星舰传捷报，DOJO却凉了！马斯克的算力野心，为何败给英伟达？

健康生活 2025年08月28日 16:59 1 admin

近日，马斯克的星舰第10次试飞成功，成功溅落印度洋！

也在这个月，曾被投资者寄予“AI领域亚马逊云”厚望的特斯拉DOJO算力项目，正式宣告终止。

从2019年提出概念到2021年8月正式发布，再到如今落幕，DOJO的“生命周期”仅4年，且仅推出过一代产品。这一结果不仅让业界唏嘘，更直接印证了AI领域的残酷现实：即便聪明如马斯克，也难逃英伟达的“算力霸权”。

事实上，DOJO的存在感从始至终都较为边缘。在特斯拉FSD（全自动驾驶）系统的训练中，90%的算力贡献来自英伟达H100等GPU，DOJO虽名义上扛起“特斯拉算力基建大旗”，却未能突破“辅助角色”的定位。

其诞生的初衷本是解决核心痛点——为FSD打造定制化算力工具，避免依赖通用GPU导致的效率损耗。但现实却截然相反：4年后，效率最高的方案仍是英伟达GPU，DOJO最终沦为“食之无味、弃之可惜”的鸡肋项目。

DOJO的失败，根源在于其过于激进的技术路线。从架构设计来看，DOJO的理念极具颠覆性：最底层是计算核心，354个核心组成一颗芯片，25颗芯片集成为“瓦片”（晶元级系统），12个瓦片构成一个机柜，10个机柜组成超级计算机。这种设计完全摒弃了GPU的板卡级概念，最小模块化单元直接是包含8850个计算核心的晶元级系统。

但颠覆性背后是难以逾越的门槛。一方面，晶元级集成对生产良率提出极高要求，只要一个核心出现故障，整个系统便会瘫痪，可能导致数周的训练成果付诸东流。尽管特斯拉开发了“stressed检测工具”管理故障核心，但随之而来的工程开销巨大，实际有效算力远未达预期。

另一方面，DOJO的功率密度堪称“离谱”：单个瓦片功率超15千瓦，一个机柜超200千瓦，曾因功率过高导致测试时当地变电站跳闸。虽可通过提升变压器容量解决电力问题，但定制化热管理系统又大幅增加了部署与管理成本。

对比谷歌TPU的成功，更能凸显DOJO的短板。谷歌TPU以单个芯片为最小模块，4个板卡组成模组，稳定性与扩展性兼具，最终成为谷歌大模型训练的主力。而DOJO的“大跃进式”设计，让其在过去几年里沦为“资金无底洞”，持续消耗特斯拉资源，却未能兑现算力承诺。

DOJO的落幕，本质是特斯拉资源整合的必然结果。近几个季度，特斯拉营收波动加剧，净利润曾出现严重下滑，而FSD芯片、Cortex训练集群、机器人等项目均需大量资金投入。在DOJO无法贡献核心算力的前提下，马斯克不得不“快刀斩乱麻”——2025年8月初，DOJO负责人带领20余名工程师离职创业，成为项目终止的直接导火索，马斯克顺势战略性放弃DOJO，避免双轨推进造成的资源浪费。

不过，DOJO并非毫无价值，其技术积累已“转嫁”至新一代芯片AI5。作为特斯拉车端FSD推理芯片的升级款，AI5的架构既延续了DOJO的设计思路，又融合了GPU的灵活性。

在存储与能效上，AI5也颇具亮点：张量加速器配备2MBSRAM，共享64MBEDRAM高带宽内存（带宽达2TB/s），支持24GB全局DRAM，延续了DOJO“近存计算”的理念；同时引入稀疏计算优化与混合精度策略，可动态降低推理功耗。

尽管马斯克称“AI5/6可通过级联实现训练功能”，但本质上AI5仍是车端推理芯片——其设计导向是低精度性能、低功耗与低成本，与训练所需的高精度浮点运算、大内存支持相去甚远，更像是马斯克为DOJO落幕找的“台阶”。

对特斯拉车主而言，AI5的意义更为实际：其算力达2000-2500TOPS，是HW4.0的3-5倍，不仅能提升FSD体验，还可运行本地化大模型，可玩性大幅提升。

而DOJO的技术遗产，或许会在AI6上进一步释放——不排除特斯拉为AI6开发训练版与推理版两个版本，实现“资源整合式突破”。

突破校史：多校官宣，2025国自然立项结果！

大朋VR发布AI智能眼镜VisionRay 主打户外场景

发表评论

星舰传捷报，DOJO却凉了！马斯克的算力野心，为何败给英伟达？

突破校史：多校官宣，2025国自然立项结果！

大朋VR发布AI智能眼镜VisionRay 主打户外场景

最新评论

最新留言

标签列表