Dojo作為特斯拉超級電腦項目是其人工智慧戰略的核心組成部分，透過訓練「完全自動駕駛」（FSD）神經網路來實現完全的車輛自動駕駛能力。

特斯拉希望藉助Dojo，不僅能鞏固其在自動駕駛領域的地位，還能透過這個超級電腦平台開闢新的商業模式和收入來源。 Dojo透過自研的硬體和模組化設計，為資料中心提供更有效率、更經濟的計算解決方案。

D1晶片是Dojo系統的核心硬體，採用台積電7納米工藝製造，每個D1晶片包含354個計算核心，支援64位元標量運算和64字節單指令多資料（SIMD）向量指令，專為機器學習任務最佳化（“The D1 instruction set supports both 64-bit scalar and 64-byte single instruction, multiple data (SIMD) vector instructions” ）。 D1晶片的每個核心擁有1.25MB的SRAM主儲存器，晶片總共支援440MB的SRAM，最大計算能力可達376 Teraflops（基於16位元浮點數） 。

在模組化設計方面，特斯拉將25個D1晶片組成一個訓練tile，這些tile通過水冷散熱，每個tile可以實現36TB/s的頻寬和9 Petaflops的計算能力（“Each tile achieves 9 petaflops at BF16/CFloat8 precision (25 D1 chips × 376 TFLOP/D1)” ）。六個tile組成一個系統匣（System Tray），進一步堆疊組成整個ExaPOD超級計算架構。

D1晶片已經完成開發並投入應用，目前用於Dojo的訓練任務。然而，特斯拉正在研發下一代D2晶片，旨在解決資訊流瓶頸問題，將整個訓練tile整合到單一矽片上（「Tesla is also working on a next-gen D2 chip that aims to solve information flow bottlenecks ” ）。目前關於D2的具體性能指標和上線時間尚未公開。

特斯拉目前依賴Nvidia GPU進行AI訓練，特別是H100 GPU。根據2024年的計畫，特斯拉預計將Dojo系統中約50%的硬體切換為自研AI硬體，而另50%仍由Nvidia GPU或其他供應商的硬體構成（“Aiming for about half Tesla AI hardware, half Nvidia/other」 ）。目前，特斯拉正在運行一個包含10,000個Nvidia H100 GPU的新訓練叢集。

與傳統的GPU解決方案相比，Dojo的設計目標是減少對Nvidia等供應商的依賴，同時降低成本。雖然特斯拉目前仍依賴Nvidia的GPU進行AI訓練，但其長期目標是透過Dojo實現計算能力的自主化，尤其是在晶片供應緊張的情況下。
（「Tesla appears to rely on Nvidia to power its current Dojo training computer, but it doesn't want to have all its eggs in one basket」）。

從商業角度來看，Dojo不僅服務於特斯拉的自動駕駛系統，還可能成為類似AWS或Azure的計算服務平台。特斯拉可以透過出租計算能力獲得額外收入，甚至進一步擴展到通用AI模型訓練領域。然而，這需要克服目前AI軟體對GPU架構的依賴，因為使用Dojo將需要對訓練程式碼進行大幅調整（「Using Dojo to train general-purpose AI models would require rewriting the software」）。根據摩根士丹利的分析，Dojo可能為特斯拉帶來多達5,000億美元的額外市場價值。

D1晶片目前主要用於特斯拉的「完全自動駕駛」（FSD）模型的訓練。該晶片設計特別適用於電腦視覺和神經網路的高效訓練，其架構最佳化了與視訊資料相關的任務（“Tesla Dojo is a supercomputer designed and built by Tesla for computer vision video processing and recognition” ）。此外，D1晶片支援PyTorch等主流機器學習框架，專注於FSD訓練。 （弱有效）

馬斯克在參觀了最近建成的德克薩斯州超級計算叢集後，透露了叢集的名稱。德州超級工廠的超級計算叢集被命名為“Cortex”，馬斯克指出他剛剛完成了新設施的演練。

特斯拉德州超級電腦群規模之大，讓網友感嘆遠遠超越了自己的想像：有錢真土豪！

德克薩斯州超級計算叢集擁有10萬顆輝達H100和H200晶片助力，10萬張H100/H200，專門用來訓練特斯拉的FSD和人形機器人Optimus。

按照一般市場價，H100單卡價格為21000到23000美金，H200單卡價格為26000到28000美金，也就是說，單單晶片就上億的成本。

馬斯克在 6 月份估計，特斯拉今年在輝達晶片上的支出可能達到 30 億至 40 億美元，佔公司總人工智慧相關支出 100 億美元的一半。

“計算超級工廠”每天都需要消耗大量的水力和電力。據馬斯克介紹，Cortex 超級計算叢集今年將需要約 130 MW 的電力， 18 個月內的電力需求有可能突破 500 兆瓦；冷卻需求同樣也非常巨大，為此特斯拉在電腦中心內安裝了巨大的風扇和四個水箱進行冷卻。

不過，馬斯克不是也自己研發晶片嗎，為什麼還要花那麼多錢買輝達的晶片？

特斯拉自己一直在搞晶片研發，比如：

FSD晶片：2016年左右開始研發，用於自動駕駛系統的核心處理器，如今這款晶片被計畫部署在更多車型上。

Dojo晶片：2019年左右開始研發，是為訓練自動駕駛神經網路而設計的超級電腦核心元件。

D1晶片：2019年左右開始研發，是特斯拉Dojo超級電腦的關鍵元件，採用台積電7納米工藝製造，具有極高的電晶體密度和計算能力，支援自動駕駛和機器人技術的研發。

不過特斯拉的自研晶片性能上始終與專業生產晶片的輝達存在差距。

輝達自1993年成立以來，經歷了從顯示卡製造商到全球GPU領導者的蛻變。初期專注於圖形處理，隨後拓展到專業工作站和遊戲市場。2006年，推出CUDA平台，開啟GPU通用計算時代。2010年後，輝達進軍資料中心和自動駕駛領域，推出Tesla和DGX系列GPU，成為AI和深度學習的重要推動者。

輝達的很多款產品在性能上都是很多企業難以完全複製的。

NVIDIA的GeForce系列顯示卡具有強大的圖形處理能力、NVIDIA RTX具備即時光線追蹤技術；Titan RTX、Titan V等多款產品，可為專業的遊戲玩家、深度學習從業者、科研人員等提供強大的計算能力和體驗；Quadeo 系列顏色處理的精度以及穩定性都非常高；Tesla V100適合資料中心用來進行大規模資料分析和深度學習等等。

馬斯克購買的H100和H200則是NVIDIA推出的更新一代的GPU，輝達的H100和H200晶片是目前市場上最先進的AI計算晶片之一，專為深度學習和神經網路訓練而設計。這些晶片具備高性能、低功耗和高度可擴展性的特點，使得“Cortex”叢集能夠處理海量的資料和複雜的計算任務。

相位元斯拉自研晶片的定製化和專注自行駕駛領域，輝達的通用計算能力更勝一籌、也更能適應廣泛的計算任務。

據馬斯克透露，他希望在2025年秋季之前讓超級電腦運行起來，並將親自負責按時交付，“計算超級工廠”完成後，連接的晶片組的規模將至少是當今最大的GPU叢集的四倍。  (蜂耘網)

聽說華鼎詐騙集團還在詐騙我們台灣民眾。

不知道有沒有遇到過這種情況？然後大家都是怎麼處理的呢？

這種詐騙手法，你如果不回不理直接封鎖就好了，想檢舉也可以檢舉一下。

如果你回復了，很有可能最後的結果就是被騙，負債纍纍，幾年最流行的詐騙手法之一就是這種亂槍打鳥手法。簡訊和這種直接亂加入賴打招呼的，說是認錯人，然後有說認識就是緣分可以做朋友什麼的，或者直接傳這種天上掉餡餅的投資訊息，都是詐騙。

還有其他很多詐騙手法，只有你想不到的，沒有他們做不出來的，一定要小心陌生人訊息與簡訊，最好的辦法就是封鎖。

彙整鉅亨號中所有使用「D1」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

特斯拉Dojo

有錢真土豪！馬斯克用10萬顆輝達晶片訓練特斯拉FSD和人形機器人

華鼎詐騙/黃丹彤詐騙/毛寶1732詐騙股/華鼎林智偉詐騙/xhsuzbbs詐騙/D1台股贏家資訊VIP群詐騙/主力帳戶投資詐騙/華鼎投顧/華鼎創投詐騙