2025年7月23日，特斯拉的Q2财报电话会议。埃隆·马斯克（Elon Musk）一如既往地向华尔街传递着乐观且极具感染力的情绪。当谈到公司倾注心血打造的AI超级计算机Dojo时，他充满了自信：“我们预计Dojo 2将在明年某个时候实现规模化运营，其规模大约相当于10万块H100芯片” 。

这番话无疑是一剂强心针。在投资者眼中，Dojo不仅是特斯拉实现完全自动驾驶（FSD）的技术基石，也是其从一家电动车公司蜕变为万亿市值AI巨头的核心引擎。摩根士丹利的分析师甚至曾为其描绘了高达5000亿美元的潜在价值 。

然而，没有人预料到，这场“壮观”的梦境会如此迅速地走向终结。仅仅三周后，风暴来临。2025年8月初，彭博社的一则爆料震惊了整个科技圈：Dojo项目团队已被解散，其负责人彼得·班农（Peter Bannon）即将离职 。紧接着，在8月9日至11日的那个周末，马斯克本人通过他的社交平台X，用一系列帖子亲手为这个曾经的明星项目画上了句号。他将这一戏剧性的转折，包装成了一次深思熟虑的战略升级，宣称Dojo 2已经走进了“一个进化上的死胡同”，而特斯拉的未来，将聚焦于另一款名为AI6的“融合架构”芯片。

从“相当于10万块H100”的豪言壮语，到“进化死胡同”的残酷论断，中间只隔了不到20天。这背后究竟发生了什么？这并非一次简单的项目调整，而是一场交织着技术豪赌、人才风暴、商业现实与巨头博弈的硅谷式戏剧。Dojo项目的终结，不仅是特斯拉AI战略的一次重大挫败，也为所有试图在人工智能时代挑战硬件王权的野心家们，上了一堂价值数十亿美元学费的警示课。

一、垂直整合的“第一性原理”与Dojo的诞生

要理解Dojo为何诞生，必须先理解马斯克和特斯拉对“垂直整合”近乎偏执的追求。从自建超级充电网络、开创直营销售模式，到自研电池和自动驾驶芯片，特斯拉的成功在很大程度上源于其对核心技术和供应链的绝对掌控。当AI成为公司未来的核心时，将算力这一“新石油”的命脉交到他人手中，是马斯克无法容忍的。

这个“他人”，主要就是英伟达（NVIDIA）。

Dojo项目的种子，早在2019年4月22日的特斯拉“自动驾驶投资者日”上就已埋下了。那时的特斯拉正面临一个前所未有的挑战：如何处理来自全球数百万辆汽车摄像头产生的、如洪水般涌入的视频数据。这些数据是训练FSD神经网络的燃料，而传统的计算架构，在处理这种规模的视觉数据时显得力不从心。

马斯克的解决方案，充满了“第一性原理”的味道：与其购买昂贵且并非为特斯拉量身定做的通用GPU，不如从零开始，打造一个完全为自家算法优化的专属计算系统。这一战略的背后，是三重野心：

1. 摆脱依赖，掌控成本：彻底告别英伟达，避免被其高昂的定价和紧张的供应链所掣肘。马斯克曾直言：“如果他们（指英伟达）能给我们提供足够的GPU，我们可能就不需要Dojo了。但他们不能，因为他们的客户太多了。”

2. 极致优化，追求性能：设计一种专门针对特斯拉计算机视觉工作负载的ASIC，通过架构上的创新，在性能和能效上实现对通用GPU的超越。

3. 构建护城河，定义未来：通过从芯片、软件到算法的全栈自研，构建一道任何竞争对手都难以逾越的、深不见底的技术护城河。

2021年8月19日，特斯拉首届AI日，Dojo项目正式向世界揭开神秘面纱。当特斯拉展示其自主设计的D1芯片和革命性的“训练模块”（Training Tile）时，整个行业为震惊了。这不仅仅是一块芯片，而是一个宏大的宣言：特斯拉不仅要造车，还要定义驱动未来AI的基础设施。

随后的几年里，Dojo项目似乎一路高歌猛进。2022年AI日，特斯拉公布了将Dojo扩展为完整“ExaPOD”超级计算机的宏伟蓝图。2023年7月，Dojo V1超级计算机正式投产，标志着项目从研发走向了实际应用。公司更是计划在2024年底前，为这个项目再投入10亿美元。2024年1月，一笔5亿美元的投资被宣布用于在纽约州布法罗市建立一个新的Dojo计算中心，这似乎预示着Dojo的光明未来。

然而，就在这片繁荣景象之下，未来的裂痕早已悄然出现。

二、Dojo的技术豪赌与致命缺陷

Dojo的核心，是一场前所未有的技术豪赌。它的设计理念极度激进，旨在通过硬件架构的根本性创新，来解决AI训练中的两大核心痛点：带宽和延迟。

1. D1芯片与“训练模块”的革命

Dojo的基础单元是D1芯片。这块由台积电7纳米工艺打造的芯片，在645平方毫米的巨大裸片上，丧心病狂地集成了500亿个晶体管和354个处理核心。其设计功耗高达400瓦，本身就是一头性能猛兽。

但Dojo真正的革命性之处，在于它如何将这些D1芯片连接在一起。特斯拉的天才工程师们利用了台积电最先进的InFO_SoW（集成扇出型片上晶圆）封装技术，将25个D1芯片无缝地集成在了一块完整的晶圆上，创造出了所谓的“训练模块”。

这堪称工程学上的奇迹。传统的超级计算机，需要通过复杂的网络电缆和交换机将成千上万的GPU连接起来，芯片间的通信延迟和带宽瓶颈是永远的痛。而Dojo的训练模块，则像是在一块巨大的电路板上创造了一个无缝的计算平面。芯片之间的数据交换，不再需要绕道外部网络，而是可以直接在晶圆内部高速穿梭。其离模块带宽高达惊人的36 TB/s，比当时的竞争对手高出一个数量级。理论上，由10个机柜、3000个D1芯片组成的ExaPOD，可以提供高达1.1 ExaFLOPS的BF16性能。

2. 致命的阿喀琉斯之踵：被“渴死”的计算核心

然而，这场豪赌从一开始就埋下了一颗失败的种子。Dojo的设计团队为了追求极致的互连速度，犯下了一个致命的错误：忽视了内存的重要性。

在Dojo的架构中，354个计算核心，每个核心仅配备了1.25MB的SRAM（静态随机存取存储器），整个D1芯片上没有了其他大型高速缓存或内存池。这个计算与内存的比例，被行业分析师批评为“完全不足以”支撑特斯拉想要训练的那些日益庞大的AI模型 。

这就好比建造了一台拥有F1赛车引擎的汽车，却只给它配了一个摩托车油箱。引擎的性能再强，没有足够的燃料也无法持续飞驰。现代大型AI模型，尤其是像Transformer这样的架构，在训练过程中需要频繁地读写海量的参数和中间数据，对内存容量和带宽的要求极高。Dojo的这点片上内存，在巨大的数据洪流面前，无异于杯水车薪。

为了弥补这一先天缺陷，特斯拉的工程师们被迫采取了一些“曲线救国”的措施，比如创造一种自定义的、精度更低的数据格式：可配置8位浮点数（CFP8），试图用更少的数据位来表示信息，以塞进那小得可怜的内存里 。后续的报道甚至披露，特斯拉不得不额外设计一款独立的PCIe内存卡，专门用来为Dojo系统提供足够的内存连接。这无异于承认了最初设计的重大失误。

这种对内存的吝啬，让人想起了另一家曾经的明星AI芯片公司Graphcore。其设计的IPU也采用了类似的思路，试图用大量的片上SRAM来替代传统GPU依赖的HBM（高带宽内存），最终也在与英伟达更均衡、更通用的设计竞争中败下阵来。

2. 看不见的冰山：软件生态的鸿沟

如果说硬件上的内存缺陷是Dojo的“明伤”，那么软件生态的缺失则是其更致命的“内伤”。

一块定制的芯片，需要一个完全定制的软件栈来驱动，包括编译器、编程模型和各种底层库。特斯拉甚至为此开发了一套自定义的指令集架构（ISA），而不是采用RISC-V这样的开放标准 。这意味着，特斯拉需要从零开始，重建一个英伟达耗费了十几年、投入了数百亿美元才建立起来的CUDA帝国。

CUDA的强大之处，并不仅仅在于其性能。它是一个成熟、稳定、灵活且拥有庞大开发者社区的生态系统 。无数的AI框架、科学计算库和应用程序都建立在CUDA之上。对于开发者而言，这是一个熟悉且高效的平台。而要让他们放弃这一切，去学习和适应一个全新的、封闭的、未经检验的Dojo软件栈，其难度和阻力可想而知。

开发这个软件栈的复杂度和成本，很可能是压垮Dojo项目的、那座不为外人所见的巨大冰山。

3. “进化死胡同”的技术必然性

Dojo的架构，实际是“偏科”的，它为特定的短跑比赛（低延迟、高互连的视觉模型训练）而生，却牺牲了参加其他项目（内存密集型、架构多变的大模型）的能力。然而，AI模型的发展日新月异，从CNN到Transformer，再到混合专家模型（MoE），模型架构的迭代速度远超硬件的开发周期。

一个内存极度受限的硬件架构，在面对未来模型演进时显得异常脆弱。一旦FSD的下一代模型需要更大的状态空间、更复杂的注意力机制，Dojo的性能就可能遭遇“悬崖式”的崩溃。相比之下，英伟达的GPU凭借其巨大而灵活的HBM内存池，展现出了更强的通用性和适应性 。

所以，马斯克所说的“进化死胡同”，或许不仅仅是项目失败后的一个体面说辞，它在某种程度上也揭示了一个残酷的技术现实：AI模型演化的路径，已经悄然偏离了Dojo最初铺设的那条狭窄而陡峭的轨道。

三、帝国的裂痕：一场“灾难性”的人才雪崩

如果说技术上的缺陷是Dojo的慢性病，那么核心团队的集体出走，则是压垮这头巨兽的最后一根稻草，是导致其闪电崩盘的直接导火索。

故事的核心人物是两位芯片设计领域的传奇人物：加内什·文卡塔拉曼（Ganesh Venkataramanan）和彼得·班农（Peter Bannon）。

文卡塔拉曼，这位印度裔工程师，曾在AMD工作近15年，是芯片设计界的老将 。他于2016年加入特斯拉，从零开始组建了自动驾驶硬件团队，并领导开发了业界首款FSD芯片。他正是Dojo项目的最初负责人和灵魂人物。然而，在2023年底，文卡塔拉曼悄然离开了特斯拉 。

接替他领导Dojo项目的，是同样声名显赫的彼得·班农。班农的履历堪称辉煌，他曾在苹果公司担任首席架构师，主导了iPhone 5中首款32位ARM CPU的设计，是苹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关键人物。

然而，就在马斯克于2025年7月财报会议上高谈阔论Dojo 2的宏伟蓝图时，一场“兵变”正在水面下酝酿。

2025年8月初，媒体爆出，包括班农在内的约20名Dojo核心工程师，已经集体离职。更具戏剧性的是，他们的去向都是一家名为DensityAI的神秘初创公司。而DensityAI的创始人，正是几个月前离开特斯拉的加内什·文卡塔拉曼。

这已经不是简单的离职，而是一场釜底抽薪式的“叛逃”。文卡塔拉曼、班农以及这20名工程师，几乎就是Dojo项目知识产权和工程能力的活载体。他们的集体出走，瞬间掏空了Dojo项目的大脑和心脏。设计和实现Dojo这样复杂且创新的系统，需要高度专业化的知识和长期的团队磨合。这种机构知识的流失，在短期内是毁灭性的，几乎不可能被替代。

DensityAI的目标，是打造一个为汽车行业量身定制的全栈AI平台，从芯片到软件，提供一站式解决方案。这听起来，像极了Dojo项目最初的愿景，只不过这一次，它将在特斯拉的围墙之外，由Dojo的原班人马去实现。

这场“灾难性”的人才雪崩，让马斯克和特斯拉陷入了极其尴尬的境地。一个仍在烧钱、尚未证明其决定性优势、且失去了核心大脑的项目，其存在的合理性瞬间崩塌。马斯克在财报会议上的乐观预测，与几周后项目的戛然而止形成了强烈的讽刺。这表明，取消Dojo并非一次从容的战略调整，而是一次对突发危机的被动反应。

马斯克事后“进化死胡同”的解释，更像是一种危机公关，一种在项目因人力资本崩溃而被迫终止后，为了挽回颜面而进行的叙事重构。正如一位网友在社交媒体上尖锐评论的那样：“他（马斯克）别无选择，只能取消Dojo，因为团队里太多人不想再为他工作了。”

四、英伟达，无法逾越的护城河

在Dojo的故事中，英伟达就像一个无处不在的幽灵。特斯拉启动Dojo，是为了摆脱它；而Dojo最终的失败，却又一次印证了它的强大。

1. 一场从一开始就不对等的战争

与英伟达竞争，尤其是在AI训练芯片领域，是一项近乎不可能完成的任务。这家由黄仁勋领导的公司，其可怕之处不仅在于硬件性能的持续迭代，更在于其软件生态构筑的、深不见底的护城河。

从硬件上看，英伟达的创新周期快得令人窒息。当特斯拉的D1芯片（基于7nm工艺）在2021年亮相时，英伟达的A100已经占据市场主导。而当Dojo在2023年艰难投产时，基于更先进的4nm定制工艺、性能更强的H100已经开始大规模出货 。而现在，更为强大的Blackwell架构GPU也已发布。这意味着，像Dojo这样的自研项目，往往陷入一个尴尬的循环：当你耗费数年、投入巨资研发的产品终于问世时，它对标的已经是英伟达上一代、甚至上上代的产品。

更重要的是，特斯拉自身的行为也暴露了Dojo的窘境。就在大力宣传Dojo的同时，特斯拉从未停止过对英伟达GPU的疯狂采购。从最初的数千块A100，到后来的数万块H100和H200，特斯拉一直是英伟达最大的客户之一。截至2024年4月，已经投入运行的Dojo集群，其算力总和也仅仅相当于7500块H100 GPU，只占到特斯拉当时H100集群总算力的四分之一左右 。

这组数据无情地揭示了一个事实：在长达数年的时间里，Dojo从未真正成为特斯拉FSD训练的主力，英伟达的GPU始终是那个不可或缺的“幕后英雄”。Dojo更像是一个昂贵的、充满不确定性的“B计划”。

2. CUDA：真正的壁垒

正如前文所述，英伟达真正的护城河是CUDA。这个并行计算平台和编程模型，经过近二十年的发展，已经成为AI开发的事实标准 。它拥有一个由无数库、工具和开发者组成的庞大生态系统，其成熟度和易用性是任何竞争对手都难以企及的 。

选择自研芯片，就意味着要重建这一切。这是一项比设计硬件本身更为艰巨的任务。Dojo的失败，再次证明了挑战CUDA生态系统的难度。对于绝大多数AI研究者和工程师来说，时间就是生命，他们宁愿选择一个性能或许不是100%最优、但稳定、可靠且拥有丰富工具链的平台，也不愿去冒险尝试一个全新的、充满未知数的专有系统。

3. 财务压力下的理性选择

Dojo项目的终止，也与特斯拉当时面临的宏观经济压力不无关系。2025年第二季度的财报并不乐观，电动车业务收入同比下降16%，总收入下降12%。与此同时，由AI研发驱动的运营支出和资本支出却在持续飙升。

在这样一个“节衣缩食”的时期，继续为一个成本高昂、风险巨大、回报周期漫长，且核心团队已经流失的项目输血，显然是不明智的。砍掉Dojo，将宝贵的资本和资源集中到自动驾驶出租车（Robotaxi）和擎天柱（Optimus）机器人这些更接近商业化的项目上，是一个痛苦但理性的财务决策。

Dojo的取消，对英伟达而言是一次巨大的战略胜利。老黄再次向世界宣告：在AI算力的牌桌上，所有玩家最终都必须回到我这里来。这不仅巩固了其市场垄断地位，也让所有心怀“造芯梦”的挑战者们，不得不重新掂量一下自己将要付出的代价。

五、AI6芯片的“融合”新战略，无可奈何的妥协

在Dojo的废墟之上，特斯拉迅速构建了一套新的AI硬件架构，其核心是所谓的AI6“融合架构”。

马斯克的官方解释是，同时维护Dojo（为训练优化）和AI系列芯片（为车载推理优化）两条截然不同的设计路线，是对资源的巨大浪费。因此，未来的战略是“融合”，即将所有努力都集中在即将推出的AI6芯片上。这款芯片，将“非常适合推理，并且至少在训练方面也相当不错”。

马斯克甚至试图为Dojo的遗产找到一个归宿，他声称：“Dojo 3可以说以在单块电路板上集成大量AI6 SoC的形式存在” 。

1. 用“步枪”打“大炮”：一场技术上的豪赌

然而，这套说辞在技术专家看来，充满了妥协和无奈。AI训练和AI推理，是两种在计算需求和架构设计上截然不同的工作负载。

• 训练（Training），好比是炼钢。它需要在一个巨大的熔炉（数据中心）里，用极高的温度（大规模并行计算）、消耗海量的原材料（数据和能源），经过长时间的锻造（迭代），才能炼出一块好钢（成熟的模型）。这个过程追求的是极致的吞吐量和强大的并行处理能力，需要高精度的运算、巨大的内存和超高带宽的互连，以便在数千个处理器之间高效同步。英伟达的H100和Dojo D1，都是为这种“重工业”场景而生的“大炮”。

• 推理（Inference），则好比是将炼好的钢材，打造成一把锋利的匕首，并在需要时能瞬间出鞘。它追求的是在终端设备（如汽车、手机）上，以极低的延迟和能耗，快速地执行已经固化好的模型，做出精准判断。这个过程对单次运算的性能要求不高，通常使用较低精度的计算，对内存和互连的要求也远低于训练。特斯拉的AI系列芯片，就是为这种“轻巧”场景设计的“步枪”。

现在，特斯拉的新战略，本质上就是想用成千上万把“步枪”捆绑在一起，去执行原本需要“大炮”才能完成的攻坚任务。尽管马斯克说它“相当不错”，但用一款为低延迟、低功耗优化的推理芯片来进行大规模训练，其效率和性能几乎不可能与专门为训练设计的芯片相提并论。这很可能会创造出一个“样样通，样样松”的系统，为了架构的简洁而牺牲了最关键的训练性能。

这更像是一个在失去了Dojo这个“大炮”研发团队后，不得不做出的无奈选择。设计和验证两种顶尖芯片（一种训练、一种推理）成本极高，且需要两个独立的精英团队。特斯拉刚刚失去了其中一个。剩下的团队，专注于对公司核心产品（汽车、机器人）至关重要的推理芯片。因此，用推理芯片来“兼职”训练，并非源于什么革命性的技术洞见，而更可能源于一个“他们只剩下足够的资源和人力，来推进这一条芯片设计路线了”的残酷现实。

2. 重回“怀抱”：对外部伙伴的新依赖

Dojo的终结，也标志着特斯拉在AI训练硬件上实现完全垂直整合梦想的破灭。公司现在比以往任何时候都更加依赖外部的合作伙伴。

• 英伟达：特斯拉仍将是英伟达最重要的客户之一。数以万计的H100/H200 GPU将继续构成其高性能训练集群的基石。

• 三星：一纸价值165亿美元的巨额协议，让三星成为AI6芯片的关键代工伙伴，这意味着特斯拉将核心的推理硬件命脉，也部分交到了外部手中。

• AMD：AMD也被提及为潜在的合作伙伴，表明特斯拉正在采取更加多元化的供应商策略，以分散风险。

从试图颠覆规则的革命者，到重新拥抱行业分工的参与者，特斯拉在AI硬件上的战略，完成了一次痛苦但务实的回归。

六、最后

Dojo的故事，为这个高歌猛进的AI时代，提供了一个深刻而及时的警示。

它揭示了在AI硬件领域进行垂直整合的巨大难度。即便是像特斯拉这样资金雄厚、拥有顶尖人才和明确应用场景的公司，想要从零开始挑战一个由巨头和成熟生态系统所统治的领域，也同样困难重重。

也再次证明了英伟达护城河的深度。这条护城河不仅由一代代领先的芯片构成，更由一个名为CUDA的、几乎无法被复制的软件生态系统浇筑而成。任何试图绕过它的挑战者，都必须做好付出惨痛代价的准备。

同时，它也引发了关于专业化与通用化路线的重新思考。Dojo代表了专业化路线的极致，为一个特定任务打造的终极武器。它的失败似乎表明，至少在当前AI模型快速演进的阶段，通用GPU所提供的灵活性和适应性，仍然是更稳妥的制胜策略。

对于特斯拉而言，放弃Dojo虽然是一次挫败，但未必是世界末日。短期内，其FSD训练本就严重依赖英伟达，因此影响有限。长期来看，转向一个更务实、更开放的混合硬件策略，集中资源攻克自动驾驶和机器人这两个核心目标，或许是更明智的选择。

Dojo已死，但它所代表的那种挑战极限、试图用“第一性原理”重构世界的硅谷精神，并不会消失。只是这一次，现实给所有怀揣梦想的工程师和企业家们提了一个醒：在通往星辰大海的征途上，有时，选择站在巨人的肩膀上，比试图推倒巨人，是更快的捷径。

本文来自微信公众号：蒸汽猫TechMore，作者：沸腾的豌豆