详情

近日特斯拉结束 Dojo 团队、负责东谈主辞职的音问甚嚣尘上，也让不雅众们唏嘘不已。近几年来，关于一众摊开身子去作念老师芯片的大公司也好，初创企业也好，齐是血淋淋的教导：Graphcore 一度堪称" IPU 抵御 GPU "，最终被软银收购，松手寂然冲锋；英特尔 /Habana（Gaudi）阶梯多、生态分裂开yun体育网，近来安然并入 GPU/Falcon Shores 体系，淡化寂然加快器阶梯；Cerebras 坚执晶圆级（WSE）互异化，家具与订单在增长，但贸易化和生态仍远未与 CUDA 可比——这是"特种装备"而非"通用平台"。

自研老师芯片这条谈路，对绝大多数公司并不行行，能成的是少许数例外，不是可复制的范式。英伟达又赢了。

Dojo 的"高开低走"

Dojo 是特斯拉为"本质天下场景"模子老师而自研的数据中心级老师系统。2019 年 4 月，马斯克在" Autonomy 投资者日"初度抛出 Dojo 见解；2020 年 8 月，他称受限于供电与散热，系统"还需轻便一年"才能就绪。2021 年 8 月的 AI Day 上，特斯拉崇拜发布 D1 与 Training Tile，并同步公开 CFloat8/16 白皮书，给外界描摹了一条"自研算力 + 自研数值时势"的硬核阶梯。

在 2022 年的 AI Day 上，特斯拉给出 Dojo 的系统化膨大旅途：从自研 D1 芯片 → Training Tile（5×5）→ System Tray → Cabinet → ExaPOD，缱绻是已毕"超 1 ExaFLOP 级"的 ML 诡计才调。

D1：台积电 7nm，约 500 亿晶体管，645 mm²，354 个诡计中枢；单芯 BF16/CFP8 ≈ 362 TFLOPS。

Training Tile：25 颗 D1 组成一块水冷 Tile，BF16 ≈ 9 PFLOPS，以高带宽片间互联为卖点。

（Dojo 系统图示，图源：Tesla）

商场对 Dojo 的预期曾被推到高位—— 2023 年，摩根士丹利曾估算 Dojo 可能为特斯拉带来约 5000 亿好意思元的增量价值。直到 2025 年 Q2 财报会上，马斯克仍暗意 Dojo 2 的缱绻是对标约 10 万台 H100 等价物。但本质层面，技俩最终叫停。

期间多位中枢时期负责东谈主接踵离开：2018 年，最初受聘辅导特斯拉芯片责任的 Jim Keller 离任；随后 Ganesh Venkataramanan 接棒，2023 年离开并创立 DensityAI；连年执续主导芯片技俩的 Peter Bannon 亦已辞职，Dojo 技俩随之结果。

更指向性的凭据来自并行阶梯的激动。早在 2024 年 Q4，特斯拉在奥斯汀上线 " Cortex " 老师集群（对外口径为约 5 万张 H100），并在 Q2 ’ 25 股东信里涌现新增 1.6 万 H200，使合座边界约等于 6.7 万张 H100。这讲解 Dojo 未能成为主力产线，特斯拉更多转向"采购纯熟 GPU 平台"。事实也讲解，买卡比造卡更快：除特斯拉外，马斯克体系的 xAI/ " Colossus " 相似大边界经受英伟达 GPU，并配套 Spectrum-X 以太网作念超大边界组网——连网络栈齐被英伟达打包请托。

一火羊补牢，为时未晚

如今，特斯拉实时扭转地点。

老师侧：外采为主。特斯拉把主力老师转向可即刻部署、可线性扩容、生态纯熟的英伟达（并补充部分 AMD），把"模子老师盘活率（Time-to-Train）"拉回贸易节律。

推理侧：自研为主。与三星敲定 165 亿好意思元永久代工契约（AI6），将车载 / 机器东谈主 / 边缘推理算力自控在手，迫临家具、风险更低、迭代更快。

组织侧：约 20 名原老师团队成员加入 DensityAI，其余并入公司数据中心 / 算力工程，幸免在尚未敛迹的老师芯片阶梯陆续"烧时期"。

这套组合拳很求实：老师端"买纯熟产线"，推理端"作念我方最懂的场景"，既把 Time-to-Train 和 Time-to-Market 拉回到贸易节律内，也幸免在生态战里被动充任"软件平台提供商"。

Dojo 技俩的倒闭可能对特斯拉来说并不是一个很大的亏损。8 月 8 日，马斯克在外交平台 X 上回报 amit 网友称："莫得必要同期膨大两条迥然相异的老师芯片阶梯；Tesla AI5、AI6 以及后续芯片在推理方面将荒谬出色，至少在老师方面也尽头可以。整个元气心灵集聚会在这上头。"

他还进一步补充谈，"在超算集群中，不管是用于推理照旧老师，将许多 AI5/AI6 芯片放在一块板上是合适原理的，这只是是为了将网络布线的复杂性和本钱质问几个数目级。我思，这可以称之为 Dojo 3。"" AI4 和 AI5 之间在内容性能上的互异，远超我所知的整个芯片版块。它确实很出色。"

为什么"自研老师芯片"这样难？

1）生态与软件壁垒

老师芯片不是单芯片竞赛，框架适配、编译器、内核库、并行战略、调优器具链才是吞时期的黑洞。英伟达把 CUDA/cuDNN/ 各样并行库打磨了十几年，其后者很难追平这个"隐形工程量"。业界多家厂商在软件纯熟度上"掉链子"，老师端难以理解开释算力密度。

2）系统工程与供应链

先进封装（CoWoS/SoIC）、HBM 供给、机柜 / 供配电 / 散热、互联拓扑、集群换取、可靠性工程，任何一环不够强，TCO 就会被市售 GPU 平台反杀。尤其是先进封装和 HBM 这两块，2025 年 NVIDIA 至少锁定台积电 CoWoS-L 七成产能的报谈频出，HBM 商场由 SK hynix/ 三星 / 好意思光三强主导，且 HBM3E → HBM4 的节律被各家牢牢盯住。莫得这些供给保险，自研决议即便流片告成，也会在封装与内存上"卡脖子"。

3）需求与现款流节律

自研要靠理解、可预期且超大边界的私用老师需求摊薄大齐前期参加。除谷歌（TPU）和 AWS（Trainium）这类云巨头，鲜有东谈主能把"芯片—集群—云就业"联动成正轮回。

Meta 老师芯也在安然尝试，本年 3 月份据路 · 透 · 社的报谈，Meta 正在测试首款 AI 老师芯片，音问东谈主士称，测试部署是在 Meta 完成芯片的初度"流片"后运行的。这款芯片是该公司元老师和推理加快器 ( MTIA ) 系列的最新家具。不外该技俩多年来发展一直不太到手，致使一度在肖似的开导阶段废弃一款芯片。咫尺 Meta 的 MITA 芯片仍以推理为主，用于细目哪些内容出当今 Facebook 和 Instagram 新闻推送中的推选系统。

Meta 高管暗意，他们但愿到 2026 年运哄骗用我方的芯片进行老师，梗概进行诡计密集型历程，为 AI 系统提供巨额数据以"教"它奈何践诺。与推理芯片一样，老师芯片的缱绻是从推选系统运行，然后将其用于聊天机器东谈主 Meta AI 等生成式东谈主工智能家具。

4）契机本钱

AI 时间下，英伟达和 AMD 两大 AI 芯片玩家均已代际升级以季度为单元激动，自研芯片的代次跨度很容易一上板就过时，落地即逾期。

在 Llama 2-70B-LoRA 等平台（8 GPU）微调责任负载中，Instinct MI325X 的性能比 Instinct MI300X 擢升高达 30%（图源：AMD）

当今 AMD 也补上了"可用的第二供应商"，6 月份，AMD 发布了其初度提交 MLPerf 老师的恶果，AMD 的老师得益也还是很能打（MLPerf 上与英伟达可比 / 部分最初的负载出现了）。在 AMD MLPerf Training v5.0 测试中，Instinct MI325X 平台在微调 Llama 2-70B-LoRA（一种平庸用于定制大型谈话模子的责任负载）时，性能比 NVIDIA H200 平台卓绝高达 8%。

Instinct MI325X 平台与 NVIDIA H200 的对比（图源：AMD）

在这种情况下，再走一条第三条自研路，旯旮价值更小、失败本钱更高。

Dojo 的叫停不等于"自研老师芯片永无出息"。云巨头例外依然成就：Google TPU、AWS Trainium 能跑通，是因为它们领有超大、理解的私用老师需求 + 云就业生态 + 算法 / 框架协同，能把"芯 - 机 - 云 - 软件"串成正轮回。但对车企 / 应用公司而言，缺生态 + 缺供给链 + 节律跟不上，契机本钱才是终极杀手。

英伟达赢在那处？

英伟达的告成是系统性告成。不单是 GPU 最初，而是从硅到机架到网络到软件的全栈请托才调：

硬件层：GPU + NVLink/NVSwitch + 高带宽内存 + 机架级整机；

网络层：InfiniBand 与 Spectrum-X 以太网两套决议，笼罩不同客户偏好与本钱模子；

软件层：CUDA 体系与全栈库 / 器具，保险"可用算力 / 周"；

请托层：从整柜到整机房的"交钥匙工程"，缩小客户的 Time-to-Train。

一个典型的案例：GB200 NVL72 —— 72 张 Blackwell GPU + 36 颗 Grace CPU 的液冷整柜，一个机柜内组成 72-GPU 的 NVLink 调节域，对外就像一块超大加快器；第五代 NVLink/ NVSwitch 还能把多个机柜无禁锢拼合到 576 GPU。这不是"堆卡"，而是把互联、内存、软件、上电与运维作念成可请托的" AI 工场"

关于去自研 AI 老师芯片的厂商而言，许多时候，他们并不是时期不行行，而是时期、资金与生态的综划算术永别。当你在流血作念"芯—板—机—集群—软件—网络"的全栈集成时，英伟达还是把 GPU+ NVLink/NVSwitch/Spectrum-X + CUDA/cuDNN + DGX/GB 系调节整套" AI 工场"卖给了你的敌手与互助伙伴，"买英伟达 = 坐窝可用的 AI 工场"

英伟达在机架级家具（如 GB 系列）与网络（Spectrum-X/InfiniBand 以外的以太网解法）上执续前移，把"可用算力 / 周"最大化。2024 年 10 月 28 日，NVIDIA 利用 NVIDIA Spectrum-X 以太网网络平台，已毕了 100,000 个 NVIDIA Hopper GPU 连络，这等于位于田纳西州孟菲斯的 xAI Colossus 超等诡计机集群，其主要用于老师马斯克的 Grok 大模子。xAI 和 NVIDIA 仅用 122 天就建成了配套技艺和首先进的超等诡计机，而这种边界的系统常常需要数月致使数年的时期。从第一个机架滚到大地到老师运行，通盘历程仅用了 19 天。

英伟达的"系统 + 软件 + 生态 + 请托才调"的复合护城河，正在把每一家"自研老师芯片"的贸易检修拖回到本质。

关于英伟达而言，如今最大的变量和敌手是 AMD，AMD 在性价比、特定责任负载（如微调）上执续追近，会压缩自研阶梯的"表面窗口期"，但短期难撼动英伟达的系统与软件最初。

接下来很长一段时期，"老师自研，推理解耦"将成为非云巨头的主流战略：老师上公版平台，推理作念自家 SoC/ASIC，把能千里淀互异化的算力放在端侧 / 家具内。

结语

特斯拉关掉 Dojo，不是输给了一块更强的芯片，而是输给了一个更强的"产业系统"。 自研老师芯片这条路，对绝大多数公司而言不具可复制性；而在"买卡 + 更快上线 + 家具侧自控推理"的组合里，英伟达再次赢下了时期、生态与现款流的三重赛点。

英伟达的再次告成开yun体育网，是对通盘行业的一次领导：在 AI 基建时间，速率与生态，等于一切。