特斯拉Dojo项目终结：一场AI超算自研的宏大赌局与商业务实的回归

TL;DR：

特斯拉Dojo超算的解散，标志着其AI芯片全栈自研路线的阶段性挫折，凸显了在极速进化的AI算力市场中，“造不如买”的商业理性与战略灵活性。这一决策预示着特斯拉AI战略的务实转型，并对全球企业在自研与合作之间寻求平衡提供了深刻启示。

埃隆·马斯克，这位以颠覆性思维和垂直整合战略闻名的科技巨头，再次在其宏大叙事中上演了一幕出人意料的转折。被寄予厚望、烧钱六年之久的AI超级计算机项目Dojo，在经历无数次宣传与承诺后，最终被判“死刑”，相关团队于2025年8月解散¹。这一决策并非简单地承认失败，而是特斯拉在瞬息万变的AI竞赛中，对战略方向、成本效益和市场现实进行深度校准的体现。Dojo的兴衰，不仅是特斯拉内部的一次阵痛，更是对整个AI产业在算力基础设施建设、自研与合作平衡、以及未来技术路径选择上，提供了一份极具启发性的案例研究。

战略意图解读：全栈自研的雄心与挑战

Dojo项目诞生于马斯克将特斯拉定义为“AI公司”的宏伟愿景之下。其核心目标是为特斯拉的全自动驾驶（FSD）神经网络提供定制化的、高效且成本可控的训练算力，进而支持自动驾驶出租车（Robotaxi）和Optimus人形机器人的开发。与多数依赖多传感器融合的自动驾驶方案不同，特斯拉选择了纯视觉技术路线，这意味着其FSD系统需要处理海量的视频数据，并通过复杂的神经网络进行训练，模拟人类视觉皮层与大脑功能²。

为了实现这一目标，特斯拉坚信必须掌握从芯片到软件的完整AI栈。Dojo的D1芯片便是这一信念的产物，旨在打破对英伟达等外部供应商的依赖，通过定制硬件实现更高的带宽和更低的延迟，优化AI工作负载³。马斯克多次强调，外部GPU价格昂贵且供应安全无法保障，自研芯片是确保其AI雄心顺利推进的“保险单”⁴。彼时，摩根士丹利甚至曾预测，Dojo若成功，有望为特斯拉额外带来5000亿美元的市值增长⁵。这种垂直整合的战略，旨在通过对核心技术的完全掌控，构建难以复制的竞争优势。

商业与技术双重困境：Dojo走向“死胡同”

然而，理想的丰满最终未能抵挡现实的骨感。Dojo的解散是技术、商业和人才等多重因素交织下的必然结果：

• 技术瓶颈与方向冲突：Dojo的D1/D2芯片在研发过程中遭遇了瓶颈，性能表现未能达到内部预期，且面临量产难题⁶。更重要的是，其功能开始与特斯拉用于车载端的AI推理芯片（如AI5/AI6）产生严重的功能重叠。马斯克本人也承认，同时开发两款差异巨大的AI芯片并不合理，AI5/AI6在推理和训练性能上都达到了顶尖水平，继续投入Dojo无异于“内部打架”，造成了宝贵的工程资源浪费⁷。
• 巨大的经济压力：自研顶尖AI芯片和超算集群是一个天文数字般的“烧钱”游戏。特斯拉为Dojo投入了数亿美元，甚至计划在纽约州布法罗工厂再投入5亿美元建设Dojo超级计算机⁸。然而，Dojo的产出与如此巨大的投入未能匹配，在特斯拉面临电动汽车销量下滑、盈利压力增加的“转型期”⁹，砍掉高投入、低产出的项目成为一项务实的“断臂求生”。
• 外部市场生态的爆发式发展：当Dojo陷入停滞时，AI算力市场却在以惊人的速度进化。以英伟达H100/H200为代表的商用GPU性能不断飙升，且拥有成熟的软件生态和广泛的开发者支持。特斯拉转向采购英伟达H100 GPU构建的Cortex超级集群，已部署了5万块H100，并计划增至10万块，其训练效率据称比Dojo提升数倍¹⁰。事实证明，“造不如买”，直接采购市场最优方案，可以更快地获得可用算力，且与现有AI框架兼容性更高。
• 核心人才流失：Dojo项目负责人Peter Bannon离职，约20名核心成员跳槽至前特斯拉AI负责人创立的AI芯片公司DensityAI¹¹。在高度专业化的技术领域，关键人才的流失往往是项目崩盘的催化剂，它不仅带走了专业知识，也可能导致团队凝聚力和创新力的瓦解。

新生态布局评估：务实主义的回归与Cortex崛起

Dojo的解散并非特斯拉AI雄心的终结，而是其AI战略的深度重构与务实转型。特斯拉正从高风险的“全栈自研硬件”策略，转向更具战略弹性、更高效率的混合模式：

• Cortex集群的上位：Cortex作为新的AI训练算力核心，通过大规模部署英伟达H100/H200 GPU，为FSD V13和未来的Optimus训练提供强大且稳定的支持。这表明特斯拉认识到，在通用AI训练算力上，与其耗费巨资自研并追赶市场前沿，不如高效利用现有成熟方案¹²。
• AI6芯片的中心化：马斯克明确表示，所有路径都指向AI6芯片。该芯片由三星代工¹³，将同时服务于FSD、Optimus人形机器人乃至数据中心的高性能AI训练。这标志着特斯拉在推理芯片领域的继续深耕与外部合作，通过与顶尖代工厂合作，确保芯片的先进性与量产能力。Dojo 3也可能以“集成大量AI6芯片的单片板”的形式延续，将训练与推理芯片的功能进行高效整合¹⁴。
• 资源聚焦核心业务：通过放弃Dojo，特斯拉能够将宝贵的资金和人才资源集中到更具商业化确定性的项目上，例如Robotaxi的规模化落地和Optimus人形机器人的快速迭代。这体现了在资本有限、竞争激烈的市场环境下，聚焦主业、优化资源配置的商业智慧。

产业深层洞察：垂直整合的边界与AI时代的“造不如买”

Dojo的案例超越了特斯拉一家公司的成败，它对整个科技产业，尤其是那些试图在AI领域实现垂直整合的企业，提供了深刻的哲学思辨和商业启示：

• 垂直整合的边界：马斯克一直推崇的垂直整合在电动汽车制造上取得了巨大成功，但在AI算力这一技术迭代极快、研发投入巨大、生态高度专业化的领域，其适用性遭遇了挑战。Dojo的经验表明，即使是资金雄厚的科技巨头，也必须审慎评估在每一个产业链环节进行深度自研的必要性和成本效益。核心竞争力的真正边界在哪里？ 这成为所有企业在AI时代必须思考的问题。
• 市场效率与创新速度：英伟达在GPU领域的霸主地位，不仅在于其芯片的硬件性能，更在于其构建的CUDA软件生态系统和持续的研发投入。当外部市场能以更高的效率、更快的速度、更低的成本提供优质解决方案时，强行自研的价值就会大打折扣。Dojo的失败并非技术路线的错误，而是未能跟上市场巨变的步伐。
• 人才的流动与生态的重塑：核心人才向外部初创公司的流动，预示着AI芯片领域新的竞争格局正在形成。DensityAI等公司的崛起，将进一步加剧市场竞争，也可能催生更多元化的AI硬件解决方案。
• 地缘政治与供应链韧性：尽管马斯克曾担忧GPU供应的安全问题¹⁵，但完全自给自足的成本和技术风险巨大。Dojo的转向，也反映出在复杂的全球供应链格局下，通过多元化合作伙伴（如英伟达、AMD、三星）来分散风险，可能比单一依赖内部自研更具韧性。

风险与机遇并存：特斯拉的AI新征程

特斯拉的AI新战略并非没有风险。放弃Dojo可能意味着在某些特定AI工作负载上，丧失了部分定制化和优化空间。核心人才的流失，也可能在长期内影响特斯拉在AI芯片领域的创新能力。此外，FSD和Robotaxi的商业化仍面临监管和法律挑战，如美国国家公路交通安全管理局（NHTSA）的调查和相关事故责任判决¹⁶。

然而，此次战略调整也带来了显而易见的机遇。通过将资源集中于核心的AI算法、数据积累和产品落地（Robotaxi、Optimus），特斯拉有望加速实现其自动驾驶的商业化目标，并推动人形机器人的普及。Cortex集群和AI6芯片的组合，将为其AI产品提供更强大、更高效、更具成本效益的算力基石。

Dojo项目的终结，是特斯拉乃至整个AI产业发展历程中的一个重要里程碑。它不仅揭示了在技术爆发式增长时期，战略选择的复杂性与动态性，也印证了即便是最具前瞻性的科技巨头，也必须在宏大愿景与商业现实之间寻求审慎的平衡。未来几年，特斯拉能否凭借其务实的AI新战略，在自动驾驶和具身智能领域取得实质性进展，将成为衡量这一决策成败的关键标准，也将继续深刻影响人类文明的进程。

引用

• AI算力
• 超级计算机
• 特斯拉战略
• 自动驾驶
• 芯片自研
• 产业生态