD，另有 Micron、Samsung、SanDisk、Socionext 及台積電（TSMC）。173

它即時融合哪些感測資料？

Waymo 公開說明明確提到三類感測器：

• 光達（lidar）：提供環境的三維資訊
• 雷達（radar）：提供互補的偵測與測距能力
• 相機：包括系統的高解析度影像串流

這顆處理器會對這些資料執行即時處理、特徵擷取與神經網路感測融合；Waymo 也提到，系統支援低光環境感知所需的時間性去雜訊處理。1

Hot Chips 簡報相關報導稱，系統可同時處理 13 路高解析度相機影像，而相機、光達與雷達產生的 embedding（嵌入表示）會送入感測融合編碼器。158 不過，目前可取得的第一手資料沒有獨立確認「麥克風融合」，因此不能把麥克風資料視為這顆已公開處理器的確定功能。Waymo 第六代感測器套件確實包含車外音訊接收器，但這本身不足以證明麥克風訊號會由這顆 ASIC 融合處理。23

Hot Chips 報導中的規格

目前最完整的數字，主要來自 Hot Chips 報導與簡報資料，而非 Waymo 的公開公告。相關資料列出的配置如下：1516

規格	報導內容
製程技術	台積電 5nm N5 車用實作
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 75W
機器學習效能	超過 1,000 TOPS
主機連接	PCIe Gen5 x8 與 25Gb Ethernet

封裝、晶粒、記憶體與功耗等數字，應視為報導中的規格，而不是 Waymo 公開公告中已逐項獨立確認的細節。這個區分很重要：Waymo 官方文章確認了晶片用途、5nm 製程、異質架構、超過 1,000 TOPS 的說法，以及合作夥伴生態；許多實作層級資料則來自二手報導。1715

為了低延遲而打造的異質架構

相關報導指出，這套設計把 Waymo 自行開發的影像處理、視訊編解碼器、MIPI 感測器輸入與暫存記憶體模組，與第三方 GPU 能力、PCIe Gen5、25Gb Ethernet 及安全啟動 IP 結合。報導也稱，每個處理元素配有 2 MB 分組式 SRAM。1516

這套架構的優先目標，不只是把吞吐量數字做大。Waymo 更強調可預測、低延遲的執行，以及硬體與軟體的共同設計。簡報報導提到，系統採取「編譯器優先」的方式執行大型「mega-kernel」，讓軟體堆疊與晶片能針對從感測資料輸入到 embedding 產生的完整路徑共同調校。15

這正反映車載運算的現實限制：系統必須即時處理極大量資料，同時受制於功耗、散熱、車內空間、震動與容錯能力。Waymo 表示，其運算平台採用液冷，並配置兩套獨立運算引擎；其中一套發生故障時，另一套可以接手。1

「超過 1,000 TOPS」不能單獨代表自駕能力

超過 1,000 TOPS 無疑是最醒目的標題數字，但 TOPS 本身無法完整說明一台自駕運算電腦的實際效能。更值得追問的是：這個數字涵蓋哪些運算、模型執行效率如何、需要搬移多少資料，以及系統能多快把原始感測輸入轉成可用表示。

Waymo 將這顆 ASIC 定位為針對自家感測器套件與模型最佳化的前端加速器。它把資料盡可能在進入車內運算系統的地方就先處理，避免所有原始串流都直接送往通用型中央處理器，藉此改善頻寬效率並降低延遲。172

目前報導也沒有證實「超過 1,000 TOPS」是指單一運算引擎，還是包含兩套具備備援關係的引擎。因此，在 Waymo 進一步說明前，不應把這個數字簡單解讀為可用系統吞吐量。14

Waymo 的戰略訊息：多感測器與共同設計

Daniel Rosenband 將 Waymo 的目標描述為「比人類更優秀、事故遠少於人類的駕駛者」，而不是只做出與人類感知能力相當的系統。這番說法也伴隨著對相機、光達與雷達並用方案的辯護，而非只依賴相機。6

硬體策略與此一致：Waymo 正按照自駕需求共同設計感測器、演算法與晶片。第六代 Waymo Driver 採用多模態感測系統，讓高解析度相機、成像雷達與光達協同工作。22

Rosenband 也談到更長期的目標，包括未來在車內執行規模大得多的 AI 模型，甚至達到兆參數模型，並把車載運算設備從「披薩盒」大小逐步縮小到接近筆記型電腦。這些是未來願景，不是這次公布的處理器已具備的功能。6

Waymo 這次真正公布了什麼？

最清楚的結論不是 Waymo 做出了一顆能單獨駕駛無人計程車的晶片，而是它正在打造一條專門化的運算管線，先處理自駕最棘手的早期問題：把多路高頻寬感測資料轉換成可靠、低延遲的融合表示，再交給主要自駕系統使用。

目前可確認的核心訊息，是一顆客製化 5nm 感測處理 ASIC，機器學習效能超過 1,000 TOPS，可即時融合相機、光達與雷達資料，並隸屬於採用異質運算、雙引擎備援的車載平台；Waymo 同時公布了廣泛的硬體合作夥伴網路。171

至於 45 × 45 mm 封裝、208 mm² 晶粒、273 GB/s LPDDR5X 頻寬與低於 75W 功耗等更細節的 Hot Chips 規格，則讓這套設計更具體，但目前主要仍屬報導內容。1511 合併來看，這次公開顯示 Waymo 把自駕視為一項邊緣運算與系統工程問題：延遲、可靠性、感測器多樣性與能源效率，和 AI 原始算力同樣關鍵。