揭开道场的秘密

Dojo 是特斯拉内部设计的专用超级计算机，用于训练安装在每辆特斯拉车辆上的全自动驾驶 (FSD) 系统。

Dojo可以取代特斯拉目前基于A100的数据中心，该数据中心拥有14,000个A100芯片，是全球第七大数据中心。

埃隆·马斯克在2019年的人工智能日首次提到了道场。Dojo 旨在解决训练大量视频数据的问题。作为一种名为Exapod的数据中心，它拥有3,000个D1芯片和1.1 eFLOps的单精度计算能力。

预计在2023财年将出货4万至5万个D1芯片。第一台ExaPod于2023年7月投入运营，预计将在短时间内将六台ExaPods（配备7.7eFLOPS）部署到帕洛阿尔托数据中心。2024 年第四季度的目标是实现 Dojo 的 100 个 eFLOP 的计算能力，相当于大约 91 个集群。

D1 专为支持 FSD 的视觉神经网络而设计，特斯拉开发了一个包含低级软件和编译器的全栈软件包。结果：

A。 Dojo 的训练效率高于 DGX A100，由 25 个 D1 芯片组成的方块提供的推理速度比 24 个 A100 快 30 倍。FSD 培训时间可以从一个月缩短到一周内。

B。 与Nvidia的A100相比，Dojo在相同的成本下性能提高了四倍，功耗降低了1.3倍，尺寸小了五倍，网络训练速度提高了4倍，自动注释速度提高了3.2倍。

C。道场的成本仅为A100的成本的1/6。要实现 100 个 eFLOP，将需要大约 300,000 个 A100 芯片，耗资约 75 亿美元。另一方面，如果部署91 Exapods，成本将仅为12.5亿美元左右，从而节省50亿美元。

特斯拉的自动驾驶技术主要依赖于 “摄像头+传感器” 的视觉技术路线，这需要大量的数据来训练FSD系统。需要的数据越多，所需的计算能力就越大。如果要实现完全自动驾驶，将需要更多的计算能力来支持海量数据训练。但是，特斯拉在计算能力方面遇到了困难：

答：无法购买。在人工智能繁荣之后，所有科技公司都在争先恐后地购买Nvidia GPU。由于台积电的容量限制，英伟达的GPU供应不足，难以满足特斯拉的计算能力需求。

B. 负担不起。由于需求和供应的高度限制，Nvidia GPU的价格飞涨，增加了采购成本。

C. 成本效益不高。与Nvidia的通用芯片相比，使用像D1这样的专用芯片进行FSD视频数据训练将更高效，更快。特斯拉目前的需求很明确，那么为什么要把钱花在未使用的功能上呢？

答：降低成本和提高效率，但目前没有准确的数据可以证实这一点。

B. 它有利于加速自动驾驶技术的发展，大大加快特斯拉实现完全自动驾驶的时间表，并显著提高软件业务（例如FSD订阅和授权）和共享出行业务（例如Robotaxi）的支付率和ARPU。

C. Musk的其他公司将受益于Dojo（例如X、SpaceX等）。

D. 未来，特斯拉可能会推出类似于亚马逊的云租赁服务，向非特斯拉客户开放Dojo并向其收费。

E. 其他获准使用FSD的汽车制造商自然需要部署Dojo来提高培训效率。如果随后证实Dojo系统的模型训练效率优于包括NVDA在内的其他计算系统，那么特斯拉可能会成为市场上最好的机器视觉训练系统提供商。

F. 其他涉及复杂视觉感知任务的场景也可以使用 Dojo（例如机器人、航空、安全等）。