為了訓出最強Grok 3，xAI耗時19天，打造了由10萬塊H100組成的世界最大超算集群。

而在訓練FSD、擎天柱機器人方面，馬斯克同樣不惜重金，投入了大量的計算資源。

超算Dojo，是特斯拉AI的基石，專為訓練FSD神經網絡而打造。

就在今天，他在德州超級工廠（Cortex）參觀了特斯拉的超級計算機集群。

馬斯克稱，「這將是一個擁有約10萬個H100/H200 GPU，并配備大規模存儲的系統，用于全自動駕駛（FSD）和Optimus機器人的視頻訓練」。

不僅如此，除了英偉達GPU，這個超算集群中還配備了特斯拉HW4、AI5、Dojo系統。

它們將由一個高達500兆瓦的大型系統提供電力和冷卻。

2021年特斯拉AI Day上，馬斯克首次對外宣布Dojo。

如今三年過去了，Dojo建得怎樣了？

8000塊H100等價算力，加倍下注

半個月前，網友稱2024年年底，特斯拉擁有AI訓練算力，等價于9萬塊H100的性能。

馬斯克對此做了一些補充：

我們在AI訓練系統中不僅使用英偉達的GPU，還使用自己的AI計算機——Tesla HW4 AI（更名為AI4），比例大約為1:2。

這意味著相當于有大約9萬個H100，加上大約4萬個AI4計算機。

他還提到，到今年年底，Dojo 1將擁有大約8000個相當于H100算力。這個規模不算龐大，但也不算小。

Dojo D1超算集群

其實在去年6月，馬斯克曾透露Dojo已經在線并運行了幾個月的有用任務。

這已經暗示著，Dojo已經投入到一些任務的訓練中。

最近，在特斯拉財報會議上，馬斯克表示特斯拉準備在10月推出自動駕駛出租車，AI團隊將「加倍投入」Dojo。

預計Dojo的總計算能力，將在2024年10月達到100 exaflops。

假設一個D1芯片可以實現362 teraflops，要達到100 exaflops，特斯拉將需要超過27.6萬個D1芯片，或者超過32萬英偉達A100 GPU。

500億晶體管，D1已投產

2021年特斯拉AI Day上，D1芯片初次亮相，擁有500億晶體管，只有巴掌大小。

它具備了強大和高效的性能，能夠快速處理各種復雜的任務。

今年5月，D1芯片開始投產，采用臺積電7nm工藝節點。

Autopilot前硬件高級總監Ganesh Venkataramanan曾表示，「D1可以同時進行計算和數據傳輸，采用定制ISA指令集架構，并針對機器學習工作負載進行了充分優化」。

這是一臺純粹的機器學習的芯片。

盡管如此，D1仍沒有英偉達A100強大，后者同樣采用了臺積電7nm工藝制造。

D1在645平方毫米的芯片上放置了500億個晶體管，而A100包含540億個晶體管，芯片尺寸為826平方毫米，性能領先于D1。

為了獲得更高的帶寬和算力，特斯拉AI團隊將25個D1芯片融合到一個tile中，將其作為一個統一的計算機系統運作。

每個tile擁有9 petaflops的算力，以及每秒36 TB的帶寬，并包含電力源、冷卻和數據傳輸硬件。

我們可以將單個tile視為，由25臺小型計算機組成的一臺自給自足的計算機。

通過使用晶圓級互連技術InFO_SoW（Integrated Fan-Out，System-on-Wafer），在同一塊晶圓上的25塊D1芯片可以實現高性能連接，像單個處理器一樣工作。

6個這樣的tile構成一個機架（rack），兩個機架構成一個機柜（cabinet）。

十個機柜構成一個ExaPOD。

在2022年AI Day中，特斯拉表示，Dojo將通過部署多個ExaPOD進行擴展。所有這些加在一起構成了超級計算機。

晶圓級處理器（wafer-scale processor），比如特斯拉的Dojo和Cerebras的晶圓級引擎WSE，比多處理器（multi-processor）的性能效率要高得多。

前者的主要優點包括內核之間的高帶寬和低延遲通信、較低的電網阻抗以及更高的能源效率。

目前，只有特斯拉和Cerebras擁有晶圓上系統設計。

然而，將25個芯片放在一起對電壓挑戰和冷卻系統也是不小的挑戰。

網友拍到特斯拉在德州建設巨型冷卻系統

晶圓級芯片的固有挑戰還在于，必須使用片上內存（on-chip memory），這不夠靈活，可能無法滿足所有類型的應用。

Tom's Hardware預測， 下一代使用的技術可能是CoW_SoW（Chip-on-Wafer），在tile上進行3D堆疊并集成HBM4內存。

此外，特斯拉還在研發下一代D2芯片，為了破解信息流難題。

與連接單個芯片不同，D2將整個Dojo tile放在了單個硅晶圓上。

到2027年，臺積電預計將提供更復雜的晶圓級系統，計算能力預計將提升超過40倍。

自D1發布以來，特斯拉既沒有公開已訂購、預期接收的D1芯片訂單情況，也沒有公開Dojo超算的具體部署時間表。

不過在今年6月份的時候，馬斯克曾表示，在未來18個月，一半部署特斯拉AI硬件，一半是英偉達/其他硬件。

其他硬件，也可能是AMD。

為什么需要Dojo 

自動駕駛耗算力

在我們的印象中，特斯拉的主業僅限于生產電動汽車，再附帶一些太陽能電池板和儲能系統的業務。

但馬斯克對特斯拉的期望遠遠不止于此。

大多數自動駕駛系統，比如谷歌母公司Alphabet旗下的Waymo，仍舊依靠傳統的感知器作為輸入，比如雷達、激光雷達和攝像頭等。

但特斯拉采取的是「全視覺」路徑，他們僅依靠攝像頭捕捉視覺數據，輔以高清地圖進行定位，再使用神經網絡處理數據以進行自動駕駛的快速決策。

直觀來看，顯然前者是一種更簡單快捷的路徑，事實也的確如此。

Waymo已經實現了L4級自動駕駛的商業化，即SAE所定義的，在一定條件下下無需人工干預即可自行駕駛的系統。但特斯拉的FSD（Full Self-Driving）神經網絡仍無法脫離人類操作。

Andrej Karpathy曾在特斯拉擔任AI負責人，他表示，實現FSD基本是在「從頭開始構建一種人造動物」。

我們可以將其理解為人類視覺皮層和大腦功能的數字復制。FSD不僅需要連續收集和處理視覺數據，識別、分類車輛周圍的物體，還需要有與人類相當的決策速度。

由此可見，馬斯克想要的絕不只是能盈利的自動駕駛系統而已。他的目標，是打造一種新智能。

但幸運的是，他幾乎不太需要擔心數據不夠的問題。目前大約有180萬人為FSD支付了8000美元的訂閱費（之前可達1.5萬美元），這意味著特斯拉能收集到數百萬英里的駕駛視頻用于訓練。

而算力方面，Dojo超算就是FSD的訓練場。它的中文名字可以翻譯為「道場」，是對武術練習空間的致敬。

英偉達不給力

英偉達GPU有多搶手？看看各大科技巨頭的CEO有多想跟老黃套近乎就知道了。

即便財大氣粗如馬斯克，也會在7月的財報電話會上承認，自己對特斯拉可能沒法用上足夠的英偉達GPU感到「非常擔憂」。

「我們看到的是，對英偉達硬件的需求如此之高，以至于通常很難獲得GPU。」

目前，特斯拉似乎依舊使用英偉達的硬件為Dojo提供算力，但馬斯克似乎不想把雞蛋都放在一個籃子里。

尤其是考慮到，英偉達芯片的溢價如此之高，而且性能還不能讓馬斯克完全滿意。

在硬件與軟件協同這方面，特斯拉與蘋果的觀點類似，即應該實現兩者的高度協同，尤其是FSD這種高度專門化的系統，更應該擺脫高度標準化的GPU，使用定制硬件。

這個愿景的核心，是特斯拉專有的D1芯片，于2021年發布，今年5月開始由臺積電量產。

此外，特斯拉還在研發下一代D2芯片，希望將整個Dojo塊放在單個硅片上，解決信息流瓶頸。

在第二季度財報中，馬斯克指出，他看到了「通過Dojo與英偉達競爭的另一條途徑」。

Dojo能成功嗎

即便自信如馬斯克，在談到Dojo時，也會支支吾吾地表示，特斯拉可能不會成功。

從長遠來看，開發自己的超算硬件可以為AI部門開拓新的商業模式。

馬斯克曾表示，Dojo的第一個版本將為特斯拉的視覺數據標注和訓練量身定制，這對FSD和訓練特斯拉的人形機器人Optimus來說非常有用。

而未來版本將更適合通用的AI訓練，但這不可避免地要踏入英偉達的護城河——軟件。

幾乎所有的AI軟件都是為了與英偉達GPU配合使用，使用Dojo就意味著要重寫整個AI生態系統，包括CUDA和PyTorch。

這意味著，Dojo幾乎只有一條出路——出租算力，建立類似于AWS和Azure一樣的云計算平臺。

摩根士丹利在去年9月的報告中預測，Dojo可以通過robotaxi和軟件服務等形式釋放新的收入來源，為特斯拉的市值增加5000億美元。

簡言之，從目前馬斯克對硬件的謹慎配比來看，Dojo并非「孤注一擲」而更像是一種雙重保險。但一旦成功，也可以釋放巨大紅利。