清华学霸坐镇马斯克万亿芯片项目，英特尔17年老将加入Terafab

马斯克又开始押注一场超级制造竞赛。继新能源汽车、可重复使用火箭和人工智能之后，他将目光投向了更底层、也更困难的领域——芯片制造。

为了摆脱对外部供应链的依赖，。据公开规划，Terafab 的目标是在德克萨斯州建设一座高度整合的人工智能芯片制造基地，覆盖芯片制造、先进封装和测试等环节，为特斯拉自动驾驶系统、人形机器人以及 SpaceX 相关 AI 计算需求提供支持。该项目初期投资规模约 168 亿美元，长期规划投资可能达到 550 亿美元甚至更高。

而参与推动这一庞大制造项目落地的，是一名长期深耕半导体制造的华人工程师。根据 LinkedIn 主页，姜广斌于 2026 年 7 月加入特斯拉，担任 Terafab 项目总监（Director，Terafab），成为该项目首批公开确认的高级管理人员之一。

姜广斌于 1990 年至 1997 年就读于清华大学材料科学专业，获得学士和硕士学位，随后赴美国俄亥俄州立大学攻读材料科学博士。

在加入特斯拉之前，他曾在英特尔工作 17 年，长期参与先进制程制造、晶圆厂建设以及生产体系管理，被认为是马斯克为芯片制造业务寻找的重要制造管理人才。

对于一座计划投入数百亿美元建设的芯片工厂而言，真正困难的并不是提出制造愿景，而是将一套复杂的半导体生产系统稳定运行。而这，正是姜广斌过去二十多年职业经历所聚焦的方向。

来自清华的 17 年英特尔制造“老将”

在半导体产业中，一座先进晶圆厂的建设通常需要经历漫长过程。从厂房规划、设备安装，到工艺验证、良率提升和量产爬坡，每一个环节都需要大量经验积累。

对于芯片制造企业而言，真正稀缺的人才，并不是只掌握某一项技术的工程师，而是能够将材料、设备、工艺和生产管理连接起来，最终让一条产线稳定运行的制造管理者。

图 | Gary Jiang 领英主页（来源：领英）

姜广斌的职业经历，正是一条围绕“如何让先进芯片实现规模化制造”展开的路径。

他的半导体生涯并非始于芯片，而是从材料与制造基础环节逐步深入。1990 年至 1997 年，姜广斌先后就读于清华大学和美国俄亥俄州立大学，专业均为材料科学。

材料科学并不是半导体产业中最受关注的领域，却是芯片制造体系的重要基础。从晶圆材料、薄膜沉积，到半导体器件性能和制造稳定性，材料特性都会直接影响芯片最终表现。

博士毕业后，姜广斌于 2000 年加入半导体设备企业 Rudolph Technologies，先后担任高级应用科学家和技术部门高级职员，从设备与工艺控制环节切入半导体产业链。

Rudolph Technologies 并不直接制造芯片，而是为晶圆制造企业提供检测、测量以及工艺控制相关设备。这段经历让姜广斌开始深入接触晶圆制造中的关键问题，包括生产过程中的缺陷控制、设备优化以及良率提升。

对于半导体制造而言，设备并不仅是生产工具，更是保证工艺稳定复制的重要基础。工程师不仅需要理解设备运行逻辑，还需要判断设备参数变化如何影响芯片制造结果。这段经历，也为姜广斌后来进入英特尔制造体系、参与更大规模晶圆厂运营奠定了基础。

图｜Gary Jiang 领英主页（来源：领英）

2008 年，姜广斌加入英特尔，从设备和工艺应用领域进入全球最先进的晶圆制造体系之一。在英特尔 17 年的职业经历中，他逐步从工程岗位成长为晶圆厂管理者，参与多个先进制造项目。

英特尔长期采用 IDM（Integrated Device Manufacturer，集成器件制造商）模式，同时覆盖芯片设计、制造和封装测试环节。与单纯依靠晶圆代工的企业相比，IDM 企业需要更深入参与制造全过程，也更加依赖能够理解研发、工艺和生产衔接的工程管理人才。

在英特尔期间，姜广斌曾参与亚利桑那州钱德勒 Ocotillo 园区晶圆厂运营，负责包括 Fab 32、Fab 42 等先进制造设施相关工作，涉及 22 纳米、14 纳米以及 10 纳米级工艺技术的启动、量产爬坡和良率提升。

对于晶圆厂而言，真正的挑战并不止于完成建设，而在于让一座新工厂从具备生产条件走向稳定量产。这一过程涉及设备导入、工艺调试、产品认证以及生产体系优化等多个环节，任何一个环节出现偏差，都可能影响整个项目进度。

而姜广斌长期负责的，正是这一类制造体系中的关键工作。

在英特尔职业后期，姜广斌进一步参与 18A 先进制程相关制造工作，负责技术转移、设备安装、工厂启动以及量产准备等环节。18A 是英特尔近年来重点推进的新一代先进制程技术平台，目标是通过晶体管结构和供电方式的创新，提升芯片性能与制造效率。

从清华材料科学，到半导体设备企业，再到英特尔先进制造体系，姜广斌的职业经历始终围绕半导体制造这一核心环节展开。他所积累的经验，覆盖了从工艺理解、设备调试到晶圆厂建设和量产管理的完整流程，这也与 Terafab 从规划建设走向实际生产所需要的能力高度契合。

一幅芯片制造蓝图

姜广斌的加入，并非特斯拉布局芯片制造的起点，而是马斯克为 Terafab 补上的关键一环。

过去几年，特斯拉一直在探索芯片自主能力。2019 年，特斯拉推出自研 FSD 计算机芯片，用于自动驾驶系。随后，公司又建设 Dojo 超级计算机，用于训练人工智能模型。但随着业务与计算需求不断增长，仅依靠外部供应链已难以满足未来需求。

马斯克曾多次表达对芯片供应不足的担忧。在他的规划中，未来特斯拉不仅需要更多芯片，更需要针对自身应用场景优化的专用计算硬件，包括自动驾驶车辆、人形机器人以及人工智能基础设施所需的芯片。

相比传统依赖晶圆代工企业生产芯片的模式，Terafab 希望建立更加紧密的芯片研发与制造体系，让芯片设计、生产和应用之间形成更快速的协同。

（来源：Terafab 官网）

2026 年 3 月，特斯拉与 SpaceX 宣布推进 Terafab 项目，计划在德州建设相关设施。按照公开规划，该项目将覆盖芯片设计、晶圆制造、先进封装和测试等多个环节。

通过整合芯片研发与生产流程，Terafab 希望缩短从设计到制造的周期，并提升针对不同应用场景优化芯片的能力。未来，该设施将服务于特斯拉、SpaceX 以及 xAI 相关业务，生产面向自动驾驶、机器人和 AI 计算场景的专用芯片。

不过，对于此前主要聚焦汽车和人工智能业务的特斯拉而言，建设晶圆厂仍需要补充成熟的半导体制造经验。

今年 3 月以来，特斯拉持续招聘负责晶圆厂建设的项目管理人员，相关岗位要求候选人具备大型资本项目管理经验，能够推动工厂从设计、建设到生产准备全过程落地。

随后，英特尔成为 Terafab 的重要合作方。2026 年 4 月，英特尔加入该项目，并计划提供先进制造相关支持，Terafab 未来将采用英特尔 14A 制程技术。

姜广斌加入特斯拉的时间，与英特尔参与 Terafab 的时间基本同步。作为曾参与英特尔先进制程制造体系建设的工程管理者，他也成为连接双方制造经验的重要角色。一方面，特斯拉需要推进 AI 芯片和计算基础设施布局，另一方面，英特尔长期积累的先进制程和晶圆厂运营经验，为 Terafab 从规划走向建设提供了制造参考。

（来源：Terafab 官网）

与此同时，Terafab 在项目规模上远超普通芯片工厂。公开信息表明，其规划制造空间逾 1 亿平方英尺（约 930 万平方米），马斯克表示项目全部建成后规模等同于 50 座五角大楼。Terafab 官网显示，项目目标是产出支持太瓦级算力的芯片，适配地面及太空场景下的 AI 计算需求。

不过，建设大型先进晶圆厂仍然是一项长期工程。除了资金投入外，项目还需要面对设备供应、工程团队建设、工艺优化以及量产良率提升等挑战。

对于特斯拉而言，Terafab 不仅是芯片供应链的一次扩展，也是其在 AI 时代进一步掌握底层计算基础设施的一次尝试。而姜广斌的加入，则让这一项目开始从宏大的技术愿景，进入更具体的工程实践阶段。

参考资料：

1.https://terafab.ai

2.https://electrek.co/2026/06/30/tesla-intel-veteran-terafab-director/

3.https://www.tomshardware.com/tech-industry/semiconductors/tesla-hires-17-year-intel-veteran-responsible-for-billion-dollar-fab-startups-gary-jiang-likely-chosen-to-oversee-fab-efforts-for-terafabs-licensing-of-14a

4.https://www.linkedin.com/in/gary-jiang-4b3a044/

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成