特斯拉Dojo超级计算机项目的终止标志着马斯克在AI算力自主化道路上的重大战略调整。根据多方权威信源,特斯拉已于2025年8月初解散Dojo团队,核心成员流失至新创企业,项目负责人Peter Bannon离职,这一曾被寄予“为特斯拉市值增加5000亿美元”厚望的项目正式落幕。 一、项目终止的核心原因1. 技术路线的资源错配 马斯克在社交媒体上解释,同时开发Dojo专用芯片与AI5/AI6推理芯片导致资源分散。Dojo的D1/D2芯片采用定制化架构,与英伟达、AMD的通用GPU生态存在兼容性鸿沟,而外部芯片性能提升速度远超预期(如英伟达Blackwell B200算力达1000 TOPS),使得Dojo的性能优势逐渐消失。例如,Dojo 2虽在理论算力上接近B200,但实际训练效率因软件生态不完善而大打折扣。2. 成本与效率的现实压力 Dojo项目累计投入超10亿美元,2025年运营成本达2.3亿美元,却仅承担特斯拉15%的自动驾驶模型训练任务。相比之下,直接采购英伟达H100/H200 GPU的成本更低、部署更快。例如,特斯拉新建的Cortex 2.0算力中心采用5万块GPU,算力规模已超Dojo集群,且兼容主流AI框架。3. 人才流失与组织动荡 核心团队连续出走成为项目终止的催化剂。前Dojo负责人Ganesh Venkataramanan于2023年离职创立Density AI,带走约20名骨干成员;Peter Bannon离职后,剩余成员被分散至数据中心项目。这种人才断层导致技术传承中断,Dojo 3芯片研发陷入停滞。 二、战略转向的具体路径1. 算力采购全面倒向外部供应商 特斯拉计划与英伟达、AMD深化合作,同时与三星签署165亿美元协议,将AI6芯片生产转移至得州工厂。此举旨在利用成熟供应链快速获取算力,例如三星的3nm工艺将使AI6推理芯片能效比提升40%。2. 聚焦推理芯片与场景化应用 马斯克明确表示,未来资源将集中于AI5/AI6系列推理芯片,其性能在FSD实时决策、Optimus机器人控制等场景已达行业领先水平。例如,AI6芯片可实现自动驾驶系统的毫秒级响应,支撑特斯拉Robotaxi商业化落地。3. 算力集群的混合架构转型 替代Dojo的Cortex 2.0算力中心采用“GPU+自研推理芯片”混合架构,预计2025年底投入运营时算力达10万块GPU当量。这种架构既能满足大规模训练需求,又能通过AI6芯片优化边缘端推理效率。 三、行业影响与争议1. 短期成本优化与长期风险并存 解散Dojo预计每年为特斯拉节省约1.5亿美元研发开支,但也意味着放弃在AI训练芯片领域建立差异化优势的机会。摩根士丹利指出,Dojo的终止可能使特斯拉在自动驾驶算力竞赛中落后于Waymo等对手。2. Density AI的潜在竞争威胁 前Dojo团队创立的Density AI正研发针对机器人和汽车数据中心的芯片,其技术路线与Dojo存在显著继承关系。若该公司获得英伟达投资并进入特斯拉供应链,可能形成“技术反哺”的复杂局面。3. 车企自研算力的模式反思 Dojo的落幕折射出车企在AI芯片领域的困境:全球车企自研算力利用率普遍低于50%,而特斯拉的案例表明,缺乏云服务生态支撑的纯硬件投入难以摊薄成本。比亚迪、蔚来等企业正通过“自研+云合作”模式寻求平衡。 四、马斯克的下一步棋1. AI战略的朋友圈重构 特斯拉宣布与三星、台积电等企业建立“AI芯片联盟”,计划在2026年前推出融合Dojo 3架构的AI7芯片。这种“自研IP+代工生产”模式旨在规避技术风险,同时保留部分自主可控能力。2. 数据闭环与算法壁垒强化 马斯克强调,特斯拉将依托全球2000万辆联网汽车的实时数据,构建“数据-训练-迭代”的闭环系统。Dojo终止后,Cortex集群将专注于优化FSD的视觉神经网络,目标在2026年实现完全无监督自动驾驶。3. 人形机器人的算力突围 Optimus项目成为Dojo技术遗产的主要继承者。特斯拉计划在2025年底量产的Optimus 2.0机器人中集成AI6芯片,其多模态感知系统将复用Dojo的分布式计算架构,实现工业场景的精细化操作。 结语Dojo的终止并非特斯拉AI战略的失败,而是马斯克在“技术理想主义”与“商业现实主义”之间的妥协。这一决策虽短期内削弱了算力自主化进程,但为特斯拉争取到宝贵的时间窗口——通过聚焦数据与算法,加速FSD和Optimus的商业化落地。未来两年,特斯拉能否在自动驾驶出行服务(Robotaxi)和机器人领域建立新的壁垒,将成为检验这一战略调整成败的关键。而Dojo留下的技术遗产,或许会以另一种形式在AI7芯片或Optimus机器人中重生。
|
|