特斯拉Dojo入场，新一轮算力大战一触即发

张孝荣

7月6日，在2023世界人工智能大会上，特斯拉首席执行官马斯克预测说，大概今年能够实现全自动驾驶。

马斯克为什么放言预测今年实现全自动驾驶？原因在于特斯拉定制超级计算机平台Dojo产品的进展，使其算力飙涨。

特斯拉凭自研芯片和Dojo，算力很快进入一个爆发期，加上几十万用户实测数据训练，汽车的AI性能随之迭代提升，特斯拉FSD或将逼近5级，从而对其他品牌电动车形成AI威胁。这意味着全球电动车竞争将进入新阶段。

如今，马斯克手里有算力、有数据、有AI模型，国产品牌如何越过这堵新的AI技术墙？新一轮算力大战恐怕在所难免。

特斯拉大幅提升AI能力

Dojo是特斯拉自研的超级计算机。近日，特斯拉AI团队在推特上发布了特斯拉定制超级计算机平台Dojo的产品进展时间线，表示该计算机于2023年7月投入生产；到2024年2月，Dojo将成为全球最先进的5台超级计算机之一；到2024年10月，Dojo总算力规模将达到100Exa-Flops。

100Exa的浮点算力，相当于30万块英伟达A100 GPU的算力总和。若以英伟达A100市面价格约1万美元计算，那么明年底将与Dojo总价相当。Dojo既然是自研的超级计算机，成本可能会低于30亿美元，定价必然会低一些，即便如此，这价值也大大超出了许多大型超算的投资。

Dojo意为“道场”，来源于日语的柔道训练场。通过Dojo训练深度神经网络，特斯拉AI智力水平将会得到逐步提升。

特斯拉首先通过采购英伟达GPU组成的大型超级计算机，来训练AI，这台超算包含5760块英伟达A100 GPU，安装在总计720个节点当中，每节点含8个GPU，其性能达到1.8 Exa-Flops，成为当时世界上速度最快的超级计算机之一。

但时间一长，他们发现GPU在处理速度和软件上有点力不从心。于是，马斯克决定干脆自主设计一个芯片，自行开发超算，那年是2020年。

自研高性能AI型CPU

Dojo拥有专门设计的AI型CPU，性价比优于GPU。

传统的电脑CPU，不能解决AI计算问题，由于内核数量有限，处理AI任务很慢，效率极低。因此，电脑要想处理AI任务，就需要在主板上再插一张AI卡，比如英伟达的GPU，这种GPU有成千上万的核心，可以同时并行处理大量的计算任务。

D1是一种面向AI的新型CPU，具有354内核，运行频率为2GHz。据设计师介绍，D1自研架构基于RISC-V架构ISA，从RISC-V借鉴了一些指令，专门针对运行机器学习和神经网络训练进行了优化，采用7nm制程工艺，具备超过500亿个晶体管，形成了354个核心，支持多种浮点格式，包括FP32、BFP16和一种新的格式CFP8或可配置的FP8，其32位浮点运算的最大性能是22.6T-FLOPs，对于16位浮点计算，D1的最大性能跃升至362T-FLOPs。

D1每个核心都具有完整的带矩阵计算能力，其计算灵活性是远超众核架构的GPU。D1芯片面积为645平方毫米，小于英伟达的A100（826平方毫米）和AMD Arcturus（750平方毫米）。

据特斯拉芯片团队称，同成本下性能提升4倍，同能耗下性能提高1.3倍，占用空间节省5倍。

Dojo算力无上限。

D1带来的不仅是性价比的提升，还有架构的改进。

这里有个有意思的细节。从特斯拉公布的产品进度线来看，Dojo这台超级计算机的算力不是一蹴而就，而是逐年累加，随着时间线拉长，算力可能爆棚，这也是特斯拉Dojo的创新之处。注意，这里的算力源于超算，不是那种勉强拼凑起来的云计算。

为什么如此独特？原因在于Dojo采用了分布式架构，可以随意地增加算力。这与我们熟悉的五百强超算系统不同，Dojo是一套完全可定制架构，全面涵盖计算、网络、输入/输出（I/O）芯片，乃至指令集架构（ISA）、供电、封装和冷却。据特斯拉介绍，用D1扩展算力的方式就好像自家地面铺瓷砖一样。

特斯拉将25个D1芯片按5×5规格组成一个训练模块，这被称为tile（瓷砖），再将120个训练模块组成一个Dojo ExaPod。

换言之，每个Dojo ExaPod内置3000个D1芯片，拥有超过100万个核心，总算力达到1.1E-FLOPS（每秒百亿亿次浮点运算）。

由于Dojo是大型分布式系统，从理论上来说，Dojo的性能拓展可以无限扩张，没有上限。例如，2023年Dojo部署一台Dojo ExaPod，2024年底将有100台Dojo ExaPod，而2025年，或许可以部署500台乃至1000台……随着Dojo算力猛涨，采用其他芯片的超算，或许望尘莫及。

为何需要算力可增长的超级计算机

算力大幅增长的原因，是特斯拉汽车增长很快。特斯拉在2021年交付了94万辆电动汽车，在2022年预计交付了131万辆，并且在2023年3月宣布了其总产量达到了400万辆。

特斯拉的目标是到2030年实现年产2000万辆电动汽车，这意味着要在10年内将产量增长了20倍。特斯拉的快速增长，意味着算力的需求也随之出现爆炸式增长。

早前在回答为什么要自研超算Dojo时，马斯克曾表示：“解决自动驾驶的唯一方法是解决现实世界中的AI问题，无论是硬件还是软件，而这也是特斯拉正在做的事情。除非一家公司具有很强的AI能力以及超强算力，否则很难解决自动驾驶难题。”

特斯拉Dojo可以做什么任务呢？可以概括为三点。

一是训练神经网络。特斯拉的多模态神经网络在客户车辆中投入使用，这些网络可以接受任意模式的数据，如摄像头视频、地图、导航、IMU （惯性测量单元） 、GPS等。

二是3D重建。特斯拉的计算机已经可以熟练地进行类似于预测障碍物的任务，即可以简单预测某个3D位置被占据的可能性，这种预测可以让汽车避免碰撞。

三是自动标注。特斯拉展示过基于车队数据而构建的多个不同场景下的驾驶训练，包括夜间、隧道、小巷、田野、高速以及多种不同障碍物的情况。Dojo能够处理海量的视频数据，特斯拉还建立了一个1000人规模的数据标注团队，结合人工的细腻与机器的高效，对物体信息进行标注。同时特斯拉还开发了仿真场景技术，模拟现实中不常见的“边缘场景”，来提升神经网络的培训效率。

无论是多模态神经网络、自动标注技术、还是基于车队数据的场景三维重建，这些技术都是为了让特斯拉汽车更好地适应复杂的现实环境。而这一切技术的实现需要庞大的算力支持，这也是特斯拉Dojo的使命所在。

技术挑战

Dojo建了一个围墙。墙内的是高AI车，墙外的是低AI车。这面墙给国产车厂带来的压力，不仅仅是技术路线的差距，还直接带来了生存竞争的威胁。

国产新能源车自动驾驶水平停留在L3以下迟迟难有突破，特斯拉已经瞄准L4&L5。

2022年10月，全球有16万多名特斯拉车主在参与FSD beta，据了解今年已经有40万人，为特斯拉收集真实世界中的驾驶数据。而Dojo exapod将利用这些数据构建起新的模型，向这些用户不断推送系统更新，由此形成良性循环。今年5月，有一位特斯拉车主上传视频，使用FSD从旧金山到好莱坞，6小时全程无接管。这些用户测试数据对FSD贡献巨大，可以进一步推动开发加速，从而跟竞争对手拉开差距。当然，FSD不是万能的，测试事故也不少，但与其他车厂相比，优势在于可以用40万车辆的实地运行数据来训练AI。

2023年6月9日，马斯克在微博发文表示：“我们很乐意将Autopilot（自动辅助驾驶）/FSD（完全自动驾驶能力），或其他特斯拉技术授权给有需要的公司。”显然，此举可以弥补一些车厂“少魂”的遗憾，可能会给一些车厂带来福音，也可能给那些自己设计“车魂”的头部企业带来的生存威胁。

国内会不会引入FSD？这是个悬念。

前一段时间，马斯克开启了3年以来的首次中国行，就新能源汽车和智能网联汽车发展等议题，与相关部门进行了深入交流。随后“上海将作为FSD完全版第一个试点城市开放”的消息在网上盛传，特斯拉FSD进入中国虽时间未定，但趋势愈发明确。

特斯拉FSD如果在国内落地，那么需要在中国建立类似于Dojo的超算中心，在中国本地进行模型训练。

马斯克还说过，最终会将Dojo超算提供给希望使用它来训练神经网络的其他公司，这意味着，特斯拉有可能将AI能力输出给其他车厂。

Dojo超算能力是否会输出？FSD是否会授权？暂时，这都是悬念。

算力大战

算力意味着AI水平。当市场内卷白热化产品日益同质化出现时，从产业价值链上寻找技术制高点并最终达到差异化竞争，就会成为必然选择。从这个角度出发，汽车的AI算力将会成为继芯片、三电、充电基建之后的兵家必争之地。

国内已经有部分新能源车企敏锐地注意到了Dojo的战略价值，正在积极投入资源打造类似设备。据相关媒体报道，长城、吉利、小鹏和理想汽车都开始了超算中心建设。随着Dojo投产，新一轮AI算力大战将会徐徐拉开大幕。

我国新能源车龙头企业应高度重视Dojo的战略作用，正视Dojo对自动驾驶的巨大提升作用，并积极跟进投入自动驾驶技术研发，避免在未来竞争中处于不利地位。

那么算力如何突围？D1证明最好的办法绝不是高价抢购囤积GPU。那么连“价格战”都不敢参与的企业，还能打得起“算力战”吗？

作者简介

张孝荣，深度科技研究院院长。

END

编辑：艾丽

审核：赵涵

政审：王军善

终审：朱永旗