近來特斯拉閉幕Dojo團隊、負責人離任的音訊甚囂塵上，也讓觀眾們唏噓不已。

近幾年來，關(guān)于一眾攤開身子去做練習芯片的大公司也好，草創(chuàng)企業(yè)也好，都是血淋淋的經(jīng)驗：Graphcore一度聲稱“IPU對立GPU”，終究被軟銀收買，完畢獨立沖擊；英特爾/Habana（Gaudi）路途多、生態(tài)割裂，近來逐漸并入 GPU/Falcon Shores 體系，淡化獨立加速器路途；Cerebras堅持晶圓級（WSE）差異化，產(chǎn)品與訂單在增加，但商業(yè)化和生態(tài)仍遠未與 CUDA 可比——這是“特種配備”而非“通用渠道”。

自研練習芯片這條路途，對絕大多數(shù)公司并不可行，能成的是極少數(shù)破例，不是可仿制的范式。英偉達又贏了。

Dojo的“高開低走”

Dojo 是特斯拉為“實踐國際場景”模型練習而自研的數(shù)據(jù)中心級練習體系。2019 年 4 月，馬斯克在“Autonomy 投資者日”初次拋出 Dojo 概念；2020 年 8 月，他稱受限于供電與散熱，體系“還需大約一年”才干安排妥當。2021 年 8 月的 AI Day 上，特斯拉正式發(fā)布 D1 與 Training Tile，并同步揭露 CFloat8/16 白皮書，給外界描繪了一條“自研算力+自研數(shù)值格局”的硬核路途。

在 2022 年的AI Day上，特斯拉給出 Dojo 的體系化擴展途徑：從自研 D1 芯片 → Training Tile（5×5）→ System Tray → Cabinet → ExaPOD，方針是完結(jié)“超 1 ExaFLOP 級”的 ML 核算才能。

• D1：臺積電 7nm，約 500 億晶體管，645 mm2，354 個核算中心；單芯 BF16/CFP8 ≈ 362 TFLOPS。
• Training Tile：25 顆 D1 組成一塊水冷 Tile，BF16 ≈ 9 PFLOPS，以高帶寬片間互聯(lián)為賣點。

商場對 Dojo 的預(yù)期曾被推到高位——2023 年，摩根士丹利曾預(yù)算 Dojo 可能為特斯拉帶來約 5000 億美元的增量價值。直到 2025 年 Q2 財報會上，馬斯克仍表明 Dojo 2 的方針是對標約 10 萬臺 H100 等價物。但實踐層面，項目終究叫停。

期間多位中心技能負責人相繼脫離：2018 年，開端受聘領(lǐng)導特斯拉芯片作業(yè)的 Jim Keller 離任；隨后 Ganesh Venkataramanan 接棒，2023 年脫離并創(chuàng)建 DensityAI；近年繼續(xù)主導芯片項目的 Peter Bannon 亦已離任，Dojo 項目隨之收尾。

更指向性的依據(jù)來自并行路途的推動。早在 2024 年 Q4，特斯拉在奧斯汀上線 “Cortex” 練習集群（對外口徑為約 5 萬張 H100），并在 Q2’25 股東信里發(fā)表新增 1.6 萬 H200，使全體規(guī)劃約等于 6.7 萬張 H100。這說明 Dojo 未能成為主力產(chǎn)線，特斯拉更多轉(zhuǎn)向“收購老練GPU渠道”。實際也證明，買卡比造卡更快：除特斯拉外，馬斯克體系的 xAI/“Colossus” 相同大規(guī)劃選用英偉達 GPU，并配套 Spectrum-X 以太網(wǎng)做超大規(guī)劃組網(wǎng)——連網(wǎng)絡(luò)棧都被英偉達打包交給。

亡羊補牢，為時未晚

現(xiàn)在，特斯拉及時扭轉(zhuǎn)局面。

練習側(cè)：外采為主。特斯拉把主力練習轉(zhuǎn)向可馬上布置、可線性擴容、生態(tài)老練的英偉達（并彌補部分 AMD），把“模型練習周轉(zhuǎn)率（Time-to-Train）”拉回商業(yè)節(jié)奏。

推理側(cè)：自研為主。與三星敲定 165 億美元長時刻代工協(xié)議（AI6），將車載/機器人/邊沿推理算力自控在手，靠近產(chǎn)品、危險更低、迭代更快。

安排側(cè)：約 20 名原練習團隊成員參加 DensityAI，其他并入公司數(shù)據(jù)中心/算力工程，防止在沒有收斂的練習芯片路途繼續(xù)“燒時刻”。

這套組合拳很務(wù)實：練習端“買老練產(chǎn)線”，强暴 自拍 偷拍 偷窥推理端“做自己最懂的場景”，既把 Time-to-Train 和 Time-to-Market 拉回到商業(yè)節(jié)奏內(nèi)，也防止在生態(tài)戰(zhàn)里被逼充任“軟件渠道供應(yīng)商”。

Dojo項目的關(guān)閉可能對特斯拉來說并不是一個很大的丟失。8月8日，馬斯克在交際渠道X上回應(yīng)amit網(wǎng)友稱：“沒有必要一起擴展兩條天壤之別的練習芯片路途；Tesla AI5、AI6 以及后續(xù)芯片在推理方面將十分超卓，至少在練習方面也適當不錯。全部精力都會集在這上面。”

他還進一步彌補道，“在超算集群中，無論是用于推理仍是練習，將許多 AI5/AI6 芯片放在一塊板上是合乎情理的，這只是是為了將網(wǎng)絡(luò)布線的復(fù)雜性和本錢下降幾個數(shù)量級。我想，這能夠稱之為 Dojo 3。”“AI4 和 AI5 之間在實踐性能上的差異，遠超我所知的全部芯片版別。它真的很超卓。”

為什么“自研練習芯片”這么難？

1）生態(tài)與軟件壁壘

練習芯片不是單芯片比賽，結(jié)構(gòu)適配、編譯器、內(nèi)核庫、并行戰(zhàn)略、調(diào)優(yōu)東西鏈才是吞時刻的黑洞。英偉達把 CUDA/cuDNN/各類并行庫打磨了十幾年，后來者很難追平這個“隱形工程量”。業(yè)界多家廠商在軟件老練度上“掉鏈子”，練習端難以安穩(wěn)開釋算力密度。

2）體系工程與供應(yīng)鏈

先進封裝（CoWoS/SoIC）、HBM 供應(yīng)、機柜/供配電/散熱、互聯(lián)拓撲、集群調(diào)度、可靠性工程，任何一環(huán)不行強，TCO 就會被市售 GPU 渠道反殺。尤其是先進封裝和HBM這兩塊，2025年NVIDIA至少確認臺積電CoWoS-L 七成產(chǎn)能的報導頻出，HBM商場由 SK hynix/三星/美光三強主導，且 HBM3E→HBM4 的節(jié)奏被各家緊緊盯住。沒有這些供應(yīng)保證，自研計劃即使流片成功，也會在封裝與內(nèi)存上“卡脖子”。

3）需求與現(xiàn)金流節(jié)奏

自研要靠安穩(wěn)、可預(yù)期且超大規(guī)劃的自用練習需求攤薄巨額前期投入。除谷歌（TPU）和 AWS（Trainium）這類云巨子，鮮有人能把“芯片—集群—云服務(wù)”聯(lián)動成正循環(huán)。

Meta練習芯也在逐漸測驗，本年3月份據(jù)路透社的報導，Meta正在測驗首款 AI 練習芯片，音訊人士稱，測驗布置是在Meta完結(jié)芯片的初次“流片”后開端的。這款芯片是該公司元練習和推理加速器 (MTIA) 系列的最新產(chǎn)品。不過該項目多年來開展一向不太順暢，乃至一度在相似的開發(fā)階段拋棄一款芯片。現(xiàn)在Meta的MITA芯片仍以推理為主，用于確認哪些內(nèi)容呈現(xiàn)在 Facebook 和 Instagram 新聞推送中的引薦體系。

Meta 高管表明，他們希望到 2026 年開端使用自己的芯片進行練習，或許進行核算密集型進程，為 AI 體系供應(yīng)許多數(shù)據(jù)以“教”它怎么履行。與推理芯片相同，練習芯片的方針是從引薦體系開端，然后將其用于談天機器人 Meta AI 等生成式人工智能產(chǎn)品。

4）機會本錢

AI年代下，英偉達和AMD兩大AI芯片玩家均已代際晉級以季度為單位推動，自研芯片的代次跨度很簡單一上板就過期，落地即落后。

在 Llama 2-70B-LoRA 等渠道（8 GPU）微調(diào)作業(yè)負載中，Instinct MI325X的性能比 Instinct MI300X提高高達 30%（圖源：AMD）

現(xiàn)在AMD也補上了“可用的第二供貨商”，6月份，AMD發(fā)布了其初次提交MLPerf練習的成果，AMD的練習成果也現(xiàn)已很能打（MLPerf 上與英偉達可比/部分搶先的負載呈現(xiàn)了）。在 AMD MLPerf Training v5.0 測驗中，Instinct MI325X渠道在微調(diào) Llama 2-70B-LoRA（一種廣泛用于定制大型言語模型的作業(yè)負載）時，强暴 自拍 偷拍 偷窥性能比 NVIDIA H200 渠道高出高達 8%。

Instinct MI325X渠道與NVIDIA H200的比照（圖源：AMD）

在這種情況下，再走一條第三條自研路，邊沿價值更小、失利本錢更高。

Dojo 的叫停不等于“自研練習芯片永無出路”。云巨子破例仍然建立：Google TPU、AWS Trainium 能跑通，是因為它們具有超大、安穩(wěn)的自用練習需求 + 云服務(wù)生態(tài) + 算法/結(jié)構(gòu)協(xié)同，能把“芯-機-云-軟件”串成正循環(huán)。但對車企/使用公司而言，缺生態(tài) + 缺供應(yīng)鏈 + 節(jié)奏跟不上，機會本錢才是終極殺手。

英偉達贏在哪里？

英偉達的成功是體系性成功。不只是 GPU 搶先，而是從硅到機架到網(wǎng)絡(luò)到軟件的全棧交給才能：

硬件層：GPU + NVLink/NVSwitch + 高帶寬內(nèi)存 + 機架級整機；

網(wǎng)絡(luò)層：InfiniBand 與 Spectrum-X 以太網(wǎng)兩套計劃，掩蓋不同客戶偏好與本錢模型；

軟件層：CUDA 體系與全棧庫/東西，保證“可用算力/周”；

交給層：從整柜到整機房的“交鑰匙工程”，縮短客戶的Time-to-Train。

一個典型的事例：GB200 NVL72——72 張 Blackwell GPU + 36 顆 Grace CPU 的液冷整柜，一個機柜內(nèi)構(gòu)成 72-GPU 的 NVLink 一致域，對外就像一塊超大加速器；第五代 NVLink/ NVSwitch 還能把多個機柜無堵塞拼合到 576 GPU。這不是“堆卡”，而是把互聯(lián)、內(nèi)存、軟件、上電與運維做成可交給的“AI 工廠”

關(guān)于去自研AI練習芯片的廠商而言，許多時分，他們并不是技能不可行，而是時刻、資金與生態(tài)的歸納算術(shù)不合。當你在流血做“芯—板—機—集群—軟件—網(wǎng)絡(luò)”的全棧集成時，英偉達現(xiàn)已把GPU+ NVLink/NVSwitch/Spectrum-X + CUDA/cuDNN + DGX/GB 系一致整套“AI 工廠”賣給了你的對手與合作伙伴，“買英偉達 = 馬上可用的AI 工廠”

英偉達在機架級產(chǎn)品（如 GB 系列）與網(wǎng)絡(luò)（Spectrum-X/InfiniBand 之外的以太網(wǎng)解法）上繼續(xù)前移，把“可用算力/周”最大化。2024年10月28日，NVIDIA使用NVIDIA Spectrum-X以太網(wǎng)網(wǎng)絡(luò)渠道，完結(jié)了100,000個 NVIDIA Hopper GPU相連，這便是坐落田納西州孟菲斯的 xAI Colossus 超級核算機集群，其主要用于練習馬斯克的Grok大模型。xAI和NVIDIA僅用122天就建成了配套設(shè)備和最先進的超級核算機，而這種規(guī)劃的體系一般需求數(shù)月乃至數(shù)年的時刻。從第一個機架滾到地上到練習開端，整個進程僅用了 19 天。

英偉達的“體系 + 軟件 + 生態(tài) + 交給才能”的復(fù)合護城河，正在把每一家“自研練習芯片”的商業(yè)實驗拖回到實踐。

關(guān)于英偉達而言，現(xiàn)在最大的變量和對手是AMD，AMD在性價比、特定作業(yè)負載（如微調(diào)）上繼續(xù)追近，會緊縮自研路途的“理論窗口期”，但短期難撼動英偉達的體系與軟件搶先。

接下來很長一段時刻，“練習自研，推了解耦”將成為非云巨子的干流戰(zhàn)略：練習上公版渠道，推理做自家 SoC/ASIC，把能沉積差異化的算力放在端側(cè)/產(chǎn)品內(nèi)。

結(jié)語

特斯拉關(guān)掉 Dojo，不是輸給了一塊更強的芯片，而是輸給了一個更強的“工業(yè)體系”。 自研練習芯片這條路，對絕大多數(shù)公司而言不具可仿制性；而在“買卡 + 更快上線 + 產(chǎn)品側(cè)自控推理”的組合里，英偉達再次贏下了時刻、生態(tài)與現(xiàn)金流的三重賽點。

英偉達的再次成功，是對整個職業(yè)的一次提示：在 AI 基建年代，速度與生態(tài)，便是全部。

本文來自微信大眾號 “半導體職業(yè)調(diào)查”（ID：icbank），作者：杜芹DQ，36氪經(jīng)授權(quán)發(fā)布。