马斯克的芯片梦，要靠这个清华人来落地

文 | 字母AI 几天前，SpaceX和特斯拉正式公布Terafab的建设计划。 这座位于美国得州的超级芯片工厂，将 获得168亿美元初始投资，未来目标是成为支撑特斯拉机器人、自动驾驶以及SpaceX AI基础设施的计算底座。 过去十几年，马斯克通过SpaceX证明了私人企业也能挑战传统航天工业。而现在，Terafab把目标对准了另一片艰难的领域：半导体制造。 对马斯克而言，建造一座晶圆厂，资金是最不值一提的难点。 一座先进晶圆厂真正棘手的地方，在于如何把复杂的制程、设备和工程流程整合起来，让芯片从设计图走向稳定量产。 在Terafab正式公布之前，特斯拉已经开始组建一支围绕半导体制造能力的团。其中最受关注的一名成员，是一位清华出身、拥有英特尔近18年行业经验的工程老兵。 他的名字叫Gary Jiang。 2026年6月，Gary Jiang加入特斯拉，成为了目前公开披露的Terafab项目首批核心领导成员之一。 谁是Gary Jiang？ 关于Gary Jiang，公开资料并不多。 但能够查到的信息，刚好勾勒出一个典型的半导体制造工程师路径。 领英资料显示， Gary Jiang拥有中国和美国两段材料科学教育背景：本科和硕士毕业于清华大学，随后赴俄亥俄州立大学攻读博士。 1990年，Gary Jiang进入清华大学材料科学专业学习。在那个年代，材料科学更多承担的是工业基础研究和制造工艺支撑的角色。 但几十年后，这条路径最终连接到了AI时代最重要的基础设施之一：半导体制造。 清华材料科学训练，培养了他对材料与制造工艺的理解；美国材料科学博士阶段，则让他进一步进入先进材料研究体系。 毕业后，他没有直接进入芯片设计领域，而是从半导体制造产业链的设备与工艺环节开始积累经验。 2000年，Gary Jiang加入半导体设备公司Rudolph Technologies，先后担任高级应用科学家和技术部门高级职员，累计工作约8年。 Rudolph Technologies并不直接制造芯片，它的主要业务是提供半导体检测、测量和工艺控制设备。 这段经历让Gary Jiang开始深入接触晶圆制造过程中的工艺控制、缺陷检测和良率提升问题。 2008年，他加入Intel，从设备和工艺应用领域进入先进制程晶圆厂体系。 在英特尔的近18年里，他从工程岗位逐步成长为晶圆厂管理者，先后参与过Fab 68新厂建设、Fab 32与Fab 12的工艺管理，以及英特尔亚利桑那晶圆厂的运营。 到2024年底，他进一步担任英特尔工厂经理，负责先进制程相关的工厂建设、技术转移和量产准备工作。 其中，最受关注的是他参与英特尔18A制程推进的经历。18A是英特尔重新挑战先进制程竞争的关键节点，而Gary Jiang负责的，是这一过程中从技术转移、设备安装到产线启动和量产准备等关键制造环节。 简单来说，他的职业经历始终围绕一个核心问题： 如何让一项先进半导体技术，最终变成一条能够稳定量产的晶圆产线。 一条先进制程产线，不是设备安装完成就能运转的。从厂房建设、光刻机部署，到工艺调试、良率爬坡，再到稳定量产，每一步都依赖大量经验积累。 而这正是特斯拉过去缺少的东西。 巧的是，Gary Jiang加入特斯拉的时间点，恰好处于Terafab与Intel合作逐渐明朗的阶段。 2026年4月，英特尔宣布加入Terafab项目，为这一由特斯拉、SpaceX推动的芯片制造计划提供制造能力支持。 马斯克此前透露，Terafab将采用英特尔的下一代14A制程——这是Intel继18A之后的下一个先进节点。 在这样的背景下，Gary Jiang的经历显得格外特殊：他参与过Intel 18A制造体系的搭建，如今又要推进Terafab的下一代芯片制造。 Wccftech等媒体分析认为，这段经历可能让他成为Terafab与英特尔之间的“桥梁”——他清楚先进制程导入过程中的工程难点和沟通方式。 而对马斯克来说，Gary Jiang正是他需要的那种人。 Terafab不缺提出宏大目标的人，缺的是知道如何把宏大目标落地的人。 Gary Jiang背后，马斯克想掌控AI时代的计算基础设施 Gary Jiang加入Terafab，不止是一次人才招聘。他的履历，恰好映出了马斯克对这座超级芯片工厂的真实期待。 Terafab不只是一家普通的芯片工厂，它要补齐的是马斯克AI版图最底层的一环：计算能力的生产能力。 过去几年，马斯克已经围绕AI时代布局了多个方向。 Tesla负责最贴近现实世界的AI应用：FSD芯片支撑自动驾驶系统，Optimus人形机器人依赖大量边缘计算。 SpaceX则正在从卫星互联网公司，向更广泛的空间计算基础设施延伸。 8月5日，SpaceX宣布将与英伟达合作，共同设计Starmind AI1卫星的计算系统。该卫星将搭载英伟达Rubin GPU和Vera CPU，使卫星具备数据中心级别的AI计算能力，并通过Starlink网络进行数据传输。 已并入SpaceX体系的xAI，同样需要持续扩张的计算资源来支撑大模型训练和推理。 这些业务看似分散，但最终都建立在同一个底层能力之上。而Terafab，正是连接这些业务的制造底座。 在进入晶圆制造之前，特斯拉其实已经尝试过另一条路：自己设计AI芯片，自己训练AI模型。 2019年，特斯拉启动Dojo项目，目标是为自动驾驶训练提供专用算力基础设施。马斯克多次强调，Dojo是实现自动驾驶的关键拼图——在他的设想中，特斯拉不仅要造车，还要掌握训练AI的计算平台。 2021年Tesla AI Day上，Dojo首次公开亮相。特斯拉展示了自研的D1训练芯片，计划通过大量芯片组合，构建一套专用AI训练系统。 但到了2025年，项目戛然而止。 据彭博社等媒体报道，特斯拉关闭了Dojo团队。项目负责人Peter Bannon离开公司，约20名核心成员加入新创公司DensityAI。 特斯拉自研AI训练计算体系的尝试，暂告一段落。 与此同时，Tesla开始更加依赖外部合作伙伴。 2025年7月，Tesla与三星签署价值约165亿美元的AI6芯片代工协议，由三星负责生产下一代AI6芯片，合作预计持续至2033年。台积电也继续承担部分Tesla芯片生产任务。 对于大多数芯片公司而言，这是一条成熟路线：自己负责芯片设计，将制造交给拥有先进晶圆厂经验的代工企业。 事实上，过去几十年的半导体产业分工，本质就是建立在这种模式之上。 但对马斯克而言，代工从来不是答案——他信奉的是垂直整合，而非采购。 几个月后，马斯克重振旗鼓，把目标推向了更深的一层：从设计芯片，到掌握制造芯片的能力。 2026年1月底，马斯克在财报电话会上首次提出Terafab计划，表示特斯拉需要建立自己的大规模芯片制造能力。 3月21日，Terafab项目正式公布； 4月，Intel宣布成为项目合作方，提供14A制程相关支持； 6月底，Gary Jiang加入特斯拉，负责Terafab相关制造工作。 8月6日，SpaceX和Tesla正式公布Terafab建设计划。 这座超级芯片工厂位于美国得州Grimes County，首期投资规模为168亿美元。 按照规划，Terafab未来将整合