时间拉回到2019年，马斯克首次提到Dojo的概念，其目标只有一个：打造一台专门用来处理和训练自动驾驶模型的性能猛兽。它的心脏，是特斯拉完全自研的D1芯片。 当时的特斯拉AI部门负责人称，这台超级计算机将赋能FSD神经网络，从而能够在大规模上训练，并自动化处理各种长尾场景，比如应对路边的孩童或被风吹动的塑料袋。 特斯拉计划斥资数十亿美元购买英伟达AI芯片。马斯克本人也公开确认，到2025年底，公司拥有的英伟达旗舰H100芯片数量将从3.5万块增加到8.5万块。 这位深受“第一性原理”影响的科技狂人，痴迷于掌控核心技术的整个链条，从原材料到最终产品，以此来最大化地优化成本和创新速度。 当所有传统车企都依赖第三方充电设施时，马斯克斥巨资在全球铺设了特斯拉专属的超级充电网络，将其打造成了品牌最坚固的护城河之一。 当电池产能成为电动车的命脉时，他没有满足于向松下、LG采购，而是亲手打造了超级工厂，并全力推进4680大圆柱电池的自研，试图将供应链的命门牢牢掌握在自己手中。 当他认为英伟达提供的车载芯片无法满足FSD的算力需求时，便毫不犹豫地组建团队。在2019年的自动驾驶日上，特斯拉正式推出了算力惊人的自研FSD芯片，完成了对车载计算平台的垂直整合。 这些成功的先例，让马斯克有充分的理由相信，Dojo不过是这条成功路径上的又一次复制。然而，他似乎低估了AI训练芯片这座“叹息之墙”的高度和厚度。 据专业机构分析，Dojo的芯片架构设计非常规且激进。它为了追求极致的算力和带宽，抛弃了传统的内存设计，试图将处理单元和高速缓存直接封装在一起。这种理论上性能极高的设计，在现实中却遭遇了散热、功耗和系统稳定性的巨大挑战。 一位分析师曾言：“特斯拉试图同时解决一个硬件问题和一个软件问题。他们不仅要制造出全新的芯片，还要为它编写一个全新的软件堆栈。这是一个极其困难的挑战。” 据科技工程学会媒体报道，到2024年，特斯拉已在Dojo项目上花费超过10亿美元，但其性能表现并未与投入成正比，也未能按时达到马斯克设定的性能目标。报道直言：“Dojo从未真正兑现它的炒作。” 从H100到最新的Blackwell平台，英伟达不仅提供性能强大的芯片，更重要的是，它提供的是一整套解决方案，背后是其经营了近二十年的无形壁垒——CUDA软件生态。 全球数百万的AI开发者，都已经习惯于在这个平台上进行工作。任何一款新的AI芯片想要绕开CUDA，都无异于说服开发者们放弃熟悉的Windows，而去学习一套全新的操作系统。 英国一家备受瞩目的AI芯片独角兽公司Graphcore，曾被视为英伟达杀手，融资超过7亿美元，其芯片设计也备受赞誉。但最终，由于始终无法构建起能与CUDA抗衡的软件生态，在耗尽资金后，黯然走向被出售的命运。 Graphcore的失败，清晰地揭示了这场战争的残酷真相。特斯拉Dojo所面对的，是同样的困境。这次投降，并非自身能力不行，而是行业规律使然。 放弃Dojo，对特斯拉来说并非一次纯粹的失败。国外某科技媒体的评论文章提供了一个全新的视角：“Dojo的关停对英伟达是胜利，但对特斯拉也可能同样是胜利。” 这篇文章认为，将算力基础设施外包给最专业的玩家，可以让特斯拉的顶尖工程师们从复杂的底层硬件维护中解放出来，将全部的精力聚焦于他们最擅长的领域：神经网络算法、数据处理和模型优化。 这标志着，特斯拉对AI竞争的认知，进入了一个新的层次。它终于意识到，在人工智能的下半场，竞争已不再是某个单点技术的突破，而是平台化、生态化的全面对抗。与其追求无所不包的垂直整合，不如将有限的资源投入到最能体现自身优势的领域中。
