2025年7月23日，特斯拉的Q2財報電話會議。埃隆·馬斯克 （Elon Musk） 一如既往地向華爾街傳遞著樂觀且極具感染力的情緒。當談到公司傾注心血打造的AI超級計算機Dojo時，他充滿了自信：“我們預計Dojo 2將在明年某個時候實現規模化運營，其規模大約相當于10萬塊H100芯片” 。

這番話無疑是一劑強心針。在投資者眼中，Dojo不僅是特斯拉實現完全自動駕駛 （FSD） 的技術基石，也是其從一家電動車公司蛻變為萬億市值AI巨頭的核心引擎。摩根士丹利的分析師甚至曾為其描繪了高達5000億美元的潛在價值 。

然而，沒有人預料到，這場“壯觀”的夢境會如此迅速地走向終結。僅僅三周后，風暴來臨。2025年8月初，彭博社的一則爆料震驚了整個科技圈：Dojo項目團隊已被解散，其負責人彼得·班農 （Peter Bannon） 即將離職 。緊接著，在8月9日至11日的那個周末，馬斯克本人通過他的社交平臺X，用一系列帖子親手為這個曾經的明星項目畫上了句號。他將這一戲劇性的轉折，包裝成了一次深思熟慮的戰略升級，宣稱Dojo 2已經走進了“一個進化上的死胡同”，而特斯拉的未來，將聚焦于另一款名為AI6的“融合架構”芯片。

從“相當于10萬塊H100”的豪言壯語，到“進化死胡同”的殘酷論斷，中間只隔了不到20天。這背后究竟發生了什么？這并非一次簡單的項目調整，而是一場交織著技術豪賭、人才風暴、商業現實與巨頭博弈的硅谷式戲劇。Dojo項目的終結，不僅是特斯拉AI戰略的一次重大挫敗，也為所有試圖在人工智能時代挑戰硬件王權的野心家們，上了一堂價值數十億美元學費的警示課。

一、垂直整合的“第一性原理”與Dojo的誕生

要理解Dojo為何誕生，必須先理解馬斯克和特斯拉對“垂直整合”近乎偏執的追求。從自建超級充電網絡、開創直營銷售模式，到自研電池和自動駕駛芯片，特斯拉的成功在很大程度上源于其對核心技術和供應鏈的絕對掌控。當AI成為公司未來的核心時，將算力這一“新石油”的命脈交到他人手中，是馬斯克無法容忍的。

這個“他人”，主要就是英偉達 （NVIDIA） 。

Dojo項目的種子，早在2019年4月22日的特斯拉“自動駕駛投資者日”上就已埋下了。那時的特斯拉正面臨一個前所未有的挑戰： 如何處理來自全球數百萬輛汽車攝像頭產生的、如洪水般涌入的視頻數據。 這些數據是訓練FSD神經網絡的燃料，而傳統的計算架構，在處理這種規模的視覺數據時顯得力不從心。

馬斯克的解決方案，充滿了“第一性原理”的味道：與其購買昂貴且并非為特斯拉量身定做的通用GPU，不如從零開始，打造一個完全為自家算法優化的專屬計算系統。這一戰略的背后，是三重野心：

1. 擺脫依賴，掌控成本： 徹底告別英偉達，避免被其高昂的定價和緊張的供應鏈所掣肘。馬斯克曾直言：“如果他們 （指英偉達） 能給我們提供足夠的GPU，我們可能就不需要Dojo了。但他們不能，因為他們的客戶太多了。”

2. 極致優化，追求性能： 設計一種專門針對特斯拉計算機視覺工作負載的ASIC，通過架構上的創新，在性能和能效上實現對通用GPU的超越。

3. 構建護城河，定義未來： 通過從芯片、軟件到算法的全棧自研，構建一道任何競爭對手都難以逾越的、深不見底的技術護城河。

2021年8月19日，特斯拉首屆AI日，Dojo項目正式向世界揭開神秘面紗。當特斯拉展示其自主設計的D1芯片和革命性的“訓練模塊” （Training Tile） 時，整個行業為震驚了。這不僅僅是一塊芯片，而是一個宏大的宣言： 特斯拉不僅要造車，還要定義驅動未來AI的基礎設施。

隨后的幾年里，Dojo項目似乎一路高歌猛進。2022年AI日，特斯拉公布了將Dojo擴展為完整“ExaPOD”超級計算機的宏偉藍圖。2023年7月，Dojo V1超級計算機正式投產，標志著項目從研發走向了實際應用。公司更是計劃在2024年底前，為這個項目再投入10億美元。2024年1月，一筆5億美元的投資被宣布用于在紐約州布法羅市建立一個新的Dojo計算中心，這似乎預示著Dojo的光明未來。

然而，就在這片繁榮景象之下，未來的裂痕早已悄然出現。

二、Dojo的技術豪賭與致命缺陷

Dojo的核心，是一場前所未有的技術豪賭。它的設計理念極度激進，旨在通過硬件架構的根本性創新，來解決AI訓練中的兩大核心痛點： 帶寬和延遲 。

1. D1芯片與“訓練模塊”的革命

Dojo的基礎單元是D1芯片。這塊由臺積電7納米工藝打造的芯片，在645平方毫米的巨大裸片上，喪心病狂地集成了500億個晶體管和354個處理核心。其設計功耗高達400瓦，本身就是一頭性能猛獸。

但Dojo真正的革命性之處，在于它如何將這些D1芯片連接在一起。特斯拉的天才工程師們利用了臺積電最先進的InFO_SoW （集成扇出型片上晶圓） 封裝技術，將25個D1芯片無縫地集成在了一塊完整的晶圓上，創造出了所謂的“訓練模塊”。

這堪稱工程學上的奇跡。傳統的超級計算機，需要通過復雜的網絡電纜和交換機將成千上萬的GPU連接起來，芯片間的通信延遲和帶寬瓶頸是永遠的痛。而Dojo的訓練模塊，則像是在一塊巨大的電路板上創造了一個無縫的計算平面。芯片之間的數據交換，不再需要繞道外部網絡，而是可以直接在晶圓內部高速穿梭。其離模塊帶寬高達驚人的36 TB/s，比當時的競爭對手高出一個數量級。理論上，由10個機柜、3000個D1芯片組成的ExaPOD，可以提供高達1.1 ExaFLOPS的BF16性能。

2. 致命的阿喀琉斯之踵：被“渴死”的計算核心

然而，這場豪賭從一開始就埋下了一顆失敗的種子。Dojo的設計團隊為了追求極致的互連速度，犯下了一個致命的錯誤： 忽視了內存的重要性。

在Dojo的架構中，354個計算核心，每個核心僅配備了1.25MB的SRAM （靜態隨機存取存儲器） ，整個D1芯片上沒有了其他大型高速緩存或內存池。這個計算與內存的比例，被行業分析師批評為“完全不足以”支撐特斯拉想要訓練的那些日益龐大的AI模型 。

這就好比建造了一臺擁有F1賽車引擎的汽車，卻只給它配了一個摩托車油箱。引擎的性能再強，沒有足夠的燃料也無法持續飛馳。現代大型AI模型，尤其是像Transformer這樣的架構，在訓練過程中需要頻繁地讀寫海量的參數和中間數據，對內存容量和帶寬的要求極高。Dojo的這點片上內存，在巨大的數據洪流面前，無異于杯水車薪。

為了彌補這一先天缺陷，特斯拉的工程師們被迫采取了一些“曲線救國”的措施，比如創造一種自定義的、精度更低的數據格式：可配置8位浮點數 （CFP8） ，試圖用更少的數據位來表示信息，以塞進那小得可憐的內存里 。后續的報道甚至披露，特斯拉不得不額外設計一款獨立的PCIe內存卡，專門用來為Dojo系統提供足夠的內存連接。這無異于承認了最初設計的重大失誤。

這種對內存的吝嗇，讓人想起了另一家曾經的明星AI芯片公司Graphcore。其設計的IPU也采用了類似的思路，試圖用大量的片上SRAM來替代傳統GPU依賴的HBM （高帶寬內存） ，最終也在與英偉達更均衡、更通用的設計競爭中敗下陣來。

2. 看不見的冰山：軟件生態的鴻溝

如果說硬件上的內存缺陷是Dojo的“明傷”，那么軟件生態的缺失則是其更致命的“內傷”。

一塊定制的芯片，需要一個完全定制的軟件棧來驅動，包括編譯器、編程模型和各種底層庫。特斯拉甚至為此開發了一套自定義的指令集架構 （ISA） ，而不是采用RISC-V這樣的開放標準 。這意味著，特斯拉需要從零開始，重建一個英偉達耗費了十幾年、投入了數百億美元才建立起來的CUDA帝國。

CUDA的強大之處，并不僅僅在于其性能。它是一個成熟、穩定、靈活且擁有龐大開發者社區的生態系統 。無數的AI框架、科學計算庫和應用程序都建立在CUDA之上。對于開發者而言，這是一個熟悉且高效的平臺。而要讓他們放棄這一切，去學習和適應一個全新的、封閉的、未經檢驗的Dojo軟件棧，其難度和阻力可想而知。

開發這個軟件棧的復雜度和成本，很可能是壓垮Dojo項目的、那座不為外人所見的巨大冰山。

3. “進化死胡同”的技術必然性

Dojo的架構，實際是“偏科”的，它為特定的短跑比賽 （低延遲、高互連的視覺模型訓練） 而生，卻犧牲了參加其他項目 （內存密集型、架構多變的大模型） 的能力。然而，AI模型的發展日新月異，從CNN到Transformer，再到混合專家模型 （MoE） ，模型架構的迭代速度遠超硬件的開發周期。

一個內存極度受限的硬件架構，在面對未來模型演進時顯得異常脆弱。一旦FSD的下一代模型需要更大的狀態空間、更復雜的注意力機制，Dojo的性能就可能遭遇“懸崖式”的崩潰。相比之下，英偉達的GPU憑借其巨大而靈活的HBM內存池，展現出了更強的通用性和適應性 。

所以，馬斯克所說的“進化死胡同”，或許不僅僅是項目失敗后的一個體面說辭，它在某種程度上也揭示了一個殘酷的技術現實： AI模型演化的路徑，已經悄然偏離了Dojo最初鋪設的那條狹窄而陡峭的軌道。

三、帝國的裂痕：一場“災難性”的人才雪崩

如果說技術上的缺陷是Dojo的慢性病，那么核心團隊的集體出走，則是壓垮這頭巨獸的最后一根稻草，是導致其閃電崩盤的直接導火索。

故事的核心人物是兩位芯片設計領域的傳奇人物：加內什·文卡塔拉曼 （Ganesh Venkataramanan） 和彼得·班農 （Peter Bannon） 。

文卡塔拉曼，這位印度裔工程師，曾在AMD工作近15年，是芯片設計界的老將 。他于2016年加入特斯拉，從零開始組建了自動駕駛硬件團隊，并領導開發了業界首款FSD芯片。他正是Dojo項目的最初負責人和靈魂人物。然而，在2023年底，文卡塔拉曼悄然離開了特斯拉 。

接替他領導Dojo項目的，是同樣聲名顯赫的彼得·班農。班農的履歷堪稱輝煌，他曾在蘋果公司擔任首席架構師，主導了iPhone 5中首款32位ARM CPU的設計，是蘋果自研芯片王朝的奠基人之一 。在加入特斯拉后，他一直是芯片工程的關鍵人物。

然而，就在馬斯克于2025年7月財報會議上高談闊論Dojo 2的宏偉藍圖時，一場“兵變”正在水面下醞釀。

2025年8月初，媒體爆出，包括班農在內的約20名Dojo核心工程師，已經集體離職。更具戲劇性的是，他們的去向都是一家名為DensityAI的神秘初創公司。而DensityAI的創始人，正是幾個月前離開特斯拉的加內什·文卡塔拉曼。

這已經不是簡單的離職，而是一場釜底抽薪式的“叛逃”。文卡塔拉曼、班農以及這20名工程師，幾乎就是Dojo項目知識產權和工程能力的活載體。他們的集體出走，瞬間掏空了Dojo項目的大腦和心臟。設計和實現Dojo這樣復雜且創新的系統，需要高度專業化的知識和長期的團隊磨合。這種機構知識的流失，在短期內是毀滅性的，幾乎不可能被替代。

DensityAI的目標，是打造一個為汽車行業量身定制的全棧AI平臺，從芯片到軟件，提供一站式解決方案。這聽起來，像極了Dojo項目最初的愿景，只不過這一次，它將在特斯拉的圍墻之外，由Dojo的原班人馬去實現。

這場“災難性”的人才雪崩，讓馬斯克和特斯拉陷入了極其尷尬的境地。一個仍在燒錢、尚未證明其決定性優勢、且失去了核心大腦的項目，其存在的合理性瞬間崩塌。馬斯克在財報會議上的樂觀預測，與幾周后項目的戛然而止形成了強烈的諷刺。這表明，取消Dojo并非一次從容的戰略調整，而是一次對突發危機的被動反應。

馬斯克事后“進化死胡同”的解釋，更像是一種危機公關，一種在項目因人力資本崩潰而被迫終止后，為了挽回顏面而進行的敘事重構。正如一位網友在社交媒體上尖銳評論的那樣：“他 （馬斯克） 別無選擇，只能取消Dojo，因為團隊里太多人不想再為他工作了。”

四、英偉達，無法逾越的護城河

在Dojo的故事中，英偉達就像一個無處不在的幽靈。特斯拉啟動Dojo，是為了擺脫它；而Dojo最終的失敗，卻又一次印證了它的強大。

1. 一場從一開始就不對等的戰爭

與英偉達競爭，尤其是在AI訓練芯片領域，是一項近乎不可能完成的任務。這家由黃仁勛領導的公司，其可怕之處不僅在于硬件性能的持續迭代，更在于其軟件生態構筑的、深不見底的護城河。

從硬件上看，英偉達的創新周期快得令人窒息。當特斯拉的D1芯片 （基于7nm工藝） 在2021年亮相時，英偉達的A100已經占據市場主導。而當Dojo在2023年艱難投產時，基于更先進的4nm定制工藝、性能更強的H100已經開始大規模出貨 。而現在，更為強大的Blackwell架構GPU也已發布。這意味著，像Dojo這樣的自研項目，往往陷入一個尷尬的循環： 當你耗費數年、投入巨資研發的產品終于問世時，它對標的已經是英偉達上一代、甚至上上代的產品。

更重要的是， 特斯拉自身的行為也暴露了Dojo的窘境。 就在大力宣傳Dojo的同時，特斯拉從未停止過對英偉達GPU的瘋狂采購。從最初的數千塊A100，到后來的數萬塊H100和H200，特斯拉一直是英偉達最大的客戶之一。截至2024年4月，已經投入運行的Dojo集群，其算力總和也僅僅相當于7500塊H100 GPU，只占到特斯拉當時H100集群總算力的四分之一左右 。

這組數據無情地揭示了一個事實：在長達數年的時間里，Dojo從未真正成為特斯拉FSD訓練的主力，英偉達的GPU始終是那個不可或缺的“幕后英雄”。Dojo更像是一個昂貴的、充滿不確定性的“B計劃”。

2. CUDA：真正的壁壘

正如前文所述，英偉達真正的護城河是CUDA。這個并行計算平臺和編程模型，經過近二十年的發展，已經成為AI開發的事實標準 。它擁有一個由無數庫、工具和開發者組成的龐大生態系統，其成熟度和易用性是任何競爭對手都難以企及的 。

選擇自研芯片，就意味著要重建這一切。這是一項比設計硬件本身更為艱巨的任務。Dojo的失敗，再次證明了挑戰CUDA生態系統的難度。對于絕大多數AI研究者和工程師來說，時間就是生命，他們寧愿選擇一個性能或許不是100%最優、但穩定、可靠且擁有豐富工具鏈的平臺，也不愿去冒險嘗試一個全新的、充滿未知數的專有系統。

3. 財務壓力下的理性選擇

Dojo項目的終止，也與特斯拉當時面臨的宏觀經濟壓力不無關系。2025年第二季度的財報并不樂觀，電動車業務收入同比下降16%，總收入下降12%。與此同時，由AI研發驅動的運營支出和資本支出卻在持續飆升。

在這樣一個“節衣縮食”的時期，繼續為一個成本高昂、風險巨大、回報周期漫長，且核心團隊已經流失的項目輸血，顯然是不明智的。砍掉Dojo，將寶貴的資本和資源集中到自動駕駛出租車 （Robotaxi） 和擎天柱 （Optimus） 機器人這些更接近商業化的項目上，是一個痛苦但理性的財務決策。

Dojo的取消，對英偉達而言是一次巨大的戰略勝利。老黃再次向世界宣告：在AI算力的牌桌上，所有玩家最終都必須回到我這里來。這不僅鞏固了其市場壟斷地位，也讓所有心懷“造芯夢”的挑戰者們，不得不重新掂量一下自己將要付出的代價。

五、AI6芯片的“融合”新戰略，無可奈何的妥協

在Dojo的廢墟之上，特斯拉迅速構建了一套新的AI硬件架構，其核心是所謂的AI6“融合架構”。

馬斯克的官方解釋是，同時維護Dojo （為訓練優化） 和AI系列芯片 （為車載推理優化） 兩條截然不同的設計路線，是對資源的巨大浪費。因此，未來的戰略是“融合”，即將所有努力都集中在即將推出的AI6芯片上。這款芯片，將“非常適合推理，并且至少在訓練方面也相當不錯”。

馬斯克甚至試圖為Dojo的遺產找到一個歸宿，他聲稱：“Dojo 3可以說以在單塊電路板上集成大量AI6 SoC的形式存在” 。

1. 用“步槍”打“大炮”：一場技術上的豪賭

然而，這套說辭在技術專家看來，充滿了妥協和無奈。AI訓練和AI推理，是兩種在計算需求和架構設計上截然不同的工作負載。

??訓練 （Training） ，好比是煉鋼。它需要在一個巨大的熔爐 （數據中心） 里，用極高的溫度 （大規模并行計算） 、消耗海量的原材料 （數據和能源） ，經過長時間的鍛造 （迭代） ，才能煉出一塊好鋼 （成熟的模型） 。這個過程追求的是極致的吞吐量和強大的并行處理能力，需要高精度的運算、巨大的內存和超高帶寬的互連，以便在數千個處理器之間高效同步。英偉達的H100和Dojo D1，都是為這種“重工業”場景而生的“大炮”。

??推理 （Inference） ，則好比是將煉好的鋼材，打造成一把鋒利的匕首，并在需要時能瞬間出鞘。它追求的是在終端設備 （如汽車、手機） 上，以極低的延遲和能耗，快速地執行已經固化好的模型，做出精準判斷。這個過程對單次運算的性能要求不高，通常使用較低精度的計算，對內存和互連的要求也遠低于訓練。特斯拉的AI系列芯片，就是為這種“輕巧”場景設計的“步槍”。

現在，特斯拉的新戰略，本質上就是想用成千上萬把“步槍”捆綁在一起，去執行原本需要“大炮”才能完成的攻堅任務。盡管馬斯克說它“相當不錯”，但用一款為低延遲、低功耗優化的推理芯片來進行大規模訓練，其效率和性能幾乎不可能與專門為訓練設計的芯片相提并論。這很可能會創造出一個“樣樣通，樣樣松”的系統，為了架構的簡潔而犧牲了最關鍵的訓練性能。

這更像是一個在失去了Dojo這個“大炮”研發團隊后，不得不做出的無奈選擇。設計和驗證兩種頂尖芯片 （一種訓練、一種推理） 成本極高，且需要兩個獨立的精英團隊。特斯拉剛剛失去了其中一個。剩下的團隊，專注于對公司核心產品 （汽車、機器人） 至關重要的推理芯片。因此，用推理芯片來“兼職”訓練，并非源于什么革命性的技術洞見，而更可能源于一個“他們只剩下足夠的資源和人力，來推進這一條芯片設計路線了”的殘酷現實。

2. 重回“懷抱”：對外部伙伴的新依賴

Dojo的終結，也標志著特斯拉在AI訓練硬件上實現完全垂直整合夢想的破滅。公司現在比以往任何時候都更加依賴外部的合作伙伴。

??英偉達：特斯拉仍將是英偉達最重要的客戶之一。數以萬計的H100/H200 GPU將繼續構成其高性能訓練集群的基石。

??三星：一紙價值165億美元的巨額協議，讓三星成為AI6芯片的關鍵代工伙伴，這意味著特斯拉將核心的推理硬件命脈，也部分交到了外部手中。

??AMD：AMD也被提及為潛在的合作伙伴，表明特斯拉正在采取更加多元化的供應商策略，以分散風險。

從試圖顛覆規則的革命者，到重新擁抱行業分工的參與者，特斯拉在AI硬件上的戰略，完成了一次痛苦但務實的回歸。

六、最后

Dojo的故事，為這個高歌猛進的AI時代，提供了一個深刻而及時的警示。

它揭示了在AI硬件領域進行垂直整合的巨大難度。即便是像特斯拉這樣資金雄厚、擁有頂尖人才和明確應用場景的公司，想要從零開始挑戰一個由巨頭和成熟生態系統所統治的領域，也同樣困難重重。

也再次證明了英偉達護城河的深度。這條護城河不僅由一代代領先的芯片構成，更由一個名為CUDA的、幾乎無法被復制的軟件生態系統澆筑而成。任何試圖繞過它的挑戰者，都必須做好付出慘痛代價的準備。

同時，它也引發了關于專業化與通用化路線的重新思考。Dojo代表了專業化路線的極致，為一個特定任務打造的終極武器。它的失敗似乎表明，至少在當前AI模型快速演進的階段，通用GPU所提供的靈活性和適應性，仍然是更穩妥的制勝策略。

對于特斯拉而言，放棄Dojo雖然是一次挫敗，但未必是世界末日。短期內，其FSD訓練本就嚴重依賴英偉達，因此影響有限。長期來看，轉向一個更務實、更開放的混合硬件策略，集中資源攻克自動駕駛和機器人這兩個核心目標，或許是更明智的選擇。

Dojo已死，但它所代表的那種挑戰極限、試圖用“第一性原理”重構世界的硅谷精神，并不會消失。只是這一次，現實給所有懷揣夢想的工程師和企業家們提了一個醒： 在通往星辰大海的征途上，有時，選擇站在巨人的肩膀上，比試圖推倒巨人，是更快的捷徑。

本文來自微信公眾號： 蒸汽貓TechMore ，作者：沸騰的豌豆