可能是全网最详细的特斯拉FSD芯片解析：是猛兽还是小猫？

距离马斯克发布毁灭者柯南自动驾驶硬件3.0已经过去两个多月了——但有一个问题:这块名为“全自动驾驶(FSD)”的电路板真的值5.6万元吗？或者更严肃地说，它真的代表了人类旅行的未来吗？我们对发布会进行了分析，感兴趣的朋友可以在微信官方账号后台回复“FSD”。现在，美国知名智能汽车媒体Clean Technica似乎得到了更多的幕后消息。前两天的文章里，Clean Technica对硬件3.0的技术规范做了更具体的判断——这是个畜生！我们已经翻译了这篇文章的大部分内容，在不改变其含义的情况下对其进行了编辑和注释，并在文末添加了一些彩蛋。概述:来自车企的芯片引领者先给大家看一张硬件3.0主板的图片。

按照马斯克的说法，这块主板是完全冗余的，也就是说硬件3.0的每个功能区都可以损坏，整套硬件仍然可以正常工作。主板右侧是一些视频输出接口，左侧是电源接口和一些其他输入/输出接口。整个主板最明显的部分是两个巨大的银色处理器封装(称之为处理器不太合适，后面会解释)。两个处理器不是为了增强性能，而是为了图像处理的安全性和准确性——特斯拉实际上只允许一个处理器工作，另一个是为了冗余和处理结果的相互比较。处理器封装的左下角是用于存储操作系统的闪存区组。考虑到这是一个承载深度学习模型的硬件，可以升级为自动驾驶，所以闪存颗粒的容量应该不小。处理器封装两侧各有4个芯片，共8个芯片的LPDDR4运行内存粒子。虽然FSD硬件采用了三星的14纳米工艺，但是运行的内存颗粒明显标有镁标。使用镁记忆颗粒的原因可能是镁颗粒的频率相对较高，而三星颗粒的频率稍低。LPDDR4是运行内存规范，是DDR4规范的一个分支，主要应用于功耗较低的移动设备，比如手机。LPDDR4比DDR4略慢，但还是比硬件2的DDR3快很多。x运行内存。最后，回到水冷模块下的两个银色处理器包。

单个包装的面积约为260mm。Clean Technica做了一张主流芯片封装面积对比图。可以看到，2016年英特尔14纳米处理器i7 6700K的面积约为176平方毫米，采用16纳米工艺。单片计算能力是FSD芯片的21%，封装面积350平方毫米。2019年的顶级GPU，RTX2080Ti，12 nm工艺，封装面积754 mm硬件3.0主芯片:上面说的“处理器封装”其实并不准确，因为封装中有三个不同的处理单元:图形处理的GPU，深度学习和预测的NPU，通用数据处理的CPU。

特斯拉官方表示，图像数据处理的过程是从摄像头的高速数据传输开始的——高速是指25亿像素/秒，大约是60帧塞进21块1080P全高清屏幕的程度。这种数据传输速度比特斯拉车型现有的八个摄像头所能产生的数据量高出不止一个维度。现在已经不需要这么高的传输速度了——因为FSD芯片内置的图像处理器ISP最多只能“处理”10亿像素的数据，也就是8块1080P的屏幕每秒60帧——这已经赶上了世界上最快的消费级图像传输标准DisplayPort 1.4，而车载芯片“传统上”至少落后消费级一个时代。图像处理器ISP的主要功能是将摄像头产生的原始RGB数据转换成复杂的图像信息。这些信息的下一站是神经处理单元NPU，它将根据深度学习模型处理图像数据——但在此之前，这些数据将存储在SRAM中。那SRAM是什么？SRAM一般用于处理芯片的1-3级缓存。你可以简单理解为比运行内存快很多，成本高很多的内存芯片。有多快？特斯拉芯片总工程师Pete Bannon表示，全自动驾驶的缓存带宽至少要达到1TB/ s，而FSD芯片的SRAM实际上可以提供2TB/ s的带宽。

32MB缓存是什么概念？做个不准确但很形象的对比，零售价16999元的英特尔酷睿i9-9980XE的SRAM缓存总量……就是只有33.75MB另外一个细节是，2010年Intel CPU最大SRAM只有16MB，2014年才提升到24MB。以SRAM高昂的价格和特斯拉SRAM激进的规格，相信大家都能一窥端倪——而皮特·班农也在发布会上总结了巨大的SRAM容量是FSD芯片相比市面同类芯片的最大优势。芯片中的所有数据都是在标有浅蓝色的主通道上传输，即NOC(片上网络)，然后经过总带宽为68GB/s的LPDDR4运行内存——所以特斯拉目前的传感器数据生成量很可能不会超过68GB/s，甚至34GB/s，这已经是一个非常恐怖的数字了——但内存带宽可能仍然是自动驾驶的瓶颈。

NPU才是FSD芯片中真正的杀手。但是总有一些其他方面的数据处理是NPU无法完成的。这时候就需要CPU和GPU共同参与了。FSD芯片内置GPU，主频1GHZ，运算能力600TOPS。特斯拉的说法是，GPU主要负责一些后期处理任务，比如描绘人类能够理解的界面和图形——也就是说，2中特斯拉自动驾驶硬件的AB曲面设计。x时代大概率会取消。总的来说，按照特斯拉在发布会上对GPU的描述，在未来的FSD芯片中，GPU的地位会继续被削弱。另外，一些一般的数据只能交给CPU处理。特斯拉采用12颗64位ARM Cortex A72核心，运行频率2.2 GHz——准确来说应该是三个四核CPU的并行架构。

特斯拉对CPU架构的选择有点混乱，因为A72是ARM在2015年推出的(虽然2016年才正式商用)，未来可用的架构有A73和A75(A76和A77是2018/2019年发布的)。但考虑到FSD芯片的研发始于2016年，采用上一年的架构也是正常的。因为旧的架构更便宜，而多核的叠加也保证了多线程的总性能不弱于今天最顶级的4核移动CPU，甚至更好——硬件3.0的CPU性能是硬件2.5的2.5倍。英伟达是不是该紧张了？FSD芯片挂遍全宇宙后，英伟达在官网发帖称特斯拉此举“提高了自动驾驶计算的门槛”，充满了商业交流。其实英伟达本身就是被吊死的主角。目前很多Tier1供应链厂商和主流车企采用的NVIDIA AGX Xavier是FSD之前最强大的车载计算芯片——可以提供30吨的计算能力(特斯拉在发布会上称Xavier的计算能力为21TOPS，只计算了GPU单元的计算能力，后来NVIDIA发文纠正)。不过特斯拉的21TOPS的标准很走心:“能真正应用于自动驾驶相关的图像处理和行为预测的top有几个？这个标准和芯片能提供多少计算能力完全不一样，它涉及到芯片本身的效率。当然，英伟达在标记30TOPS的时候并没有做错什么，因为Xavier不仅可以用于自动驾驶，还可以处理其他与汽车相关的数据。所以我们一定要明确，我们在评判一个复杂的软件系统的时候，最根本的目的是看它能有多高效。最好的硬件并不总是理论性能最高的硬件。特斯拉的FSD芯片复杂到连本该是主处理器的CPU都成了FSD系统下的“协处理器”。特斯拉已经成功建立了一套硬件，在处理“自动驾驶”场景时非常高效，但在运行其他驾驶相关任务时就不一定了。但是英伟达也充分暴露了自己的不足——英伟达AGX Pegasus通过双芯片的布局最多可以达到320TOPS，但是英伟达自己的NV Link 2.0多芯片数据传输标准只能提供100GB/s的带宽。要知道，拥有2TB带宽SRAM的特斯拉也开始抱怨带宽不够用了。

更何况AGX飞马双芯片功耗高达500 W，在大部分电动车还没有达到500 k的今天……随意ometers，每小时用不到半度电仍然是一个很大的挑战——而FSD芯片的功耗可以保持在200W W左右，硬件4.0什么时候到来？在自动驾驶投资者日的新闻发布会上，马斯克表示，新一代FSD芯片将在两三年后到来，性能将至少翻倍。Clean Technica也对硬件4.0的技术规格做了一些预测:首先，CPU部分会遵循最新的架构。考虑到FSD 2代已经在开发中，Cortex A75将是一个极有可能的选择。新架构将在提高性能的同时节省更多功率，同时在芯片中节省更多空间。其次，特斯拉可能会将运行内存升级到LPDDR5(这一点我们不同意，因为LPDDR5甚至还没有进入消费领域)。也有可能特斯拉为了成本和功耗考虑，会稍微升级到LPDDR4X，电压更低，速度更快(我们同意)。除此之外，基本上还有SRAM容量的增加，以及新一代的摄像头——现在的摄像头甚至不能满足硬件3.0的处理能力。最后一点可能是GPU完全消失，或者至少有非常小的空间。毕竟硬件3.0中GPU的唯一作用只是处理CPU和NPU处理不了的车载屏幕显示。Clean Technica的总结特斯拉硬件3.0是一个不折不扣的猛兽——然后我想提几个大家可能没有注意到的点，但是可以解释为什么硬件3.0让特斯拉引领了自动驾驶赛道。领先是指那种输的人吃灰的领先。现在几乎所有做电动汽车的公司都有这样的本事，但是如果和特斯拉比。即使是2012年的Model S也算是全场秒杀，而且这只是电动车基本质量的秒杀，比如续航、充电等。

至于智能、自动驾驶、自研能力，特斯拉的垂直整合能力可以说是大话西游。距离马斯克发布毁灭者柯南自动驾驶硬件3.0已经过去两个多月了——但有一个问题:这块名为“全自动驾驶(FSD)”的电路板真的值5.6万元吗？或者更严肃地说，它真的代表了人类旅行的未来吗？我们对发布会进行了分析，感兴趣的朋友可以在微信官方账号后台回复“FSD”。现在，美国知名智能汽车媒体Clean Technica似乎得到了更多的幕后消息。前两天的文章里，Clean Technica对硬件3.0的技术规范做了更具体的判断——这是个畜生！我们已经翻译了这篇文章的大部分内容，在不改变其含义的情况下对其进行了编辑和注释，并在文末添加了一些彩蛋。概述:来自车企的芯片引领者先给大家看一张硬件3.0主板的图片。

按照马斯克的说法，这块主板是完全冗余的，也就是说硬件3.0的每个功能区都可以损坏，整套硬件仍然可以正常工作。主板右侧是一些视频输出接口，左侧是电源接口和一些其他输入/输出接口。整个主板最明显的部分是两个巨大的银色处理器封装(称之为处理器不太合适，后面会解释)。两个处理器不是为了增强性能，而是为了图像处理的安全性和准确性——特斯拉实际上只允许一个处理器工作，另一个是为了冗余和处理结果的相互比较。处理器封装的左下角是用于存储操作系统的闪存区组。考虑到这是一个承载深度学习模型的硬件，可以升级为自动驾驶，所以闪存颗粒的容量应该不小。处理器封装两侧各有4个芯片，共8个芯片的LPDDR4运行内存粒子。虽然FSD硬件采用了三星的14纳米工艺，但是运行的内存颗粒明显标有镁标。使用镁记忆颗粒的原因可能是镁颗粒的频率相对较高，而三星颗粒的频率稍低。LPDDR4是运行内存规范，是DDR4规范的一个分支，主要应用于功耗较低的移动设备，比如手机。LPDDR4比DDR4略慢，但还是比硬件2的DDR3快很多。x运行内存。最后，回到水冷模块下的两个银色处理器包。

单个包装的面积约为260mm。Clean Technica做了一张主流芯片封装面积对比图。可以看到，2016年英特尔14纳米处理器i7 6700K的面积约为176平方毫米，采用16纳米工艺。单片计算能力是FSD芯片的21%，封装面积350平方毫米。2019年的顶级GPU，RTX2080Ti，12 nm工艺，封装面积754 mm硬件3.0主芯片:上面说的“处理器封装”其实并不准确，因为封装中有三个不同的处理单元:图形处理的GPU，深度学习和预测的NPU，通用数据处理的CPU。

特斯拉官方表示，图像数据处理的过程是从摄像头的高速数据传输开始的——高速是指25亿像素/秒，大约是60帧塞进21块1080P全高清屏幕的程度。这种数据传输速度比特斯拉车型现有的八个摄像头所能产生的数据量高出不止一个维度。现在已经不需要这么高的传输速度了——因为FSD芯片内置的图像处理器ISP最多只能“处理”10亿像素的数据，也就是8块1080P的屏幕每秒60帧——这已经赶上了世界上最快的消费级图像传输标准DisplayPort 1.4，而车载芯片“传统上”至少落后消费级一个时代。图像处理器ISP的主要功能是将摄像头产生的原始RGB数据转换成复杂的图像信息。这些信息的下一站是神经处理单元NPU，它将根据深度学习模型处理图像数据——但在此之前，这些数据将存储在SRAM中。那SRAM是什么？SRAM一般用于处理芯片的1-3级缓存。你可以简单理解为比运行内存快很多，成本高很多的内存芯片。有多快？特斯拉芯片总工程师Pete Bannon表示，全自动驾驶的缓存带宽至少要达到1TB/ s，而FSD芯片的SRAM实际上可以提供2TB/ s的带宽。

32MB缓存是什么概念？做个不准确但很形象的对比，零售价16999元的英特尔酷睿i9-9980XE的SRAM缓存总量……就是只有33.75MB另外一个细节是，2010年Intel CPU最大SRAM只有16MB，2014年才提升到24MB。以SRAM高昂的价格和特斯拉SRAM激进的规格，相信大家都能一窥端倪——而皮特·班农也在发布会上总结了巨大的SRAM容量是FSD芯片相比市面同类芯片的最大优势。芯片中的所有数据都是在标有浅蓝色的主通道上传输，即NOC(片上网络)，然后经过总带宽为68GB/s的LPDDR4运行内存——所以特斯拉目前的传感器数据生成量很可能不会超过68GB/s，甚至34GB/s，这已经是一个非常恐怖的数字了——但内存带宽可能仍然是自动驾驶的瓶颈。

NPU才是FSD芯片中真正的杀手。但是总有一些其他方面的数据处理是NPU无法完成的。这时候就需要CPU和GPU共同参与了。FSD芯片内置GPU，主频1GHZ，运算能力600TOPS。特斯拉的说法是，GPU主要负责一些后期处理任务，比如描绘人类能够理解的界面和图形——也就是说，2中特斯拉自动驾驶硬件的AB曲面设计。x时代大概率会取消。总的来说，按照特斯拉在发布会上对GPU的描述，在未来的FSD芯片中，GPU的地位会继续被削弱。另外，一些一般的数据只能交给CPU处理。特斯拉采用12颗64位ARM Cortex A72核心，运行频率2.2 GHz——准确来说应该是三个四核CPU的并行架构。

特斯拉对CPU架构的选择有点混乱，因为A72是ARM在2015年推出的(虽然2016年才正式商用)，未来可用的架构有A73和A75(A76和A77是2018/2019年发布的)。但考虑到FSD芯片的研发始于2016年，采用上一年的架构也是正常的。因为旧的架构更便宜，而多核的叠加也保证了多线程的总性能不弱于今天最顶级的4核移动CPU，甚至更好——硬件3.0的CPU性能是硬件2.5的2.5倍。英伟达是不是该紧张了？FSD芯片挂遍全宇宙后，英伟达在官网发帖称特斯拉此举“提高了自动驾驶计算的门槛”，充满了商业交流。其实英伟达本身就是被吊死的主角。目前很多Tier1供应链厂商和主流车企采用的NVIDIA AGX Xavier是FSD之前最强大的车载计算芯片——可以提供30吨的计算能力(特斯拉在发布会上称Xavier的计算能力为21TOPS，只计算了GPU单元的计算能力，后来NVIDIA发文纠正)。不过特斯拉的21TOPS的标准很走心:“能真正应用于自动驾驶相关的图像处理和行为预测的top有几个？这个标准和芯片能提供多少计算能力完全不一样，它涉及到芯片本身的效率。当然，英伟达在标记30TOPS的时候并没有做错什么，因为Xavier不仅可以用于自动驾驶，还可以处理其他与汽车相关的数据。所以我们一定要明确，我们在评判一个复杂的软件系统的时候，最根本的目的是看它能有多高效。最好的硬件并不总是理论性能最高的硬件。特斯拉的FSD芯片复杂到连本该是主处理器的CPU都成了FSD系统下的“协处理器”。特斯拉已经成功建立了一套硬件，在处理“自动驾驶”场景时非常高效，但在运行其他驾驶相关任务时就不一定了。但是英伟达也充分暴露了自己的不足——英伟达AGX Pegasus通过双芯片的布局最多可以达到320TOPS，但是英伟达自己的NV Link 2.0多芯片数据传输标准只能提供100GB/s的带宽。要知道，拥有2TB带宽SRAM的特斯拉也开始抱怨带宽不够用了。

更何况AGX飞马双芯片功耗高达500 W，在大部分电动车还没有达到500 k的今天……随意ometers，每小时用不到半度电仍然是一个很大的挑战——而FSD芯片的功耗可以保持在200W W左右，硬件4.0什么时候到来？在自动驾驶投资者日的新闻发布会上，马斯克表示，新一代FSD芯片将在两三年后到来，性能将至少翻倍。Clean Technica也对硬件4.0的技术规格做了一些预测:首先，CPU部分会遵循最新的架构。考虑到FSD 2代已经在开发中，Cortex A75将是一个极有可能的选择。新架构将在提高性能的同时节省更多功率，同时在芯片中节省更多空间。其次，特斯拉可能会将运行内存升级到LPDDR5(这一点我们不同意，因为LPDDR5甚至还没有进入消费领域)。也有可能特斯拉为了成本和功耗考虑，会稍微升级到LPDDR4X，电压更低，速度更快(我们同意)。除此之外，基本上还有SRAM容量的增加，以及新一代的摄像头——现在的摄像头甚至不能满足硬件3.0的处理能力。最后一点可能是GPU完全消失，或者至少有非常小的空间。毕竟硬件3.0中GPU的唯一作用只是处理CPU和NPU处理不了的车载屏幕显示。Clean Technica的总结特斯拉硬件3.0是一个不折不扣的猛兽——然后我想提几个大家可能没有注意到的点，但是可以解释为什么硬件3.0让特斯拉引领了自动驾驶赛道。领先是指那种输的人吃灰的领先。现在几乎所有做电动汽车的公司都有这样的本事，但是如果和特斯拉比。即使是2012年的Model S也算是全场秒杀，而且这只是电动车基本质量的秒杀，比如续航、充电等。

至于智能、自动驾驶、自研能力，特斯拉的垂直整合能力可以说是大话西游。其他汽车制造商制造电动汽车的方式是在供应链中购买积木。如果买的积木拼不起来，可以用刀稍微改装一下，也可以只买其他积木。特斯拉自己造车，所有部件都是天然的，都有自己的升级迭代计划。

6

马斯克曾经说过，自动驾驶可以而且只能在纯电动汽车上实现，他是对的。汽油机相对滞后的动力响应和更加复杂的控制，使得汽油车上的自动驾驶更加危险。最后，FSD芯片再次证明特斯拉仍然领先世界——好几年。我们实际上发现了一些关于电行星的蛋的更深入的消息。前不久我们在Reddit上发现了一张6886x3511像素的FSD主板黑白照片。我们不能100%确定这张照片是真的，但可能性至少是99.9%，因为它上面的每一个零件都有编号，甚至印刷在PCB上的缺陷都极其清晰。

7

芯片包装左侧是运行内存颗粒，颗粒的LOGO和序列号清晰可见——而序列号就是颗粒的ID号，通过序列号可以查到颗粒的具体规格。首先根据第一行的序列号，这是2018年第二周生产的颗粒(8代表2018年，B代表第四周，镁光只在偶数周进行颗粒封装)，然后这是D-Die颗粒(D代表D-Die，属于镁光产品线中性能相对一般的型号)，77分别代表芯片生产地和封装地，7代表中国省(5代表)。

8

第二行序号相对更复杂。我们登陆镁官网，输入第二行序列号解密，然后得到了粒子的详细代码。根据这行代码，我们可以知道粒子的详细规格。

9

其中MT代表美光科技，t……镁光科技名称；53表示这是一个LPDDR4粒子；d代表1.1V的工作电压；512M表示单个粒子的容量为512MB；32表示单个粒子的位宽为32bit，D2表示这个粒子是双层封装，即单个卷中有两个512MB的粒子，总容量为1gb；DS是包号；046表示这个粒子的工作频率是2133MHZ；第一个a代表Automotive，汽车粒子；后面的AT代表汽车温度，符合车载工作温度的要求；最后一个D仍然意味着这是一个D-Die粒子。换句话说，特斯拉硬件3.0实际上拥有4GB(考虑双系统冗余)128bit 2133MHZ运行内存。这个技术规范并不是顶尖的——但是和消费电脑、车载计算系统比起来。其实也算是顶级了。FSD芯片的左下角是一块闪存芯片，上面没有LOGO，而是一个序列号——这是东芝闪存颗粒的唯一序列号。

0

东芝官网没有查询入口。我们在美国商业信息网businesswire.com上发现了一条2017年12月的供应链新闻，其中提到了这款闪存的型号THGAF9G8L2LBAB7。是UFS 2.1高速闪存，容量32GB，满足车载娱乐系统和ADAS系统的工作要求。

1

32GB应该算是一个适中的数字，但足以承载操作系统和深度学习模型，因为自动驾驶仪硬件上的存储芯片并没有多媒体存储的需求。在两个FSD芯片的下方，有一个芯片上面印着M的LOGO——这是顶级网络芯片公司Marvell的LOGO。根据上面的产品编号，我们也在Google上找到了相应的芯片，属于千兆有线网卡系列，最大传输速率128 MB/s，其他用途我们不清楚。

2

3

以上可能是残忍的车主拆之前全网对特斯拉FSD芯片最详细的分析了。希望大家都没有睡着，我们下次再见。其他汽车制造商制造电动汽车的方式是在供应链中购买积木。如果买的积木拼不起来，可以用刀稍微改装一下，也可以只买其他积木。特斯拉自己造车，所有部件都是天然的，都有自己的升级迭代计划。

6

马斯克曾经说过，自动驾驶可以而且只能在纯电动汽车上实现，他是对的。汽油机相对滞后的动力响应和更加复杂的控制，使得汽油车上的自动驾驶更加危险。最后，FSD芯片再次证明特斯拉仍然领先世界——好几年。我们实际上发现了一些关于电行星的蛋的更深入的消息。前不久我们在Reddit上发现了一张6886x3511像素的FSD主板黑白照片。我们不能100%确定这张照片是真的，但可能性至少是99.9%，因为它上面的每一个零件都有编号，甚至印刷在PCB上的缺陷都极其清晰。

7

芯片包装左侧是运行内存颗粒，颗粒的LOGO和序列号清晰可见——而序列号就是颗粒的ID号，通过序列号可以查到颗粒的具体规格。首先根据第一行的序列号，这是2018年第二周生产的颗粒(8代表2018年，B代表第四周，镁光只在偶数周进行颗粒封装)，然后这是D-Die颗粒(D代表D-Die，属于镁光产品线中性能相对一般的型号)，77分别代表芯片生产地和封装地，7代表中国省(5代表)。

8

第二行序号相对更复杂。我们登陆镁官网，输入第二行序列号解密，然后得到了粒子的详细代码。根据这行代码，我们可以知道粒子的详细规格。

9

其中MT代表美光科技，镁光科技的名称；53表示这是一个LPDDR4粒子；d代表1.1V的工作电压；512M表示单个粒子的容量为512MB；32表示单个粒子的位宽为32bit，D2表示这个粒子是双层封装，即单个卷中有两个512MB的粒子，总容量为1gb；DS是包号；046表示这个粒子的工作频率是2133MHZ；第一个a代表Automotive，汽车粒子；后面的AT代表汽车温度，符合车载工作温度的要求；最后一个D仍然意味着这是一个D-Die粒子。换句话说，特斯拉硬件3.0实际上拥有4GB(考虑双系统冗余)128bit 2133MHZ运行内存。这个技术规范并不是顶尖的——但是和消费电脑、车载计算系统比起来。其实也算是顶级了。FSD芯片的左下角是一块闪存芯片，上面没有LOGO，而是一个序列号——这是东芝闪存颗粒的唯一序列号。

0

东芝官网没有查询入口。我们在美国商业信息网businesswire.com上发现了一条2017年12月的供应链新闻，其中提到了这款闪存的型号THGAF9G8L2LBAB7。是UFS 2.1高速闪存，容量32GB，满足车载娱乐系统和ADAS系统的工作要求。

1

32GB应该算是一个适中的数字，但足以承载操作系统和深度学习模型，因为自动驾驶仪硬件上的存储芯片并没有多媒体存储的需求。在两个FSD芯片的下方，有一个芯片上面印着M的LOGO——这是顶级网络芯片公司Marvell的LOGO。根据上面的产品编号，我们也在Google上找到了相应的芯片，属于千兆有线网卡系列，最大传输速率128 MB/s，其他用途我们不清楚。

2

3

以上可能是残忍的车主拆之前全网对特斯拉FSD芯片最详细的分析了。希望大家都没有睡着，我们下次再见。

标签：特斯拉RAMDSModel S

汽车资讯热门资讯