马斯克断舍离：自研芯片梦碎，六年白干背后真相曝光

马斯克自研芯片梦碎：六年投入成空，背后真相令人震惊

　　 俗话说得好，欲练神功，必先自宫。

　　 为了应对接下来的汽车行业激烈竞争，马斯克竟开始对自己“动手”？

　　 就在几天前，彭博社报道，特斯拉突然中止了研发长达六年的芯片项目Dojo，这一举动令人震惊，仿佛连企业的核心都放弃了。 在我看来，这样的决定或许有其背后的考量，比如资源重新分配或战略调整，但对长期投入的项目说停就停，仍显得有些仓促。毕竟，芯片技术对于自动驾驶和人工智能的发展至关重要，若就此放弃，可能会影响特斯拉在未来智能汽车领域的竞争力。不过，具体原因还需进一步观察和分析。

　　 不仅工作全部白费，整个研发团队也纷纷离职散去。

　　 项目负责人彼得·班农已宣布辞职，与此同时，大约20名工程师也早已离开，转投名为DensityAI的初创公司。 从行业动态来看，关键人才的流失往往预示着团队或项目的动荡。此次多名工程师集体跳槽至DensityAI，可能反映出该初创公司在技术方向、发展前景或管理风格上更具吸引力。这种人才流动不仅影响原团队的稳定性，也可能为新公司带来新的活力与创新动力。在科技领域，人才是核心竞争力，此类变动值得持续关注。

　　 巧的是，这家公司的老板正是在2021年首次发布Dojo芯片的前特斯拉总监加内什·文卡塔拉马南。这一背景使得他在人工智能和芯片研发领域拥有丰富的经验，也让人对他当前所领导的公司充满期待。他的加入无疑为公司带来了技术上的深度与行业洞察力，进一步强化了其在相关领域的竞争力。

　　 可以说，特斯拉裁员裁出了一家公司。。。

　　 而于此同时，留在特斯拉的，就只剩一地鸡毛。

　　 有消息称，就连Dojo的专利也并未登记在特斯拉名下，未来若想继续推进相关项目可能将面临困难。

　　 呃，这确实有点出人意料。

　　 毕竟 Dojo 这玩意儿刚出来的时候，大家都还寄予了厚望。

　　 众所周知，特斯拉智驾的特点是纯视觉算法，这个方案虽然上限很高，但下限也很低，关键就看算法的能力，而因为端到端架构，你要迭代算法，靠的就只有没日没夜的训练。

　　 特斯拉启动Dojo项目的目标，就是为了训练人工智能模型，如果该项目成功，将使特斯拉的FSD系统达到全新的高度。

　　 要知道，过去用于智能驾驶训练的GPU，并非专为深度学习训练而设计。而Dojo通过其分布式2D架构，有效解决了高带宽和低延迟的问题，同时采用存算一体的设计，提升了训练的能效表现。

　　 这么一来，相比市场上主流的英伟达A100，Dojo在相同成本下的性能可以达到它的4倍。这对特斯拉而言，不仅有助于更高效地训练自动驾驶系统，也为其打破英伟达在芯片领域的垄断提供了可能，推动其向真正的人工智能企业迈进。 从技术角度看，这一突破意味着特斯拉在算力自主可控方面迈出了关键一步。过去，自动驾驶和AI模型的训练高度依赖外部芯片供应商，而Dojo的出现让特斯拉能够减少对外部技术的依赖，提升整体竞争力。同时，更高的算力效率也有助于降低研发和运营成本，为未来更复杂的AI应用打下基础。这种技术上的独立性，对特斯拉长期发展具有重要意义。

　　 特斯拉的Dojo超级计算机被老马视为“实现完全自动驾驶的关键”，而摩根士丹利也预测，Dojo有望为特斯拉带来5000亿美元的市值增长。 从技术发展的角度来看，Dojo的推出不仅体现了特斯拉在人工智能领域的深度布局，也反映出其对自动驾驶技术的长期战略投入。若该预测成真，将极大提升市场对特斯拉未来盈利能力的信心。然而，技术落地与市场预期之间仍存在差距，实际效果还需时间验证。

　　 但结果呢？上个月还提到Dojo2即将量产进入倒计时，现在却突然说没有了，让人有点摸不着头脑，心态也受到影响。

　　 很多人会觉得，是不是特斯拉开始走下坡路了？为了省钱，连自己最关键的芯片业务也要裁？

　　 脖子哥认为，确实有一部分原因，如今的特斯拉，真不比当年。

　　 根据财报显示，今年第一季度和第二季度，特斯拉最为关键的营收指标出现下滑，同比分别下降了9.23%和11.78%。

　　 特斯拉在7月份的全球销量表现持续低迷，背后的数据更是令人担忧。在英国，其销量同比骤降60%，德国市场也出现了55.1%的下滑，就连一向被视为基本盘的中国市场，也难以再现以往的火热态势。这反映出特斯拉在全球范围内的增长动能正在减弱，尤其是在竞争加剧和消费者偏好变化的背景下，品牌需要重新审视其市场策略和产品定位。

　　 但是吧，特斯拉目前尚未走到穷途末路。前几天，它还斥资43亿美元购买了LG的磷酸铁锂电池，同时又签订了价值165亿美元的芯片订单，向三星采购芯片。

　　 区区十几亿的 Dojo ，特斯拉完全还是投的起的。

　　 那要问背后原因是啥，老马其实自个儿就发帖说了，这么做主要是因为 “ 没有必要分散资源同时开发两种不同 AI 芯片 ” 。

　　 没错，目前特斯拉确实有两条芯片研发路径。一条是它的HW系列（Hardware，不是华为），用于搭载在特斯拉的汽车上，另一条则是Dojo，主要用于智能驾驶的训练。

　　 过去，这本是两条完全不同的平行线，但此次发布的AI6（HW6.0）显然超出了预期，显著提升了算力和带宽，不仅能够作为FSD的终端芯片使用，还能用于智驾训练，这让Dojo存在的必要性开始受到质疑。 从技术发展的角度来看，AI6的突破意味着特斯拉在芯片自研道路上又迈出了关键一步。如果这一代芯片确实能够兼顾终端与训练需求，那么对依赖外部算力的Dojo系统来说，确实可能面临角色调整的压力。不过，Dojo作为专门的训练平台，或许仍有其不可替代的价值，特别是在大规模数据处理和模型迭代方面。未来如何平衡两者的关系，仍需观察实际应用效果。

　　 按照老马的风格，肯定不会把资金和精力耗费在没有价值的事情上。

　　 当然，还有一个原因就是，Dojo 的研发进度确实不尽如人意。目前 Dojo 2 还没量产，而 Dojo 1 也因为性能缺陷，成本奇高，基本没啥市场竞争力。

　　 所以和更成熟的 HW 芯片相比，老马毫无疑问砍掉了根本看不到前景的 Dojo 。

　　 不过呢，你要说 Dojo 从一开始就是一个错误吗？我真觉得未必。

　　 马斯克曾公开表示：“我认为Dojo的前景并不乐观，但仍然值得尝试，因为潜在的回报可能非常巨大。”作为一名新闻观察者，这一表态反映出他对技术探索与风险承担之间平衡的深刻理解。尽管他对项目的成功持谨慎态度，但他依然认可其长远价值，这种务实而开放的态度在科技领域尤为重要。 

　　 说白了，有点赌狗的意思。

　　 但这场豪赌并不是没道理的，咱们得结合当时情境，从头开始说起。

　　 最早，特斯拉早期车型确实仅搭载了HW芯片，其中1.0版本更是全面采用了Mobileye的解决方案。这一技术路线的选择在当时具有一定的合理性，但也反映出特斯拉在自动驾驶领域初期对第三方技术的依赖。随着技术的不断演进，特斯拉逐渐转向自研芯片，展现出更强的自主创新能力。这种转变不仅提升了系统的整体性能，也为未来的技术发展奠定了更坚实的基础。

　　 但问题是，当时的Mobileye仍是一个黑盒系统，特斯拉无法参与算法的优化与调整，也无法获取相关数据，其功能设计也较为保守，与特斯拉追求开放与创新的理念存在明显分歧。

　　 2016年发生的Model S智驾事故，最终促使特斯拉做出分手的决定，双方以不欢而散告终。 从事件的发展来看，这起事故不仅对特斯拉的技术路线产生了深远影响，也引发了公众对自动驾驶安全性的广泛讨论。尽管事故的具体细节和责任归属仍有争议，但其带来的警示作用不容忽视。此次“分手”或许标志着特斯拉在技术发展与安全责任之间需要更加谨慎的平衡。

　　 我估计是因为这次和 Mobileye 的失败合作，让老马就看清了一件事：和别人合作永远做不了自己想做的事，自研才是唯一的出路。

　　 此后，特斯拉先是自主研发自动驾驶系统，在使用英伟达芯片过渡几年后，于2019年正式推出HW3.0，开始走自研路线。

　　 之后的HW4.0、HW5.0，也就是目前所说的AI4、AI5，仍然是特斯拉主导的框架设计、神经网络优化和系统集成工作，只是在生产环节采用了三星和台积电的制造工艺。

　　 在智驾芯片领域，老马成功取代了老黄，迅速体验到了自研芯片带来的优势。 看法观点：这一变动反映出企业在关键技术领域的自主可控愈发重要。自研芯片不仅能够提升产品竞争力，还能在供应链安全和长期发展上占据主动。老马的举措表明，面对激烈的市场竞争，掌握核心技术已成为企业突围的关键。

　　 随后老马很快又把矛头转向智驾训练。不过，因为 HW 的分离式内存架构更适合推理，而非训练，老马必须另开炉灶。

　　 2019年，马斯克在特斯拉自动驾驶日上提出使用Dojo系统来训练自动驾驶技术。到了2021年的AIDAY，特斯拉正式展示了Dojo超算的核心——7nm制程的D1芯片（还是这个老哥）。 从技术发展的角度来看，特斯拉在自动驾驶领域的布局愈发清晰，Dojo系统的推出标志着其在AI算力方面的持续投入。D1芯片的发布不仅体现了特斯拉在芯片设计上的自主能力，也反映出其对自动驾驶技术深度优化的决心。这一系列动作表明，特斯拉正通过自研核心技术，构建更高效、更安全的自动驾驶体系。

　　 这里大家可能有点困惑，马斯克把Dojo称为超级计算机，那它和D1芯片之间有什么联系呢？

　　 咱们可以这么来理解，其实 Dojo 就是一个体系森严的算力盒子，从低到高分为内核、芯片、瓦片、模组、机柜和 ExaPOD。

　　 一块 D1 芯片，其实是由 354 个核心（CPU）组成，而 25 个 D1 芯片，则组成一个瓦片，6 个瓦片就是一个模组，2 个模组是 1 个机柜， 10 个机柜是 1 个 ExaPOD 训练集群，最终算力能达到 1.1 EFLOP 。

　　 总之呢，从 D1 芯片到最后的训练集群，其实并没有那么简单。

　　 2021年，特斯拉仅展示了D1芯片和瓦片设计，直到次年才安装了首个机柜。根据此前的规划，其目标是在2023年建成七台ExaPOD。从目前的进展来看，特斯拉在自动驾驶计算平台上的布局正在逐步推进，但实际落地速度仍需观察。这一技术路线体现了公司在自研芯片与算力基础设施上的长期投入，也反映出自动驾驶技术发展所需的持续资源支持。

　　 然而很快，到2023年，马斯克才逐渐意识到，Dojo系统并非如最初设想那般完美，反而可能使训练成本提升十倍以上，其成功前景并不乐观。 从目前的技术发展来看，AI模型的训练成本一直是行业关注的焦点。Dojo作为特斯拉在AI算力领域的重大布局，原本被寄予厚望，但实际运行中暴露出的问题不容忽视。高昂的成本可能会限制其大规模应用，也对技术路线的选择提出新的挑战。这提醒我们，在追求技术突破的同时，也需要更加理性地评估实际可行性与经济性。

　　 但此时，老马的赌性占据了上风，开始左脑互博右脑了。。。

　　 随后特斯拉不仅继续砸重金去做 Dojo ，动则好几亿美元，而且还接连提出了 Dojo 1.5、Dojo 2 和 Dojo 3 ，要真正实现 Dojo ，几乎是个无底洞。

　　 然而结果呢，老马花费巨额资金打造的Dojo超算，其性能仅与英伟达H100系统相当，因此只能将期待寄托于Dojo2。

　　 相比 Dojo 1，第二代 Dojo 采用了台积电最新的 InFO-SoW 晶圆级封装技术，尺寸更小，损耗更低，效率也更高。

　　 不过嘛，结局依然不理想。

　　 尽管Dojo2的D2芯片算力从原来的362TFLOPS提升至3.62PFLOPS，是D1的10倍，但由于过于侧重视觉训练，因此在通用AI应用场景中，依然无法超越英伟达的H200 GPU集群。

　　 并且，芯片虽然由台积电进行代工，但初期良品率较低，仅有37%，在成本方面并无明显优势。

　　 说白了，Dojo2目前仍显不足，想要在性能上超越英伟达，还需在多个细节上持续优化。然而，时间不等人，当前的AI6已经对Dojo的未来发展构成了严峻挑战。在这种情况下，是否还要寄希望于尚未面世的Dojo3呢？ 在我看来，技术迭代的速度正在加快，行业竞争也愈发激烈。对于任何一家试图在AI算力领域占据领先地位的企业来说，仅靠一款产品或一个版本的升级是远远不够的。必须在技术储备、生态构建和市场响应等方面同步推进，才能真正具备与行业巨头抗衡的实力。Dojo系列的前景依然值得期待，但面对快速变化的市场环境，唯有持续创新和快速落地，才能赢得未来。

　　 这钱还不如留着应对一下关税。老马当机立断放弃 Dojo ，再次想起了老黄这个备胎。。。

　　 而后他解释到，如今的 AI5 和 AI6 ，从某种意义上，就是 Dojo 3 。

　　 但是吧，AI6至少要到2027年才能实现量产，其采用的是三星的2nm（SF2）制程技术，但目前良品率非常低，仅在40%至50%之间，相当于每生产两片芯片，就有一片无法使用。 从技术发展的角度来看，尽管2nm制程代表了当前半导体制造的前沿水平，但低良品率无疑会增加生产成本，并可能延缓产品上市时间。这反映出先进制程在实际应用中仍面临不小的挑战，尤其是在大规模量产阶段。对于行业而言，如何提升良品率、优化工艺流程，将是未来一段时间内需要重点突破的方向。

　　 尽管特斯拉向三星支付了165亿美元的巨额款项，但三星在为特斯拉供货的过程中依然处于亏损状态。因此，这块合作蛋糕最终能发展到何种程度，目前还难以预料。

　　 总而言之，Dojo项目对马斯克来说是一次大胆的尝试，但最终以失败告终。

　　 为了不陷入困境，马斯克选择暂时让步，放弃一半的投入，将全部精力转向更具前景的“神功”项目。

　　 但话说回来，对于汽车制造商来说，Dojo这件事并不能算作一个反面例子。

　　 因为自研，本来就是条困难但必须走的路。