特斯拉為Dojo再投5億美元：自動駕駛走進算力時代？

特斯拉將在紐約州布法羅市（Buffalo）投資5億美元建造“Dojo”超級計算機，之所以決定在該州建超級計算機，是因為當地有著“可靠的電力供應、強大的人才梯隊，以及項目所需的可用空間”。

Dojo是在2021年特斯拉的「AI Day」活動上首次公布的自研超級計算機，旨在幫助特斯拉推進其尚未實現的制造自動駕駛汽車的目標。特斯拉計劃利用這臺超級計算機處理從其電動汽車上獲取的大量視頻數據，以訓練目前為其最先進的駕駛輔助軟件提供動力的人工智能，為其全自動駕駛系統（FSD）提供支持。

Dojo對于特斯拉的意義

推出Dojo超級計算機平臺對特斯拉的FSD技術的推進具有重要意義。特斯拉一直致力于通過軟件定義汽車，并且深知自動駕駛對于特斯拉的戰略意義。馬斯克就表示過，特斯拉的市值和能否完善自動駕駛技術密切相關，而軟件是決定自動駕駛的關鍵因素FSD則需要大量的數據處理才能進行更新和迭代。

可以將所有特斯拉汽車理解為一個個的終端，或者理解為一個個的傳感器，而Dojo才是核心。通過把每個終端采集的數據傳輸到超算系統，由這套超級計算器對采集信息進行不斷的分析，在每次分析中即可做到學習和進步 —— 在Dojo架構之下，特斯拉汽車的智能駕駛系統的“大腦”就能不斷的被訓練，實現每個終端的不斷成長，能夠讓自動駕駛越來越可靠、越來越安全。

因此，特斯拉將盡快部署Dojo超級計算機，以加速FSD的落地。相比于英特爾的泛用計算模型，Dojo超級計算機將大幅加快特斯拉的AI模型改進進度。據悉，僅需4個Dojo超級計算機就能完成相當于4000個GPU的自動標記工作。

值得一提的是，Dojo的價值其實也完全可以溢出到特斯拉之外。馬斯克在2020年就曾經表示，有可能會將Dojo像亞馬遜的AWS那樣開放出來作為一種訂閱服務；另外，如果我們把Dojo項目的關注范圍轉移到特斯拉汽車之外會發現，特斯拉的人形機器人業務Optimus實際上也是在運行FSD軟件。

在馬斯克的長期商業愿景中，Opitmus也是特斯拉價值體系的重要承載者，它未來的產量甚至會遠遠超過特斯拉的汽車數量。從這個角度來看，Dojo不僅僅是在特斯拉汽車業務的FSD提供支撐，也是在為數量可能會更為龐大的特斯拉人形機器人業務的FSD提供支撐。而FSD在汽車和機器人業務上的落地數量越大，Dojo的潛在價值就會越大。

Dojo已經不僅僅是特斯拉用來在云端訓練自動駕駛模型的超級計算機；實際上，它已經成為整個特斯拉AI業務體系發展的算力基礎設施。Dojo V1是面向大體量的視頻訓練而高度優化的，并非是面向通用目的AI，但Dojo V2將解決這樣的限制。這意味著，Dojo在未來演進到某個階段之后，除了對FSD進行支持之外，還非常有可能被用于解決通用人工智能（AGI）的問題。

從更大的角度來說，Dojo其實也是馬斯克AI野心的關鍵承載者。馬斯克認為Dojo超級計算機是一個高風險、高回報的項目，表示特斯拉在Dojo上的花費將"遠遠超過10億美元"，并計劃擴大規模推出Dojo 1.5、Dojo 2、Dojo 3等等。

自動駕駛變為算力的比拼

其實，這里有一個大前提是：伴隨著特斯拉車輛的銷量增加，以及它要在自動駕駛層面實現的功能復雜度提升，使得特斯拉所要處理的視頻數據體量出現了指數級增長，這對特斯拉在云端進行模型訓練的能力提出了更高的要求，其中的關鍵就是算力基礎設施。

基于這個前提，馬斯克給Dojo設定的技術特征是：擁有大算力，能夠處理大量的視頻訓練數據，能夠高效運行帶有大量參數、大內存和超高帶寬的超稀疏（hypersparce）陣列。所以這次5億美元的投資雖然是一筆巨款，但特斯拉今年在英偉達硬件上的花費將超過這個數字，另外特斯拉透露除了英偉達也將會使用AMD芯片，沒有具體說明是哪一款，但很大概率會是Instinct MI300系列。

眼下，特斯拉無疑依舊是離不開英偉達，它還有很多AI任務要運行GPU之上。但是，對于馬斯克來說，在他下定決心做Dojo項目的那一刻，特斯拉與英偉達在云端計算機和AI層面的分道揚鑣就已經注定了。

Dojo由D1芯片提供動力。根據特斯拉公布的數據，與英偉達的A100 GPU相比，每一顆D1芯片（配合特斯拉自研的編譯器）在自動標注（auto-labeling）任務中最高能夠實現3.2倍的計算性能，而在占用網絡（occupancy network）任務中最高能夠實現4.4倍的計算性能；如果從總體目標來看，在同樣的成本之下，所構建的Dojo超級計算機能夠實現4倍的性能，能耗比提升1.3倍，計算系統的占地面積也會縮小為以往的5倍。

在Dojo之前，特斯拉在AI和自動駕駛領域的布局已經非常深入，無論是自研算法還是車端的FSD芯片，都顯現出了讓業界驚嘆的實力。特斯拉之所以自研Dojo，其目的與它自研FSD芯片一樣，也是為了垂直整合，減少對英偉達GPU的依賴。而從技術維度上整體來看，特斯拉決定自研Dojo，也是它保持自身戰略自主能力的一次重磅舉動。

Dojo超級計算機在構建過程中，除了要解決算力運行層面的芯片、內存、帶寬等技術難題，也要解決與之運行密切相關的軟件、功耗、冷卻等問題。實際上，秉承著軟硬件一體化和全棧自研的原則，特斯拉通過自研軟件和開源軟件的結合，為Dojo打造了一個專屬的全棧軟件系統，其中包括底層驅動軟件、編譯器引擎、PyTorch插件和上層的神經網絡模型等。

伴隨著Dojo的發布，特斯拉成為一家真正擁有從云側到端側、從芯片到算法、從硬件到軟件的全棧自研和垂直整合技術能力的人工智能企業。當傳統車企和造車新勢力都進入市場進行競爭時，特斯拉從產業價值鏈上尋找技術制高點來提高競爭力，并構建“數據+算法+算力”的完整智能生態體系，持續提高技術競爭壁壘。

當前，汽車行業正在加速向智能化轉型升級，特斯拉超級計算機的投產，將進一步推動自動駕駛技術落地應用和產業發展，并有望帶動傳感器、智能云、車規級AI芯片、智能座艙等相關產業高速發展。

動力來源于壓力

特斯拉發布了近來“最不賺錢”的季報和年報：2023年Q4毛利率為17.6%，為2019年來最低；全年毛利率18.2%，2017年以來首次負增長，同比下滑7.35個百分點。年度總營收為967.73億美元，同比增長19%，歸母凈利潤也同比增長19%至149.97億美元，但若扣除非經常性損益利潤，則同比下降23%至108.82億美元。

更重要的是，此次特斯拉沒有給出2024年的銷售指引（預計銷售目標），對于此前40-50%的中期年復合增長目標，特斯拉首席財務官Vaibhav Taneja在財報電話會上明確表示：“銷量增長將會較低”。而2023年四季度，比亞迪以52.64萬輛的全球純電銷量，超過了特斯拉（48.45萬輛），成為新的全球季度銷冠。但究其增長放緩的原因，下一代平臺產品并不負主要責任。

首先，汽車業務仍是特斯拉的核心營收來源。2023年特斯拉汽車、能源、服務業務營收分別為824.2、60.4和83.2億美元，其中汽車業務占比總營收的85%，同比2022年降低了2.6個百分點。

而降價卻導致特斯拉2023年的汽車銷量增長了個“寂寞”：2023年Q4交付量同比2022年Q4增長19.5%，但營收僅同比增長1.2%；從價格來看，特斯拉Q4單車收入44505美元，同比下降15.3%，環比下降1.3%。

中美特斯拉Model Y長續航和標準續航版價格和成本（實線表示價格，虛線表示成本；藍色美國、紅色中國）

在中國，激烈競爭的價格戰仍未有停歇的跡象，并且已經蠶食了不少利潤。有分析師的數據顯示，特斯拉在中國的售價于2022年Q1開始低于美國成本，在2023年Q3開始接近成本價。

與此同時，特斯拉已經逼近規模效應的極限。Vaibhav Taneja表示，盡管特斯拉在每個環節和鏈條上致力于降本，但“未來不能同樣的預期來考慮成本削減情況。因為我們當前的平臺（model 3/Y的平臺）正在達到（成本下降）的極限?！?/p>

隨著現有平臺達到成本極限，特斯拉“預熱”數年的廉價車終于迎來了較為明確的量產時間點：2025年下半年或年底，新一代平臺產品將在得州工廠率先量產，之后在墨西哥工廠建成后投產；2025年年初，將尋求在北美以外的地區建立第三個工廠生產新平臺車型。

新一代車型“盒裝模式”的投產將是堪比model 3的量產地獄。僅依據目前的官方信息，很難想象各構件之間采用何種技術進行拼接，以及全車電子電氣架構如何布置和打通，考慮到船舶制造業也有類似的盒裝模式，開箱工藝對零件、構件的公差要求將極其嚴格。

在財報發布前夕，大量來自車主的特斯拉FSDV12 1.2版本測試視頻在網上出現，馬斯克在電話會上表示：“我們將在未來幾周內向所有要求完全自動駕駛的美國客戶推出（V12版本）?！蹦壳?，特斯拉僅北美地區可應用V12的車輛保有量就有40萬輛，特斯拉每天能夠獲得從人類真實駕駛場景中回傳的「1600億幀視頻」數據作為V12系統迭代的燃料。去年，特斯拉在訓練計算上花費超過20億美元，已啟動一萬張英偉達H100構成的超級數據中心。不難看出，下一步特斯拉將采用英偉達和Dojo“兩條腿”走路的方式：一方面繼續“買卡”，另一方面則繼續建設Dojo。

2023年9月份，摩根士丹利發布的報告指出，Dojo可以為特斯拉節省高達65億美元的成本，會為其在潛在價值10萬億美元的自動駕駛市場中帶來不對稱優勢，并且將會為特斯拉帶來高達5000億美元的市值增幅。

需要注意的是，2023年12月份，知情人士透露特斯拉Dojo超級計算機項目負責人Ganesh Venkataramanan已于2023年11月份離職，而據悉他領導Dojo項目長達5年，這可能會對該公司的自動駕駛努力造成打擊。目前，Dojo項目由蘋果前高管Peter Bannon負責。