【2026 最新】Tesla AI 專利解析：3D 堆疊很關鍵，但不是 AI5 實機證明

Tesla AI 專利 US 12,707,602 B2 的確描繪了一種不尋常的多層運算組件：運算晶粒陣列、向各自對應晶粒供電的電源模組陣列，以及多個冷卻系統共同組成；部分權利要求與實施例再把資料、供電與散熱安排在互相正交的方向。這個概念值得注意，但「獲得專利」和「已做出可量產、可驗證的超級電腦」是兩個完全不同的命題。

截至 2026 年 8 月 15 日，公開證據可以支持的是：Tesla 取得一組系統架構權利範圍、在 Q1 2026 表示仍開發 Dojo 3，並持續擴充 Cortex 訓練叢集與興建 Austin 半導體廠；本文檢視的專利、Q1／Q2 股東更新與 Q2 10-Q，則不能支持 AI5、Dojo 3 或 Optimus 已採用這套封裝，更沒有良率、每瓦效能、可靠度與成本數據證明它「突破物理極限」。

先說結論：這項專利真正有價值的地方，是揭露 Tesla 如何把供電、散熱與資料互連視為同一個系統問題；它是一張工程路線圖與法律權利範圍，不是 AI5 實機照，也不是 Dojo 3 的性能報告。

Tesla AI 專利時間線：2026 新的是授權，不是發明日

USPTO 的 US 12,707,602 B2在 2026 年 8 月 11 日獲准，名稱是「Heterogenous Multi-Layer Structure」。但首頁同時列出 2021 年 8 月 18 日的美國臨時申請優先權；同一技術族早在 2023 年透過 WIPO 公開，2024 年又以美國申請案公開。因此，新聞點是權利要求經審查後獲准，不是 Tesla 在 2026 年才首次揭露這套想法。

這個區分會改變判讀方式。專利獲准代表 Tesla 可以在有效權利要求範圍內主張排他權，也讓外界更清楚哪些組合通過審查；它不代表審查員認證產品效能，更不代表工廠已能以合理良率製造。把 2026 授權日當成產品發布日，會把法律事件錯讀成製造里程碑。

Tesla AI 專利到底保護什麼？先看三組獨立權利要求

這份專利共有 20 項權利要求，其中第 1、13、16 項是獨立權利要求。第 1 項要求第一、第二冷卻系統、包含積體電路晶粒陣列的第一電子層，以及包含電源模組陣列的第二電子層；每個電源模組與一顆對應晶粒電連接並向其供電。第二冷卻系統須與兩個電子層熱耦合，並從晶粒陣列與電源模組陣列導走熱；第一電子層則包含互連晶粒陣列的導電材料。第 1 項本身沒有要求兩個陣列數量相等，也沒有加入正交平面或垂直供電限制。

第 13 項把架構寫成冷卻方法，除了明確列出第一電子層、第二冷卻系統與第二電子層的堆疊次序，也要求晶粒互通所在平面與電源模組的供電方向正交；第 16 項則另行主張包含控制電子層與第三冷卻系統的三電子層組件。換成白話，整組權利要求把三種流動拆開：

• 資料：晶粒在一個平面內互連；第 13、16 項要求該平面與供電方向正交。
• 電力：電源模組向各自對應的晶粒供電；垂直供電是第 10、15 項與說明書進一步描述的配置。
• 熱：第二冷卻系統與運算、電源兩層熱耦合，並從兩個陣列導熱。
• 控制：第 16 項把控制電子配置在第三電子層，並增加第三冷卻系統。

要注意，說明書同時畫了多種配置。第 1 項只要求第二冷卻系統與兩個電子層熱耦合，沒有用「位於兩層之間」限定位置；第 13 項的方法次序與圖 4 才呈現冷卻系統夾在電子層之間。圖 3 的另一個實施例則把「bottom coldplate」畫在電源模組下方。上圖是合併閱讀多項權利要求的簡化配置，不能代表每一張示意圖。

銅或光學互連、晶圓級系統、扇出型封裝、矽中介層，以及 3×3 到 6×6 陣列，分別出現在從屬權利要求；單一圖示組件約 1 到約 5 英吋高、2×2 或 7×7 陣列、ADAS 與備援等描述，則是說明書裡的實施例，而且文件明言堆疊層數與總高度不以此為限。它們提供設計選項，不能全部塞回獨立權利要求，再宣稱 Tesla 已經做出每一種版本。

它也不是「第一個想到 3D 運算與層間冷卻」的專利。審查紀錄引用的先前技術裡，Georgia Tech 2010 年公開案已談到 3D IC、雙面供電、資料連結與層間冷卻；Cerebras 2020 年公開案也描述晶圓級互連與對應電源轉換器。Tesla 獲准的是更具體的排列組合，不是對所有「垂直電源、冷卻、3D AI 電腦」概念的所有權。

「正交」為何有用？它重新分配了 2D 平面的擁塞

高功率 AI 系統的難題不只在晶體管。運算晶粒越多，主機板邊緣就越需要同時容納高速訊號、電源轉換、粗重導體、冷卻管路與結構件。若所有東西都沿平面向外延伸，路徑變長、面積增加，訊號完整性與電壓降也更難管理。

這項架構的第一性原理很直觀：不要讓資料、電力、冷卻都爭同一個方向。把電源模組靠近其對應晶粒，可能縮短部分高電流路徑；讓第二冷卻系統同時與運算、電源兩層熱耦合，可更直接處理兩個熱源；資料互連則保留在最需要密度的運算平面。它不是憑空增加算力，而是把封裝內有限的幾何空間重新分工。

這也解釋了為何「3D」不能只理解成把晶片疊高。真正的價值來自協同：電源模組向各自對應的晶粒供電，從屬項 9 才進一步要求兩個陣列數量相等；第二冷卻系統同時從兩層導熱；第 13、16 項再把資料平面與供電方向分開。若只是堆疊而沒有縮短關鍵路徑，反而可能讓熱阻、組裝與維修更糟。

它沒有打破物理牆，而是把物理問題移到新位置

專利說明書以「較低通訊延遲」「較高頻寬密度」「較低 PDN 阻抗」，以及部分實施例可達每秒數兆次運算描述可能效益，但沒有提供可比較、經量測的吞吐量、延遲、每瓦效能、熱阻、電壓下陷、良率或總持有成本數值，也沒有和傳統機櫃做同條件測試。工程上「路徑更短」是合理機制，商業上「更便宜、更快」仍要靠量測。至少有四道關卡尚未被回答：

1. 熱介面：堆疊層數增加後，每個接觸面、密封與流道都可能增加熱阻或故障點。
2. 電源完整性：垂直供電可能縮短部分導體路徑，但轉換效率與瞬態響應仍需實測。
3. 製造良率：晶粒、電源模組、冷板與控制層只要一處失敗，就可能拖累整個昂貴組件的可用率。
4. 維修與擴充：高密度堆疊能省空間，卻可能增加拆裝、漏液檢測與單層替換難度。

所以更精確的說法不是「突破 AI 物理牆」，而是「提出一種管理物理牆的方法」。它可能改善功率密度與互連配置，也會把風險集中到封裝、流體、測試與服務設計。若讀者想先理解為何 AI 系統常被資料搬移而非峰值 FLOPS 卡住，可搭配AI 推論與 HBM 記憶體瓶頸。

AI5、Dojo 3、Optimus：可以連到哪裡，不能連到哪裡？

專利全文沒有出現 Dojo、AI5 或 Optimus。說明書只把 AI、Autopilot 與 ADAS 列為可能用途，優先權時間則與 Tesla 公開第一代 Dojo 的時期重疊，因此可以形成 Dojo 相關研究的假說；但專利沒有把架構限定為資料中心，也無法據此判定它屬於 Dojo。在這份專利，以及本文檢視的 Tesla 2026 年 Q1／Q2 股東更新與 Q2 10-Q 中，也未見 Tesla 把 US 12,707,602 對應至任何具名產品。

產品／計畫	公開證據	目前不能下的結論
Dojo 3	Tesla 在 Q1 2026 更新稱仍在開發，目標是逐步降低訓練成本	Dojo 3 採用這份專利、已完成硬體或已降低多少成本
AI5	Q1 2026 更新稱 4 月完成最終設計與 tape-out	AI5 使用專利冷卻層、與 Dojo 共用封裝，或 Austin 廠將製造 AI5
Optimus	Q2 2026 更新稱 Cortex 2 支援人形機器人的自主軟體開發	機器人本體、AI5 或其訓練叢集使用這種多層運算組件

AI5 尤其容易被混在一起。它是 Tesla 公開的下一代 AI 推論晶片；Tesla 並未把它限定為車端，管理層在 Q2 2026 法說會反而表示預期初期用於 Optimus。這份專利則描述多晶粒、電源與冷卻構成的系統級結構。兩者都談 AI，不等於是同一個產品。想核對 AI5 已知與未知規格，可接著看Tesla AI5 晶片與 9 倍記憶體解析。

把專利放回 Tesla 2026 AI 地圖，真正落地的是基礎設施支出

專利本身沒有產品映射，但 Tesla 的 AI 投資確實快速擴大。Q2 2026 官方更新把 Cortex 1 列為超過 90 MW、Cortex 2 超過 115 MW，兩者狀態都是 production；把兩個公司披露下限相加是超過 205 MW。這是裝設容量訊號，不是平均利用率、模型產出或投資報酬。

同一份更新說 Austin 半導體廠仍在早期階段。最新 Q2 2026 10-Q則顯示，AI 基礎設施未扣累計折舊的帳面成本（gross PP&E）從 2025 年底的 68.16 億美元增至 2026 年 6 月底的 108.23 億美元；Tesla 也預計 2026 年資本支出超過 250 億美元，主要由 AI 相關計畫帶動。

這組數字給投資人的訊息很清楚：Tesla 願意投入真金白銀建立 AI 基礎設施，但「花得多」不能替「架構有效」作證。正確的因果順序應是專利提供選項，研發選定方案，樣機通過熱與電測試，製造爬坡，工作負載產生可比較的成本或收入；目前公開資料只覆蓋其中一部分。若要把半導體自製放回供應鏈與量產風險，可延伸閱讀Tesla Terafab 的四道量產關卡與Tesla 超過 250 億美元資本支出壓力測試。

最強反方：即使沒有產品證明，這項專利仍可能很重要

公平地說，把它視為純紙上構想也太輕率。臨時申請日就在 Tesla AI Day 前一天；Tesla 在官方 AI Day 2021 簡報展示 5×5、共 25 顆 D1 的 Training Tile，列出 15 kW 散熱、18,000 安培與 52 V DC 輸入，並明說運算平面與供電、冷卻互相正交。這些特徵與專利高度一致，發明人 Ganesh Venkataramanan 也正是當天的 Dojo 簡報者。

不過，時間、發明人與架構語言相符，仍是「Dojo 技術血統」的強推論，不是專利文字明確指定產品。Tesla 在 Q1 2026 表示繼續開發 Dojo 3，加上 Austin 晶圓廠與先進封裝的垂直整合方向，讓這項權利具有後續觀察價值；只有未來 Tesla 自研系統或競爭設計落入仍有效的權利要求範圍，它才可能形成保護，或增加設計繞行成本。它仍不能告訴我們 Dojo 3 最後採用哪一版。

專利的商業價值也不必等於「整份照做」。公司可能只採用其中一個電源—冷卻模組，也可能把它當成防禦性組合、談判籌碼或下一代研究的選項。換言之，未見量產不等於零價值；它只表示目前無法把潛在價值量化進訓練成本、毛利率或 TSLA 估值。

我的判斷：先給工程選項分數，暫不給產品與估值分數

我會把這項 Tesla AI 專利評為中度重要、低度產品可驗證。重要，因為它抓到 AI 叢集的核心系統級限制：高密度資料、高電流供電與散熱不能各自獨立最佳化；可驗證度低，因為它沒有產品對應與實測資料。對工程觀察者，它值得追蹤；對投資人，它還不能直接變成收入、節省成本或估值倍數。

我會在三類新證據出現時上修判斷：第一，Tesla 文件、供應商資料或可信拆解明確把 Dojo 3／AI5 對上這個層序；第二，公布每瓦吞吐、熱阻、電壓下陷、良率、可靠度與維修時間；第三，以機櫃數、實際利用率或工作負載成本證明規模部署。反過來，若 Tesla 持續以外購加速器為主要訓練基礎、專利到期前始終沒有產品足跡，或複雜堆疊的良率與維修成本抵銷密度優勢，就應下修其戰略價值。

後續若出現 Dojo 3 硬體、AI5 首批矽或 Austin 晶圓廠更新，可在Tesla／特斯拉深度分析專區對照新證據是否真的跨過上述三道門。

Tesla AI 專利常見問題

Tesla 何時取得 US 12,707,602 B2？

2026 年 8 月 11 日。但它主張 2021 年 8 月 18 日的臨時申請優先權，同一技術族也在 2023、2024 年公開，所以不能說整套技術在 2026 年才出現。

「正交 3D」是不是代表晶片垂直傳資料？

核心描述恰好相反：第 13、16 項讓運算資料在晶粒平面內溝通，並要求供電方向與這個平面正交；第 14、15 項再分別加入垂直散熱與垂直供電。3D 指的是系統層次的多層配置，不等於所有資料都垂直流動。

這份專利證明 Dojo 3 已完成嗎？

沒有。Tesla 在 Q1 2026 說仍在開發 Dojo 3，但沒有公布封裝層序、樣機狀態或成本改善幅度，專利內也沒有 Dojo 名稱。

它和 Tesla AI5 晶片有直接關係嗎？

目前沒有直接證據。AI5 是 Tesla 的下一代 AI 推論晶片計畫；專利描繪多晶粒、電源與冷卻的系統組件。兩者可能共享先進封裝能力，但不能因此視為同一產品。

專利中的共享冷卻層放在哪裡？

第 1 項沒有用「位於兩層之間」限定第二冷卻系統的位置；它要求第二冷卻系統與第一、第二電子層的相應表面熱耦合，並從晶粒與電源模組兩個陣列導熱。第 13 項的方法次序與圖 4 才進一步呈現冷卻系統夾在電子層之間的配置。

投資人下一步最該看什麼？

先看可比較的工程與部署數據，而不是更多概念圖：Dojo 3 是否有明確硬體里程碑、Cortex 利用率與訓練成本、Austin 半導體廠進度，以及這種堆疊的良率、熱測試與維修設計。這些才會把一份專利轉成可估算的商業能力。