【长期主义】第352期智能说：特斯拉Dojo解散，理想基座模型专访

2025年8月8日，彭博报道，特斯拉解散Dojo超算团队。特斯拉芯片自研计划并未终止，将推动Dojo D系列与AI系列推理芯片融合，开发通用芯片，满足自动驾驶、人形机器人等业务算力需求。马斯克强调，未来将集中资源发展AI5、AI6等芯片，构建超级计算机集群，实现训练与推理一体化。

2025年7月25日，新皮层NewNewThing发布理想基座模型团队专访，团队负责人陈伟表示，理想的目标是在具身智能领域进入行业前三，这一目标并非空谈，是基于内部论证战略规划，AGI核心并非语言智能，是具身智能，车是具身智能本体；理想正在开发具备行动链CoA能力的L3级别基座模型，计划2025下半年发布；理想同学正在从车机，向手机、PC端拓展，希望让理想同学将来能成为用户的家人；理想推动车载大模型，演进为通用大模型。

本期长期主义，选择特斯拉解散Dojo超算团队相关分析报道、理想基座模型团队专访，新皮层NewNewThing、微博不是郑小康发布，六合商业研选精校，分享给大家，Enjoy！

正文：

全文15,031字

预计阅读30分钟

Dojo没了，特斯拉自研芯片计划没有结束

时间：2025年8月11日

来源：新皮层NewNewThing

字数：3,440

特斯拉有训练芯片与推理芯片两条产品线，Dojo的D系列芯片只用于训练；解散Dojo后，特斯拉要推动D系列训练芯片与AI系列推理芯片的融合，推出一种通用芯片。

Google的TPU，证明芯片从推理向通用演进的成功，马斯克多家公司的算力需求，可能等不及；仅训练Grok 4，xAI就用了20万英伟达GPU。

8月8日，消息称特斯拉解散Dojo超级计算机团队，此前Dojo团队负责人Pete Bannon传闻要离职。

团队解散前，Dojo已有约20人，加入Dojo前负责人Ganesh Venkataramanan创办的初创公司DensityAI。

解散Dojo后，特斯拉将该业务剩余员工，安排到特斯拉数据中心与计算部门，这一消息令外界意外。

2025年6月，马斯克在社交平台X发文称，将于2025年晚些时候，开始让Dojo 2上线。

一项新技术要达到卓越水平，需要经过三次重大迭代。Dojo 2很不错，Dojo 3将会非常出色。

2021年特斯拉AI Day上宣布的大型算力项目Dojo

Dojo是特斯拉2021年AI Day首次亮相的超级计算机项目，最初规划是通过自研芯片与完整机柜，构建类似英伟达云端计算中心，用以训练特斯拉自动驾驶需要的神经网络。

Dojo曾经承载马斯克实现AI算力自主可控的野心，Dojo关闭令人意外，这不等于特斯拉放弃自研芯片。

特斯拉有训练芯片与推理芯片两条产品线，Dojo的D系列芯片只用于训练

马斯克首次提及Dojo，是2019年4月特斯拉自动驾驶投资者日Autonomy Investor Day活动上。

马斯克当时称Dojo是台超级强大的训练计算机super-powerful training computer，可以对海量视频进行无监督大规模训练。

当时Dojo还是内部秘密项目，那场活动焦点是发布特斯拉自研Hardware 3车载芯片HW3。

2年多后，2021年8月举行的特斯拉AI Day上，特斯拉正式公开Dojo项目。

按当时说法，Dojo将由成千上万芯片、大量内存、电源、散热系统、互联网络组成，核心设计理念是垂直整合，特斯拉想要掌控从芯片、服务器、集群、软件的每一个层面。

马斯克当时表示，Dojo第一个用途，是处理从车队中收集到的真实驾驶视频与传感器数据，这些数据是训练与优化特斯拉FSD神经网络的关键。

训练芯片D1是Dojo项目核心，目标是取代英伟达A100

Dojo核心是款自研芯片D1，采用7nm工艺，目标是取代英伟达A100。25个D1芯片，通过互连网络排列成二维网格，形成训练模块training tile，这些模块被进一步集成为更大的机柜cabinet与集群cluster。

马斯克对Dojo设想十分远大，认为终极形态是巨型算力集群ExaPod，算力超过1.1 Exa-flops，即每秒进行超过10¹⁸次浮点运算，如果能实现，Dojo将进入全球超级计算机Top榜单。

Density AI创始人Ganesh Venkataramanan当时是Dojo负责人，在2021年特斯拉AI Day上展示D1芯片

团队解散之前，Dojo从未真正大规模投入使用过，Dojo是否被造出来过，都是疑问。

2022年特斯拉AI Day上，马斯克称Dojo首个完整集群Exapod，会在2023年Q1推出。根据管理层在2023年Q2财报电话会议上说法，Dojo超级计算机被推迟到2023年7月开始投入生产，没有说明是否为完整集群。不管是不是完整版，外界都没有看到下文。

2022年AI Day上，马斯克给出基于D1与Dojo构建计算集群ExaPOD的计划

同样不明确的是，用于Dojo这台超级计算机的芯片进展。

当时Dojo负责人Ganesh Venkataramanan，在2021年AI Day展示过后，D1不再有量产相关消息。作为D1迭代版的D2，没有顺利推出。

2023年11月，Ganesh从特斯拉离职。传言称，Ganesh是因Dojo2芯片D2不及预期，被特斯拉开除。

Ganesh离开Dojo项目与特斯拉后，主导Dojo超级计算机内部的互联网络Dojo Fabric开发的关键人员Eric Quinnell，也在2024年10月宣布离职。

另外一个暗示Dojo受挫的迹象，是特斯拉从2024年开始，大力买入英伟达GPU。

2024年1月，特斯拉宣布向英伟达购买约1万H100 GPU。

同时，一个新的AI算力计划，开始在特斯拉公开叙事中占据重要地位，2024年下半年以来，马斯克越来越少提及Dojo，取而代之是超级计算集群项目Cortex。

Cortex项目，采用的不是特斯拉自研的D系列芯片，是超过10万英伟达H100与H200。

马斯克称，建造Cortex计算集群目的，是为训练FSD与人形机器人Optimus提供支持，规模庞大，初始电力需求约130兆瓦，未来会超过500兆瓦。

解散Dojo后，特斯拉要推动D系列训练芯片与AI系列推理芯片融合

Dojo与相关D系列训练芯片解散后，特斯拉拥有另一条自研芯片业务线AI系列芯片，用于终端推理。

自动驾驶系统所需的推理芯片，与训练芯片不同，训练芯片负责在云端训练模型学习驾驶技术，核心工作是处理海量数据，让模型变得更聪明，需要强大并行算力、巨大内存带宽、芯片之间超快的数据传输速度；推理芯片负责在车端进行决策，需要的是高能效与低延迟。

最初，特斯拉自动辅助驾驶系统Autopilot，依赖的是Mobileye EyeQ3芯片，特斯拉从2014年9月开始，在Model S与Model X车型配备EyeQ3芯片。

Mobileye奉行封闭的黑匣子技术路线，提供一套完整、不可修改的硬软件方案，特斯拉看不到Mobileye系统内部工作细节，也没有得到完整的原始数据访问权限，无法控制它如何处理数据，意味着特斯拉自动驾驶系统受制第三方。

2016年，一起涉及特斯拉Autopilot的致命车祸，促成特斯拉与Mobileye分手。

特斯拉启动自研车载芯片计划，期间采用过英伟达Drive PX 2 GPU作为HW2过渡方案。

2016年，特斯拉正式开始自研车载推理芯片始。

这一年，马斯克从AMD挖来芯片架构大师Jim Keller。Jim Keller曾在ADM主导开发Zen架构、在苹果主导开发A4与A5芯片，来到特斯拉后担任自动驾驶硬件团队总负责人，从零开始为特斯拉自动驾驶系统设计芯片。

随后，特斯拉又陆续招聘不少芯片设计师，包括Pete Bannon，Pete Bannon曾与Jim Keller在苹果共事多年，在特斯拉负责把芯片设计构想落地。

2019年发布特斯拉第一代自研自动驾驶芯片HW3，算力72TOPS，首次搭载于Model S、Model X、Model 3

Jim Keller团队核心成果，是2019年推出FSD芯片HW3，采用三星14nm工艺生产。

特斯拉称，HW3图像处理能力，较前代英伟达Drive PX 2 GPU提升21倍，功耗显著降低，为视觉优先的自动驾驶方案，提供强大算力支持。

Jim Keller没有等到HW3正式发布，2018年跳槽去英特尔，Pete Bannon接过自动驾驶硬件团队领导权。

2023年底，Ganesh因D2芯片不符预期离开Dojo后，Bannon又接管Dojo。

特斯拉2023年发布第二代自研芯片HW4/AI4，算力121.651TOPS，几乎是HW3两倍

特斯拉第二代自研芯片开始，HW系列开始更名为AI系列。

2023年，特斯拉HW4/AI4实现量产，由三星代工，采用7nm制程，已搭载于特斯拉Model 3、Model Y等系列车型。

AI5芯片，刚刚完成设计工作，采用3nm制程，代工厂换成台积电，预计2026年底量产。

AI6芯片代工合同，不久前再次被三星拿下，据称合同价值不低于165亿美元，相当于三星2024年总营收的7.6%。

马斯克称，AI6芯片将采用2nm制程，不仅用于汽车自动驾驶系统，还将成为人形机器人Optimus大脑，实现统一的AI平台。

马斯克还想要把训练芯片与推理芯片融合。

特斯拉2025年Q2财报电话会议上，马斯克称，直观想，我们希望能让Dojo 3与AI6在一块芯片上实现某种程度融合。

2021年AI Day上，马斯克发布Dojo项目，官宣robot项目

Dojo团队解散后，8月7日，马斯克在X上再次重复上述观点称，特斯拉在两种完全不同的AI芯片设计上分散资源，不合理。

AI5、AI6、后续芯片，将非常擅长推理，至少在训练方面相当不错，目前特斯拉所有精力都集中在这上。

马斯克声称，将大量AI5/AI6芯片，安装在主板上构建的超级计算机集群，是Dojo 3。

Google的TPU证明从推理向通用的成功，马斯克多家公司算力需求可能等不及

先自研推理芯片，用推理芯片覆盖训练市场、推出既能推理又能训练的通用芯片，这个路径已被Google证明可行。

最初，Google自研TPU，只用于推理任务，例如加速Google搜索、翻译等服务。

2017年，Google推出第二代TPU开始，成为既能推理、又能训练的通用AI芯片，可以用来训练复杂的大型神经网络。

2018年开始，Google将自研TPU，放到云计算平台上，开放给Google Cloud客户使用。

《华尔街日报》曾报道称，2023年，Google曾用5万多TPU，搭建算力集群，用于训练类似Gemini的大模型。

马斯克口中既能训练、又能推理的通用芯片AI6，刚与三星签订生产订单，最终生产出来，可能要到2029年。

眼下是特斯拉有史以来，算力需求最高的阶段。

2024年，马斯克将特斯拉从汽车公司，重新定位为AI与机器人公司。

2025年6月，特斯拉旗下Robotaxi业务，已开始在美国奥斯汀试运行，人形机器人即将量产，马斯克的xAI也在积极投入AGI争夺战，这些业务都跟AI有关，需要算力训练模型与提供推理服务。

仅训练Grok 4，xAI就用了20万英伟达GPU。

发布无人驾驶出租车cybercab时，马斯克想把车里芯片当成可租赁的云计算中心使用

马斯克一直想把算力成本中心转变为利润中心，发展类似亚马逊云计算服务AWS，靠出租算力赚钱。

基于这种逻辑，摩根士丹利曾在2023年估算，若特斯拉Dojo项目取得成功，可能为特斯拉增加高达5,000亿美元市值。

摩根士丹利2023年对Dojo项目估算

不断人才流失，可能影响马斯克通用芯片与靠算力赚钱的双重战略。

离开特斯拉前，Bannon同时负责特斯拉Dojo超级计算机项目与自动驾驶FSD硬件业务，也是说，D系列训练芯片与AI系列推理芯片曾经都在Bannon手里。

与最初领导特斯拉自研芯片项目的Keller一样，Bannon与Ganesh都曾在AMD工作多年。

DensityAI另外两位创始人Bill Chang与Ben Floering，同样出身特斯拉，特斯拉前投资者关系主管Martin Viecha以顾问身份加入DensityAI。

据报道，DensityAI计划为机器人、自动驾驶汽车、数据中心的AI基础设施。开发专用芯片、硬件、软件，正在洽谈数亿美元资金的融资。

特斯拉芯片规划

时间：2025年8月11日

来源：微博不是郑小康

字数：941

彭博社报道，大概是两点，特斯拉已解散 Dojo 超算研发团队，负责人 Pete Bannon 离职，这是事实；特斯拉更多转向依赖英伟达、AMD、三星等外部 AI 芯片供应商或代工商，这是很不妥的误导。

特斯拉解散Dojo团队与业务调整本质是，特斯拉 FSD 端侧模型的训练数据集，正在越来越多转向依赖合成数据，而非直接采集自现实世界的真实道路数据。决定马斯克说的特斯拉未来大部分训练，是为了训练而进行的推理，也是合成数据的生成。

先厘清两个概念，什么是训练，什么是推理。训练发生在云端，本质是用大量数据调整模型参数，优化模型预测或决策能力；推理发生在车端，本质是用训练的模型处理新数据，生成输出结果。

传统FSD模型训练流程是，直接采集全球各地真实道路数据训练模型，再将模型部署到车上，这个过程不涉及推理。

新的FSD模型训练流程是，用部署在云端、强大的世界模型进行推理，生成大量合成数据。这些合成数据，再辅以一定比例真实道路数据，训练可以部署在车端的FSD模型。

这个迭代过程中，FSD模型训练环节产生的推理占比越来越大，这需要特斯拉在云端除了有以英伟达芯片为主的训练系统，还需要拥有超高带宽的推理系统来大规模生成合成数据，多块AI5或AI6并联，可以做这个系统。

特斯拉未来2~3年后AI发展趋势是，用英伟达GPU集群，训练一个超大参数规模的世界模型；用Dojo 3，本质是特斯拉AI5、AI6芯片组成的推理集群运行世界模型，生成大规模合成数据；用Dojo 3与英伟达混合集群，训练小参数量、可以在车端部署、迭代频繁的FSD模型；用AI5、AI6芯片，在车端与机器人端进行推理。

转向依赖世界模型生成合成数据，主要是效率、成本、可控性、数据覆盖度的考量。现实世界数据占比会走低，依然重要。现实世界数据集，是FSD模型与现实对齐的基础，合成数据是用来填补极端/高危场景，扩展长尾分布，加快迭代速度，最终会是混合数据的策略。

越来越多使用合成数据，也是AI领域重要趋势，比如最近发布的Grok 4、GPT-5的训练过程，都用到相当多合成数据。

Pete Bannon是Dojo负责人，也是AI5、AI6 负责人，也是特斯拉汽车与Optimus低压电子的负责人。

2018年，Jim Keller 离职后，Pete Bannon是特斯拉芯片与低压电子的总负责人，技术很硬核，是可以亲自用C语言编写HW3编译器的男人。

媒体的结论，特斯拉更多转向依赖英伟达、AMD、三星等外部 AI 芯片供应商或代工商，是很奇怪的，不明技术脉络演进的粗暴归纳，没啥参考价值。

专访理想基座模型团队，为什么我们不能做具身的前3，这是我们必须做到的

时间：2025年7月25日

来源：新皮层NewNewThing

字数：10,529

理想同学从车机进入手机，它认为只有参与更激烈的竞争，才能变更强。

大模型时代，产品研发范式变了，从交付逻辑，转向能力提升逻辑。

AGI核心不是语言智能，是具身智能。

AGI的L1与L2阶段是语言模型，L3之后需要行动链CoA能力，基座模型在从L2向L3演化。

更可能赢得L3竞赛的，是拥有足够多AI终端的公司。

DeepSeek实现L2级模型的中国赶超，L3级模型的DeepSeek时刻，可能出现在理想。

2024年12月27日，当李想对外喊出理想要在基座模型能力进入行业前3目标时，外界一片讶异，这意味着包括月之暗面、MiniMax、智谱等在内的AI六小龙，与包括豆包、通义等模型所在的AI大厂，都会成为理想大模型要面对的对手。

当时，理想大语言模型，才更新到第二代MindGPT 2.0，既不具备多模态能力，也不具备推理能力。

终端应用理想同学，也只是车机产品，尚未进入手机端，外界对它的认知，是服务于智能座舱的车内助手，用户规模不会超过当时车主数量100万。

同一时刻，QuestMobile数据，豆包在手机移动端的月活跃用户量，已达到7,523万。

进入2025年以来，DeepSeek R1模型的出现，让很多看似不可能的事，开始变得可能。

理想基座模型负责人陈伟表示，DeepSeek R1的出现，比理想预测的行业节点，提前半年左右，2024年9月OpenAI发布o1模型，按照技术扩散周期，理想预判其他公司开始具备同样能力，大概会在2025年4~5月，DeepSeek 2025年1月就把技术突破、开源。

这个行业变量，加速与改变很多事。

被加速的事项之一是L3模型。

陈伟看来，包括OpenAI o1与DeepSeek R1在内的推理模型，都是L2级别的基座模型，既能推理、又能调用工具的Agent模型，将会是基座模型的L3。

陈伟认为，OpenAI与Anthropic都已经在朝L3努力，它们在发布OpenAI o3与Claude 4时，都强调Agent能力，可能已经开始加入Chain of Action行动链CoA的训练，不只是Chain of Thought思维链CoT。

陈伟称，理想已经在开发这样拥有CoA能力的模型，下半年就会发布。

行业被加速后，基座模型的定义随之改变。

陈伟认为，AGI的L1与L2阶段都会是语言模型主导，到L3阶段之后，会是多模态的Agent模型才能胜任，比如数字世界的Agent模型再往下发展，需要能够在物理世界行走与通过调用工具解决任务的具身Agent模型。

陈伟称，AGI核心不是语言智能，是具身智能；基座模型行业前3，不是随口一说的大话，是经过内部论证、可被落地的战略。

当行业开始进入具身赛段，理想会开始拥有角色，只有语言模型、没有足够多可移动的终端硬件的公司，很可能不能进入AGI决赛。

理想基座模型负责人陈伟、理想同学产品负责人张文博

理想很多动作显示，理想认为AGI的具身赛段已经开始。

动作之一是架构调整，2025年初，理想CEO李想本人从汽车终端抽身出来，All in AI，包括陈伟在内的部分智能座舱团队成员被抽离出来，成立基座模型团队，陈伟担任负责人。

这个团队，不仅负责开发理想同学背后的语言模型、语音模型，还为智驾团队提供基座模型能力，推进语言模型MindGPT与智驾模型MindVLA融合，为更统一的具身基座模型做准备。

另一个动作，成立两个新的机器人部门，传闻的穿戴机器人，将由理想同学产品负责人张文博负责。

陈伟与张文博，没有就新成立的机器人部门透露更多信息，他们确认的是，理想将有更多汽车之外硬件推出。

与理想基座模型负责人陈伟、理想同学产品负责人张文博对话实录

理想同学的MBTI是ESFJ

新皮层：理想同学2025年上半年发布不少新模型与产品更新，迭代方向是什么？

陈伟：上半年，我们主要提升理想同学背后基座模型MindGPT的能力，主要在两个方向发力。

第一，在MindGPT 3.0中，增加结构化的思维链，让用户对结果可信度有很大提升。

第二，推出端到端语音模型MindGPT-4o-Audio，实现低延迟、全双工的自然对话，让AI像人类一样边听边说。

新皮层：理想同学一上线，就推出AI播客，对口语能力的强调，主要是车机场景的需求吗？

陈伟：不只是车机，我们已经发布手机与PC的理想同学。

强调口语能力，是我们认为未来人机交互往下演进过程中，口语化是拉近人与AI最重要的交互方式，我们希望让理想同学将来能成为用户的家人。

它除了要有智商，情商也要上来。

张文博：更新MindGPT模型之前，我们与车主、车主小朋友都深入交流过。

无论在车上、还是手机上，用户与AI对话时，都会遇到问题。

比如在手机上，可以使用理想同学APP做语音输入，每次要说话都得按一次按键，过程中还得按住这个键，这对小朋友非常困难。

小朋友说话方式是不连续的，他们常常不会一次性把话说完，是说几句话就停顿，再接着说。

口语交互与文字交互不同地方在于，传统模型都是用户输入很短文字，模型给出很长回答，这对小朋友与成人体验都不友好。

口语交流，是一问一答、一来一回。

家长鼓励小朋友跟AI聊天，大家都认为AI是未来趋势。

新皮层：对理想同学，小朋友体验，可能比开车的人体验更重要？

张文博：一定意义上是的，我们希望AI能成为家人。

对家人这个形态，连续自然交互，是我们走出的第一步。

新皮层：家人角色与普通助手会有什么不同，它会不会需要比助手更主动？

陈伟：这是渐进过程。

主动交互是往后的部分，基于模型能力提升、作为助手时期与用户关系的建立与逐步深入，之后才有可能变成更自然、会主动提供服务的存在。

关系这个东西非常重要，它会决定你怎么看待这个助手、对这个助手预期是什么样。

我们要发展的AI，分为三个阶段，第一是增强能力，第二是成为助手，第三是变成家人。

张文博：这是系统性工程。

理想同学的姓名、人设、形象，甚至MBTI（16型人格，通过4个维度评估人格，外向E vs内向I、实感S vs直觉N、思考T vs情感F、判断J vs知觉P)、故事设定、整体技能，我们有一个档案库。

比如说理想同学的MBTI是ESFJ（E代表外向，S代表实感，F代表情感，J代表判断），我们希望它是稍微偏外向的性格，很容易跟人聊得起来，它偏感性，能够与用户感同身受，能给到用户情感上反馈，它也是非常有规划性、有条理的角色，能靠谱帮用户完成一些任务。

这是我们希望理想同学能传达给用户的初始状态。

现在我们让理想同学有了端到端的语音能力，未来我们会把记忆能力放到里面。有了记忆，理想同学与用户关系才有机会更深入，用户可能只说一个或几个词，它就大概知道我是什么意思。

甚至我没有说话时，它就猜到我想要什么。这个过程中，信任感会让理想同学从工作上助手，变成家人。

新皮层：小红书在为AI招募人文训练师时，入围的训练师几乎都是INFP（I代表内向，N代表直觉，F代表情感，P代表感知），清一色的内向型I人。

陈伟：我们希望理想同学稍微外向一点。

对主动性这件事，李想之前跟我们讲，不要狂刷存在感。对不同的能力，我们要判断它应该在什么时间点发起主动对话是合适的。

现在这个时间点，工作重点是增强理想同学的能力，不是让理想同学频繁出现打扰用户。

增强能力上，我们做了很多单点技术突破，比如做声纹、语音识别、方言自由说，让理想同学能够听懂与说很多方言。

还有语音指令遵循，比如打开空调、温度调到多少、音量调到多少。

再往下，Agent能力会越来越强，指理想同学能够自主完成、自主解决问题的能力，会越来越强。

新皮层：做家人，会不会让理想同学智能打折扣；陪伴型AI，对智能要求没那么高，甚至逻辑能力变强后，可能影响情商。

陈伟：情商与智商，永远不冲突，它对一个人是不可拆分的，对AI也是。

我们在强化学习过程中，发现一个现象。

我们之前认为，让一个AI把所有场景、各个领域、不同类型东西都学一遍，它才能具备逻辑推理，实际不是这样。

我们发现AI只要有代码能力、数学、或者STEM领域的学习，把这些人类在逻辑推理上最结构化的一套东西学好，它的智商与情商会同步提升。

张文博：智商与情商，把它交叉在一起时，恰恰是智能最高阶的表现。

比如幽默这事，这是人类独有的高阶智能，现在没有任何一个模型，能讲好一个笑话，没有一个模型能达到李诞水平。

请务必阅读免责声明与风险提示