Waymo 5nm ASIC 深度解讀：1,000 TOPS 只是系統一角（2026）

Waymo 5nm ASIC 這次公開了官方照片與「超過 1,000 TOPS」細節。但真正值得看的，不是做出一個更大的 TOPS headline，而是 Waymo 把感測器、演算法、散熱、冗餘與專用運算綁成同一個工程問題。若只截取 TOPS，反而會錯過這次公開最重要的訊息。

2026 年 8 月 20 日，Waymo 工程副總裁 Satish Jeyachandran 與 Compute Lead Daniel Rosenband 發表車載運算架構說明。本文先忠實還原它公開了什麼，再逐一查證 1,000 TOPS、13 路相機、雙運算引擎與安全表現，最後給出 AlphaLab 的獨立判讀。

Waymo 5nm ASIC 公開了什麼？

Waymo 描述的是一套放在車上的異構運算系統。它要在震動、溫差與有限空間裡持續運作，並把決策留在車端；硬體接入車輛液冷系統。公司把 compute 描述為「兩套獨立引擎」：平時作為一個單元執行完整平行 workloads，一側故障時由另一側接手。公開稿未說明超過 1,000 TOPS 是單一引擎還是兩套冗餘引擎合計；即使包含重複容量，也不能直接解讀成可承擔兩倍不同工作的有效吞吐。

其中，客製 5nm ASIC 的位置更接近「感測前端協處理器」。它接收原始 lidar、radar 與 camera 資料，負責前處理、特徵提取、低光 temporal denoising，以及部分 sensor-fusion ML，之後才把資料交給核心 ML 系統。換句話說，它不是整台車唯一的中央大腦，也不是完整車載電腦的總算力規格。

1,000 TOPS：數字很大，資訊仍不完整

While these ASICs alone deliver over 1,000 TOPS of ML performance dedicated to front-end processing and ML models

中文：這些 ASIC 本身為前端處理與 ML 模型提供超過 1,000 TOPS 的 ML 效能。

Waymo，2026 年 8 月 20 日

這句話有兩個容易被忽略的限定。第一，原文寫的是複數 these ASICs，所以不能改寫成「單顆晶片超過 1,000 TOPS」；第二，這個數字只指向感測前端與部分 ML 工作，不是整車總算力。截至 2026 年 8 月 23 日，Waymo 這篇公開稿也未列出晶片顆數、資料精度、稀疏條件、功耗、記憶體頻寬或可重現的模型延遲。

1 TOPS 代表每秒 10¹² 次 operations；規格表中的 TOPS 通常是在指定 precision、sparsity 與計數方式下的額定或理論峰值，不等於模型的 achieved throughput，更不等於單幀延遲。同一硬體在 INT8、FP8、FP4、dense 或 sparse 條件下，就可能得到不同數字。Waymo 自己也把 1,000 TOPS 與 achieved performance 分開，並特別指出系統常在 low-batch regime 運作；這正是額定值不能代替實測的原因。MLPerf Automotive 因此把 latency 設為主要 KPI，並觀察 99.9 百分位延遲。

拿 NVIDIA DRIVE Thor 作對照，更能看出比較陷阱。NVIDIA 官方資料表寫的是單顆 Thor-X SoC「最高 1,000 INT8 TOPS」，另列 273 GB/s 記憶體頻寬；Waymo 沒公開相同測量條件。兩者頂多能說 headline 都進入千 TOPS 級，不能據此判定誰更快、誰更省電。

真正的主角，是異構系統而不是一顆晶片

The result is a balanced, heterogeneous system.

中文：最終得到的是一套平衡的異構系統。

Waymo，2026 年 8 月 20 日

這七個英文字，比 1,000 TOPS 更接近整篇文章的核心。Waymo 明說完整系統仍把 ML 技術與 CPU、GPU、accelerator 配在一起，但沒有公開各元件的逐項分工。較合理的工程推論是，專用 ASIC 承擔靠近感測器、重複度較高的前端工作，而 CPU／GPU 保留較通用的運算；這仍待後續技術材料確認。

這使「Waymo 已全面拋棄 NVIDIA」缺乏公開證據。Waymo 仍把 AMD、Micron、NVIDIA、Samsung、Sandisk、Socionext 與 TSMC 列為合作夥伴，但截至 2026 年 8 月 23 日，並未公開各家是否進入最新車載 BOM、料號、分工或採購量。可確認的是：Waymo 的客製晶片策略與外部合作關係並存；不能確認特定供應商在最新車型中的有無。這種從工作負載反推硬體的做法，也正是AI 垂直整合能否形成護城河真正該問的問題。

延遲圖能證明什麼、不能證明什麼？

在 Waymo 公布的圖中，藍線於整個未標示的橫軸範圍低於紅線；這只呈現公司內部 normalized baseline 的相對改善。圖中沒有時間單位、workload、樣本數、硬體版本或統計定義，不能換算毫秒、分位數或安全提升幅度。

公開項目	可以說	目前不能說
5nm ASIC	Waymo 稱它處理感測前端與部分 ML	由哪家代工、單車有幾顆、部署到多少車
超過 1,000 TOPS	Waymo 對「這些 ASIC」公布的 ML 運算率	precision、sparsity、晶片數、整車總算力與 TOPS/W
normalized latency	公司圖中的 optimized 曲線低於 baseline	絕對毫秒、跨平台勝負、安全因果
雙運算引擎	公司描述平行 workloads 與故障接手	故障覆蓋率、接手延遲，以及單側運作時的性能／功能降級

13 路相機與低光：co-design 的展示，不是獨立 benchmark

Waymo 稱最新系統可同時處理 13 路高解析相機資料。這個數量與2024 年公開的第六代 sensor suite 所列 13 camera、4 lidar、6 radar 相同；公司在 2026 年另有一篇第六代影像系統說明，描述 17MP imager 與把更多處理移入 custom silicon。不過 8 月 20 日公開稿沒有明說這次 ASIC 圖與數據對應哪個車型、世代或所有第六代配置，也不代表每一輛 Waymo、或全部 13 路相機都採同一規格。

右圖確實更容易辨認路面與標誌，但它只證明 Waymo 選擇展示這組對照。沒有原始檔、曝光設定、相機型號與可重做流程，就不能把視覺差異量化成感知準確率。這裡真正可取的工程訊號，是 Waymo 把 sensor、imager、denoising、fusion model 與 silicon 一起設計；真正仍待回答的，則是它在功耗、長尾延遲與道路場景上換來多少可驗證收益。

安全證據要和晶片因果分開看

Waymo 的道路資料不是空白。Waymo Safety Impact Hub 顯示，截至 2026 年 3 月自報累積 2.206 億英里 rider-only 里程；而 2026 年 7 月的IIHS 獨立研究使用 2021 至 2024 年聯邦事故報告、州警察紀錄，以及約 5,000 萬英里 Waymo driverless VMT（里程由 Waymo 提供），估計四個營運地區合計的 police-reportable crash involvement rate 較同期當地人類駕駛低 68%。分城市結果並不一致：Austin 的點估計高 4%，且樣本較小。

但這兩組資料都不能替 Waymo 5nm ASIC 做安全背書：資料未按本次 ASIC 的部署世代切分，IIHS 研究期也早於 2026 年這次揭露。較低的整體事故率可以支持「Waymo 在研究涵蓋的營運範圍與年份內已有實際安全證據」，卻不能推出「1,000 TOPS 使事故涉入率下降 68%」。自駕安全是晶片、模型、地圖、感測器、營運範圍與故障處理共同作用的結果。這也是為什麼Robotaxi 里程不等於完整護城河，更不能拿一個總數替代條件化的驗證。

AlphaLab 判讀：重要的是 workload-specific efficiency

我同意 Waymo 的地方：自駕是極端的 physical AI 問題。資料從 sensor 產生後若要反覆搬移到通用處理器，延遲、頻寬與功耗都會累積。把固定且高頻的前端工作交給專用 ASIC，再讓 CPU、GPU 與其他 accelerator 分工，是合理的系統方向；Waymo 累積的真實道路工作負載，也讓它比純晶片商更知道哪些運算值得固化。

我存疑的地方：目前公開內容還不足以證明這套 ASIC 比通用車載平台更快、更省電或更便宜。沒有功耗、記憶體頻寬、精度條件、低 batch 實測與可比較 benchmark，1,000 TOPS 仍是規格故事的起點，不是結論。它也不能單獨回答 Waymo 能否更快擴城；那還牽涉 HD 地圖、ODD、驗證流程與車隊經濟，正如Robotaxi 路線之爭所揭示的系統取捨。

所以，我不會把這次揭露解讀成「Waymo 擊敗 NVIDIA」，而會把它視為垂直整合加深的一個證據：Waymo 正把最貼近自身資料與延遲需求的部分收回自研，同時保留 CPU、GPU 和供應商生態。對照Tesla AI5 的記憶體規格爭議與NVIDIA Alpamayo 2 的開放模型路線，三者真正的競爭都不只在單一峰值，而在整套系統能否把模型穩定送上道路。

下一份資料，該盯哪六個問題？

Hot Chips 2026 官方議程安排 Waymo 在美西時間 8 月 24 日發表 keynote 與 sensor fusion processor 技術演講；本文只依 8 月 20 日公開稿判讀。若後續材料釋出，最值得核對的是：

1. 1,000 TOPS 採用哪一種 precision 與 sparsity 條件？
2. 數字是單顆、單一運算分區，還是車上多顆合計？
3. 記憶體頻寬、資料移動量與實際模型利用率是多少？
4. 低 batch 的中位數與 99.9 百分位延遲是多少？
5. ASIC、GPU 與 CPU 各自承擔哪些模型與 fallback？
6. 功耗、故障覆蓋率與部署世代能否被清楚切分？

這六個答案，比再多一個 TOPS headline 更能判斷 Waymo 5nm ASIC 是否真的形成技術護城河。