俗話說得好，欲練神功，必先自宮。

為了應(yīng)付接下來的車企混戰(zhàn)，馬斯克提刀就往自己身上砍？

就在幾天前，彭博社報道了一則消息，說特斯拉突然叫停了研發(fā)六年的芯片項目 Dojo ，這是連命根子都不要了啊。

不僅工作全部白干，而且整個研發(fā)團(tuán)隊也直接作鳥獸散。

項目負(fù)責(zé)人彼得·班農(nóng)原地辭職，還有約 20 名工程師也早已提桶跑路，投奔一家名為 DensityAI 的初創(chuàng)公司去了。

巧的是，這家公司的老板正是在 2021 年首次發(fā)布 Dojo 芯片的前特斯拉總監(jiān)，加內(nèi)什·文卡塔拉馬南。

可以說，特斯拉裁員裁出了一家公司。。。

而于此同時，留在特斯拉的，就只剩一地雞毛。

甚至有消息說，連 Dojo 的專利都不在特斯拉自己手上，以后想再繼續(xù)干也沒有機會了。

呃，這確實有點出人意料。

畢竟 Dojo 這玩意兒剛出來的時候，大家都還寄予了厚望。

眾所周知，特斯拉智駕的特點是純視覺算法，這個方案雖然上限很高，但下限也很低，關(guān)鍵就看算法的能力，而因為端到端架構(gòu)，你要迭代算法，靠的就只有沒日沒夜的訓(xùn)練。

特斯拉開啟 Dojo 項目的初衷，就是奔著訓(xùn)練來的，如果它做成了，就能讓特斯拉 FSD 直接封神。

要知道，過去給智駕做訓(xùn)練的 GPU ，并不是為深度學(xué)習(xí)訓(xùn)練而設(shè)計的，而這個 Dojo 通過分布式 2D 架構(gòu)，解決了高帶寬和低延遲的問題，并且通過存算一體的設(shè)計，讓訓(xùn)練的能效也更高。

這么一來，相比市場上主流的英偉達(dá) A100 ， Dojo 在相同成本下的性能可以達(dá)到它的 4 倍。這對特斯拉來說，不僅能更好的訓(xùn)練智駕，還能打破英偉達(dá)在芯片上的壟斷，讓特斯拉成為真正的人工智能企業(yè)。

所以對于這個 Dojo ，老馬認(rèn)為它是 “ 實現(xiàn)完全自動駕駛的關(guān)鍵 ” ，摩根士丹利也預(yù)測， Dojo 將會給特斯拉帶來 5000 億美元的市值增長。

但結(jié)果呢？上個月還說 Dojo 2 量產(chǎn)倒計時，現(xiàn)在說沒就沒，就有點搞人心態(tài)了啊。

很多人會覺得，是不是特斯拉開始走下坡路了？為了省錢，連自己最關(guān)鍵的芯片業(yè)務(wù)也要裁？

脖子哥認(rèn)為，確實有一部分原因，如今的特斯拉，真不比當(dāng)年。

咱們打開財報咱們就知道，今年 Q1 和 Q2 季度，特斯拉最關(guān)鍵的營收指標(biāo)開始下滑，同比分別減少了 9.23% 和 11.78 % 。

而在這背后的銷量數(shù)據(jù)就更是雪崩， 7 月份，特斯拉全球齊跌，在英國同比暴跌 60% ，德國則下滑 55.1% ，甚至在基本盤的中國也達(dá)不到過去的熱度。

但是吧，特斯拉還遠(yuǎn)遠(yuǎn)沒到山窮水盡的地步。前幾天，它還花了 43 億美元買 LG 的磷酸鐵鋰電池，甚至還用 165 億美元定了三星的芯片單子。

區(qū)區(qū)十幾億的 Dojo ，特斯拉完全還是投的起的。

那要問背后原因是啥，老馬其實自個兒就發(fā)帖說了，這么做主要是因為 “ 沒有必要分散資源同時開發(fā)兩種不同 AI 芯片 ” 。

沒錯，目前特斯拉確實是有兩條芯片研發(fā)路線。一條是它的 HW 系列（Hardware，真不是華為），用在特斯拉的汽車上，另一條就是這個 Dojo ，是用在智駕訓(xùn)練上。

過去這是完全不同的兩條平行線，但這次的 AI6（HW 6.0）明顯有點超預(yù)期了，顯著提升了算力和帶寬，不僅能做 FSD 的終端芯片，也可以用于智駕訓(xùn)練，Dojo 存在的必要性就被打上了問號。

按老馬的性格，肯定不會把錢和精力浪費在毫無意義的地方。

當(dāng)然，還有一個原因就是，Dojo 的研發(fā)進(jìn)度確實不盡如人意。目前 Dojo 2 還沒量產(chǎn)，而 Dojo 1 也因為性能缺陷，成本奇高，基本沒啥市場競爭力。

所以和更成熟的 HW 芯片相比，老馬毫無疑問砍掉了根本看不到前景的 Dojo 。

不過呢，你要說 Dojo 從一開始就是一個錯誤嗎？我真覺得未必。

馬斯克其實看得很透徹，他曾公開表態(tài) “ 我認(rèn)為 Dojo 的前景渺茫。但值得一試，因為回報可能非常高。”

說白了，有點賭狗的意思。

但這場豪賭并不是沒道理的，咱們得結(jié)合當(dāng)時情境，從頭開始說起。

最早，特斯拉只有 HW 芯片，而且 1.0 版本用的還是 Mobileye 的全套產(chǎn)品。

但問題是，當(dāng)時的 Mobileye 只是一個黑盒，不允許特斯拉參與修改算法，也不能共享數(shù)據(jù)，甚至功能也偏向保守，和特斯拉的理念實在合不來。

最終由于 2016 年發(fā)生的 Model S 智駕事故，讓特斯拉下定決心分手，結(jié)局不歡而散。

我估計是因為這次和 Mobileye 的失敗合作，讓老馬就看清了一件事：和別人合作永遠(yuǎn)做不了自己想做的事，自研才是唯一的出路。

所以在此之后，特斯拉先是自研智駕，芯片用英偉達(dá)過渡了幾年以后，到 2019 年，HW3.0 就開始走自研路線了。

之后的 HW4.0、HW5.0 ，也就是現(xiàn)在說的 AI4、AI5，其實也都是特斯拉做的框架設(shè)計、神經(jīng)網(wǎng)絡(luò)優(yōu)化和系統(tǒng)集成，只是利用了三星和臺積電的工藝進(jìn)行生產(chǎn)。

總之在智駕芯片上，老馬踢掉了老黃，很快嘗到了自研芯片的甜頭。

隨后老馬很快又把矛頭轉(zhuǎn)向智駕訓(xùn)練。不過，因為 HW 的分離式內(nèi)存架構(gòu)更適合推理，而非訓(xùn)練，老馬必須另開爐灶。

于是在 2019 年，馬斯克在特斯拉自動駕駛?cè)丈希岢鲇?Dojo 來訓(xùn)練自動駕駛。隨后，在 2021 年的 AI DAY 上，特斯拉就實現(xiàn)了 Dojo 超算的核心—— 7nm 的 D1 芯片（還是這個老哥）。

這里大伙兒可能比較迷糊，馬斯克把 Dojo 稱為超級計算機，那和這個 D1 芯片有啥關(guān)系呢？

咱們可以這么來理解，其實 Dojo 就是一個體系森嚴(yán)的算力盒子，從低到高分為內(nèi)核、芯片、瓦片、模組、機柜和 ExaPOD。

一塊 D1 芯片，其實是由 354 個核心（CPU）組成，而 25 個 D1 芯片，則組成一個瓦片，6 個瓦片就是一個模組，2 個模組是 1 個機柜， 10 個機柜是 1 個 ExaPOD 訓(xùn)練集群，最終算力能達(dá)到 1.1 EFLOP 。

總之呢，從 D1 芯片到最后的訓(xùn)練集群，其實并沒有那么簡單。

2021 年特斯拉只是展示了 D1 芯片和瓦片，而后一年，才安裝了首個機柜，當(dāng)時的目標(biāo)，是在 2023 年建成七臺 ExaPOD 。

然而很快，到 2023 年馬斯克才發(fā)現(xiàn)，Dojo 并沒有那么十全十美，反而有可能將訓(xùn)練成本提高十倍以上，成功的可能性并不高。

但此時，老馬的賭性占據(jù)了上風(fēng)，開始左腦互博右腦了。。。

隨后特斯拉不僅繼續(xù)砸重金去做 Dojo ，動則好幾億美元，而且還接連提出了 Dojo 1.5、Dojo 2 和 Dojo 3 ，要真正實現(xiàn) Dojo ，幾乎是個無底洞。

然而結(jié)果呢，老馬斥巨資打造的 Dojo 超算，性能也只和英偉達(dá) H100 系統(tǒng)相當(dāng)，于是只能把希望寄托在了 Dojo 2 上。

相比 Dojo 1，第二代 Dojo 采用了臺積電最新的 InFO-SoW 晶圓級封裝技術(shù)，尺寸更小，損耗更低，效率也更高。

不過嘛，結(jié)局依然不理想。

雖然 Dojo 2 的 D2 芯片算力，從之前的 362 TFLOPS 提升到了 3.62 PFLOPS，是 D1 的 10 倍，但因為過于強調(diào)視覺訓(xùn)練，實際在通用 AI 場景中，依然打不過英偉達(dá)的 H200 GPU 集群。

并且，芯片雖然由臺積電代工，但良品率并不高，初期只有 37% ，在成本上沒有任何優(yōu)勢。

說白了，Dojo 2 還遠(yuǎn)不夠成熟，想要打敗英偉達(dá)，還有很多的細(xì)節(jié)需要打磨。但時間不等人，如今的 AI6 徹底擊穿了 Dojo 的未來，難道還要指望 Dojo 3 ？

這錢還不如留著應(yīng)對一下關(guān)稅。老馬當(dāng)機立斷放棄 Dojo ，再次想起了老黃這個備胎。。。

而后他解釋到，如今的 AI5 和 AI6 ，從某種意義上，就是 Dojo 3 。

但是吧，這個 AI6 至少要到 2027 年量產(chǎn)，用的是三星的 2nm（SF2）制程技術(shù)，良品率奇低，只有40%-50%，差不多做兩片，扔一片。

雖然特斯拉給了三星 165 億美元的巨款，但三星依然是賠錢在給特斯拉供貨，所以這塊餅究竟能做成生么樣，現(xiàn)在咱們也只能看看罷了。

總而言之，Dojo 這事兒就是馬斯克的一場豪賭，只不過賭輸了而已。

為了不深陷泥潭，馬斯克選擇投降輸一半，把全部精力投到更有希望的 “ 神功 ” 上去。

但是話又說回來，Dojo 這事對車企來說，真算不上什么反例。

因為自研，本來就是條困難但必須走的路。