項目叫停、團隊解散、負責人離職......

特斯拉投入數(shù)十億美元自研的 AI 超算系統(tǒng) Dojo 只活了6年。

今年 8 月 10 日，馬斯克在 X 上發(fā)文宣布正式解散「特斯拉的第一個自研 AI 超算系統(tǒng)」——Dojo。

而從馬斯克在今年 7 月宣布「Dojo 最新版本將在明年某個時候大規(guī)模運營」到8月「Dojo 團隊解散」，中間只隔了大約一個月的時間。

伴隨項目叫停的，還有 Dojo 團隊負責人 Pete Bannon 離職、約 20 名核心研發(fā)成員跳槽，以及隨之而來的技術(shù)專利糾紛、股價下跌。

針對外界的諸多疑問，馬斯克的回應(yīng)顯得言簡意賅：Dojo 已踏入「進化死胡同」，芯片研發(fā)「兩手抓」是不合理的，把目標集中在性能更強大的 AI5、AI6 上更劃算。

燒了數(shù)十億美元的 Dojo，是曾被寄予「為特斯拉市值狂增 5000 億」厚望的超級算力團隊，目標是提升特斯拉在 AI 競賽中的計算實力。

Dojo 的謝幕令人意外，但絕非偶然。

對特斯拉而言，「自建算力中心」的及時止損，或許是一次務(wù)實的調(diào)整。

01、Dojo 謝幕，是走進死胡同后的精打細算

自 2019 年首次曝光以來，Dojo 不僅僅是一個超級計算機，更是馬斯克實現(xiàn) AI 算力自主可控的關(guān)鍵落子。

馬斯克對 Dojo 的設(shè)想十分遠大，一直將 Dojo 描述為特斯拉 AI 雄心的基石，終極形態(tài)是一個名為「ExaPod」的巨型算力集群。

如果能實現(xiàn)，Dojo 將進入全球超級計算機榜單的前幾名。

但是口號替代不了現(xiàn)實。

在實際研發(fā)和應(yīng)用中，「高投入低產(chǎn)出的研發(fā)浪費、更優(yōu)方案的替代」都在加速 Dojo 的死亡。

一方面，Dojo 是一個高投入、低回報的項目。

Dojo 的定位是利用海量視頻數(shù)據(jù)訓練自動駕駛神經(jīng)網(wǎng)絡(luò)的超級計算機，其目標之一是擺脫對英偉達 GPU 的依賴。

雄心壯志之下，馬斯克在 2024 年 10 月還表示要加倍投入建設(shè) Dojo。

可現(xiàn)實卻事與愿違，真金白銀的投入并沒有帶來對應(yīng)的回報。

全棧自研的基調(diào)下，2021 年推出的 D1 芯片為了追求高性能依舊采用了特斯拉非常規(guī)的激進架構(gòu)，依賴軟件優(yōu)化數(shù)據(jù)局部性，在實際應(yīng)用中果不其然遇到了散熱、功耗和系統(tǒng)穩(wěn)定性的挑戰(zhàn)。

同時，Dojo 的自研屬性自帶「專力專用」的風格。當英偉達通過開放生態(tài)拿到多家車企訂單時，Dojo 只服務(wù)于特斯拉內(nèi)部業(yè)務(wù)，導致其單位算力成本居高不下，與行業(yè)趨勢背道而馳。

在 Dojo D1 芯片競爭力不強的背景下，今年推出的 D2 芯片未達預(yù)期，良率一直在 37% 徘徊，且面臨嚴重的量產(chǎn)難題。

而另一邊，采用了臺積電 3 納米成熟工藝的 AI5 良率高、性能強，也已經(jīng)進入量產(chǎn)階段。

據(jù)馬斯克透露，AI5 不僅推理性能很出色，訓練方面表現(xiàn)也不錯，打算把 AI5/AI6 應(yīng)用到云端超算集群中，集成到一塊主板上用于推理或訓練，還能把網(wǎng)絡(luò)布線的復(fù)雜性和成本降低「幾個數(shù)量級」。

這就意味著新一代 A15 芯片，既可以推理，也可以訓練，且性能又不差。

這樣看來，Dojo 的存在就顯得「多余」?？车?Dojo 團隊，推出訓推一體的新芯片，看起來更像是馬斯克的一次精打細算。

另一方面，建設(shè)智算中心，需要承擔巨大的財務(wù)壓力。

特斯拉曾投資 5 億美元用于建造 Dojo，但馬斯克承認「每年至少需要幾十億美元的投入」才能維持其在 AI 領(lǐng)域的競爭力。

但目前，特斯拉的造車業(yè)務(wù)卻陷入困境，銷量面臨下滑風險。截至 2025 年 6 月 30 日，特斯拉電動汽車銷量同比下降 16%，總銷量下降 12%，美國市場銷售份額從 2022 年的 75% 跌至不到 50%。

而壓垮 Dojo 的最后一根稻草，是替代方案——Cortex 超級計算機集群的出現(xiàn)。

2024 年 1 月，特斯拉宣布向英偉達購買了約 1 萬塊 H100 GPU，并由此開始了 Cortex 新計劃，為訓練 FSD 系統(tǒng)和 Optimus 人形機器人提供支持。

在德克薩斯州緊鑼密鼓建設(shè)中的 Cortex 2.0 集群，是一個混合系統(tǒng)，不僅會包含特斯拉的 Dojo 硬件，還將大規(guī)模部署英偉達 GPU，訓練效率比 Dojo 提升了數(shù)倍，并且已經(jīng)承擔了特斯拉 5%-10% 的自動駕駛數(shù)據(jù)處理任務(wù)。

據(jù)悉，特斯拉已部署了約 5 萬塊 H100 GPU，并計劃將這一數(shù)字增加到 10 萬塊。

由此來看，Cortex 不僅僅是一個簡單的「特斯拉+英偉達」技術(shù)混搭，更是一種具有可持續(xù)性發(fā)展能力的「算力思維」的轉(zhuǎn)變：

從「我造的比你強」轉(zhuǎn)向「我能比你更好地整合資源」，從「完全取代」轉(zhuǎn)向「差異化補充」。

當一個更低風險且更可持續(xù)、更強大、更成熟的方案出現(xiàn)，Dojo 的命運便已注定。

02、云端算力競爭走向「合租」時代

Dojo 的「謝幕」和 Cortex 的「崛起」，并不意味著特斯拉全棧自研算力的失敗，反而顯示了一種趨勢：車企之間的算力競爭，正從封閉走向開放、從自研走向云端協(xié)作。

Dojo 的關(guān)停，正是車企「自建算力中心」承擔高風險下的一個縮影：建設(shè)成本高昂且周期漫長、技術(shù)更新迭代容易僵化、算力基礎(chǔ)設(shè)置的彈性和靈活性較差。

因此，越來越多車企選擇更為「輕量化」的低風險方案——與算力云廠商共建或外購算力服務(wù)。

在海外算力云廠商中，谷歌、亞馬遜和微軟，早已經(jīng)成為車企的「算力合伙人」。

今年年初，亞馬遜云宣布與本田汽車達成合作，共同推動本田汽車的 SDV 轉(zhuǎn)型。

本田將使用亞馬遜云科技 IoT 服務(wù)為行駛中的汽車提供持續(xù)的軟件開發(fā)與更新支持，利用高算力來協(xié)助本田汽車高效收集、轉(zhuǎn)換車輛數(shù)據(jù)，并高速其傳輸至 DPG 平臺。

這種云端連接能力能夠有效提升車輛的質(zhì)量、安全性和自動駕駛能力。

在國內(nèi)，據(jù)共研產(chǎn)業(yè)研究院《 2025-2031 年中國汽車出行云行業(yè)全景調(diào)研及投資戰(zhàn)略研究報告》數(shù)據(jù)，預(yù)計 2028 年汽車出行云市場規(guī)模將突破 200 億元，年均復(fù)合增長率達 13.2 %。

目前，華為、阿里云、百度智能云、騰訊云、火山引擎已經(jīng)成為不可或缺的力量。

今年 8 月底，華為云 CloudVeo 智能駕駛云服務(wù)正式發(fā)布。

針對車端算力核心問題，華為云 CloudVeo 接入了 CloudMatrix384 超節(jié)點為智駕模型訓練提供超強動力。

據(jù)實際測試結(jié)果顯示：在端到端、VLA模型上，CloudMatrix384 超節(jié)點性能超過英偉達 H100，成為最適合智駕模型訓練的算力平臺。

截至目前，全國超 100 萬輛智駕車輛在華為云上，5000 萬輛智能網(wǎng)聯(lián)汽車由華為云提供服務(wù)。

2022 年，小鵬汽車在烏蘭察布建成自動駕駛智算中心「扶搖」，基于阿里云智能計算平臺，算力可達 600 PFLOPS，自動駕駛核心模型的訓練速度提升近 170 倍，端對端通信延遲降低 80% 至 2 微秒，存儲吞吐比業(yè)界 20GB/s 的普遍水準提升了 40 倍。

到 2024 年，小鵬汽車與阿里云共建的 AI 算力規(guī)模提升超 4 倍，核心模型的訓練時長也大大縮小。

今年8月，長安汽車和百度共建的「長安汽車智算中心」正式揭牌。

利用「百舸 AI 異構(gòu)計算平臺」，長安汽車智算中心的模型訓練速度最高提升了 125 倍，計算能力達到了 142 億億次/秒，算力總體平均使用率提升到90%以上，大大加速了自動駕駛的研發(fā)進度。

火山引擎相繼與嵐圖、梅賽德斯-奔馳、賽力斯、元戎啟行、四維圖新等達成合作關(guān)系，提供相應(yīng)的算力解決方案。

上述云廠商，正在憑借獨特的優(yōu)勢，成為智能駕駛算力的「運營商」。

一方面，云廠商憑借龐大的算力業(yè)務(wù)體量，能夠構(gòu)建起云計算的全鏈條規(guī)模優(yōu)勢，將算力成本降至車企自建難以企及的水平。

例如，華為云部署 CloudMatrix 384 超節(jié)點，建成貴安、烏蘭察布、蕪湖三大汽車專區(qū)，形成全國分布式算力網(wǎng)絡(luò)，可以跨區(qū)域資源調(diào)度進一步提升集群利用率，攤薄單節(jié)點建設(shè)成本。

同時，頭部云廠商憑借海量訂單可以獲得芯片廠商的階梯價優(yōu)惠，相比車企單獨采購，芯片采購成本可大大降低。

車企為算力業(yè)務(wù)單獨投入的基建資金相對減少，可以將主要資金專注于功能優(yōu)化、品牌塑造和用戶體驗。

另一方面，云廠商作為服務(wù)商，算力的售賣具備「彈性」。

「彈性算力」的代表之一，是亞馬遜的 Amazon Elastic Compute Cloud。據(jù)悉，在超大規(guī)模仿真驗證階段， Amazon Elastic Compute Cloud 可以提供百萬 vCPU 級別的低成本算力，最多可節(jié)省 90% 的成本，加快自動駕駛技術(shù)的研發(fā)和落地。

云廠商的 「按需購買」設(shè)計，可以精準匹車企「研發(fā)波動大、需求不確定」的特點，讓車企緩解固定投入的資金壓力，避免算力和資金的浪費。

此外，云廠商并不局限于提供算力資源，而是提供從算力、存儲到訓練工具的全鏈路支持，技術(shù)實時更新、運維實時到位。

例如，騰訊云 TI 平臺為車企提供全棧 AI 開發(fā)服務(wù)，覆蓋數(shù)據(jù)獲取、處理、模型訓練、評估、部署、應(yīng)用全流程，甚至包括銷售、客服、組織管理等方面。

完善的生態(tài)能夠讓車企專注于核心算法研發(fā)，無需擔憂技術(shù)迭代與基礎(chǔ)設(shè)施穩(wěn)定性。

在智能駕駛的算力淘金熱中，云廠商正在成為「賣鏟子的人」。

這些云廠商憑借規(guī)模效應(yīng)和靈活租賃模式，成為智駕行業(yè)的基礎(chǔ)設(shè)施層。它們提供的，不再只是存儲或計算，而是一整套「算力即服務(wù)」的解決方案。

而車企在面對日益白熱化的競爭時，將算力「外包」出去，會是一個更加務(wù)實和精明的選擇。

03、上云競速：車企的第二戰(zhàn)場

「在接下來的若干年，一家在AI領(lǐng)域擁有雄心的車企，如果想跟上行業(yè)發(fā)展的節(jié)奏，一年在AI算力方面的投資，應(yīng)該要達到10億元這個門檻」，行業(yè)人士的這番論斷，似乎正在成為行業(yè)共識。

進入 2025 年，云端算力成了車企的第二戰(zhàn)場。

吉利星睿智算中心，綜合算力超過 23 EFlops，目前中國車企第一。

理想的云端算力，一年內(nèi)從 2.4 EFLOPS 提升至 13 EFLOPS（截至今年 8 月），一年內(nèi)增長 5 倍之多。

而在今年 9 月，華為乾崑智駕也宣布云端 AI 算力提升至 45 EFLOPS。

算力儲備每提升 1 EFLOPS的背后，都是數(shù)十億真金白銀的投入。

但是，10億元的投入也僅僅只是一個門檻和起點，遠遠達不到天花板的層次。

據(jù)36氪和中國電動汽車百人會的統(tǒng)計數(shù)據(jù)，搭建 1 EFLOPS 的算力所需成本約為3.7 億元，而行業(yè)平均算力已達 3 EFLOPS 以上，這意味著單家企業(yè)在 AI 算力上的研發(fā)投入至少 10 億元起。

李想曾在 2025 年第二季度財報會議上表示，2025 年的研發(fā)投入會超過 100 億，其中 AI 要占到 60 億，接近六成。

華為車 BU CEO 靳玉志也曾在采 訪演講中表示，2025 年華為計劃僅在訓練算力這一項投入就超過 40 億元。

Momenta CEO曹旭東曾表示，智駕越往后走，云端算力越占大頭，2027年Momenta將有數(shù)十億元用于算力投入。

這些數(shù)字意味著，AI 時代的車企，正在變成科技公司。

而特斯拉 Dojo 的結(jié)局，也讓行業(yè)意識到，全棧自研并非最優(yōu)解。

在技術(shù)更新極快、資本消耗巨大的賽道上，專業(yè)分工協(xié)作比全棧自研更加有效。

車企自建超算中心就像一個無底洞，始終面臨著建設(shè)成本高昂且周期漫長、技術(shù)更新慢、算力靈活性差等問題。

面對強大的外部競爭和內(nèi)部研發(fā)的巨大投入，馬斯克可能意識到，在每一個環(huán)節(jié)都做到全棧自研，排斥外部合作似乎是一件不劃算的買賣。

意識到這一點，馬斯克沒有選擇把 Dojo 一條道走到黑，而是及時抽身出來，將部分算力研發(fā)與英偉達、AMD 等行業(yè)巨頭達成合作，利用外部成熟的、可靠的供應(yīng)鏈來迅速落地，開始了 Cortex 的開發(fā)建設(shè)。

Dojo 的關(guān)停不僅敲醒特斯拉，而且還為所有試圖自研云算力、自建算力中心的車企敲響了警鐘。

華為、阿里云、火山引擎等專門為車企提供云算力的服務(wù)商，尚且面臨巨大的研發(fā)壓力，對車企而言，難度更是呈指數(shù)級上升，且要在云算力「技術(shù)護城河」中拔得頭籌的難度更大。

所以，對于車企而言，算力是基礎(chǔ)，但絕非目的。

找準 AI 時代的生態(tài)定位，抓住當下云算力的生態(tài)開放環(huán)境與產(chǎn)業(yè)鏈協(xié)作優(yōu)勢將成為車企在智能駕駛下半場的突圍關(guān)鍵，遠比盲目追求 EFLOPS 數(shù)值堆砌、陷入「算力軍備競賽」更具長遠戰(zhàn)略價值。

而對云算力服務(wù)商而言，如何滿足不同車企的差異化需求，如何在「標準化算力技術(shù)底座」與「個性化適配」 之間找到精妙平衡，深度響應(yīng)不同車企在研發(fā)階段、技術(shù)路線、業(yè)務(wù)規(guī)模乃至合規(guī)要求上的差異化需求，將決定共建云算力生態(tài)能否良性發(fā)展。

從特斯拉放棄自研 Dojo 到擁抱自建 Cortex，再到眾多車企砸錢牽手云廠商，算力的競爭，不再是單一車企埋頭苦干的獨角戲，而是車企與云廠商協(xié)同作戰(zhàn)的團體賽。

在未來，車企需要思考的，不僅是如何成為技術(shù)領(lǐng)先者，更是要成為「懂得平衡、善于整合、精于協(xié)作」的戰(zhàn)略家。

返回第一電動網(wǎng)首頁 >