特斯拉Dojo

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晶片的一些技術參數？

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。

D2晶片的研發進度？

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。

Dojo系統的N卡佔比？

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晶片的模型適配？

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）