Dojoの秘密を明らかにする

ドージョは、テスラ社内で設計された目的別のスーパーコンピュータであり、すべてのテスラ車両に搭載されている完全自動運転（FSD）システムをトレーニングするために設計されています。

ドージョは、1万4000個のA100チップを搭載したテスラの現行データセンターを置き換えることができます。また、それは世界第7位のデータセンターです。

イーロン・マスク氏は2019年のAIデーで最初にドージョについて言及しました。ドージョは、大量のビデオデータをトレーニングする問題を解決することを目的としています。ExaPODと呼ばれるデータセンターの形式として、3,000個のD1チップと単精度の計算能力が1.1EFlops搭載しています。

2023年度には40,000～50,000個のD1チップが出荷されることが予想されます。最初のExaPODは2023年7月に稼働を開始し、短期間内に6つのExaPOD（7.7EFlops）がパロアルトデータセンターに展開されることが予想されています。Q4 2024年の目標は、約91クラスターに相当する100 EFlopsのコンピューティング能力を達成することです。

D1はFSDの視覚ニューラルネットワークをサポートするように特別に設計されており、Teslaは低レベルソフトウェアやコンパイラを含むフルスタックソフトウェアパッケージを開発しました。その結果、

A.Dojoのトレーニング効率はDGX A100よりも高く、25個のD1チップで構成されたタイルは24個のA100よりも30倍高速な推論速度を提供します。FSDのトレーニング時間を1か月以内に短縮することができます。

B. S&P 500インデックスファンド NvidiaのA100と比較して、同じコストでDojoは性能が4倍高く、消費電力が1.3倍低く、サイズが5倍小さく、ネットワークトレーニング速度が4倍、自動注釈速度が3.2倍高速です。

C.DojoのコストはA100の1/6だけです。100 EFlopsを達成するには、約30万個のA100チップが必要で、そのコストは約75億ドルになります。一方、91のExapodを展開する場合、コストは約12.5億ドルになり、50億ドルの節約が可能です。

テスラの自動運転技術は、主に「カメラ+センサー」の視覚技術ルートに依存しており、FSDシステムをトレーニングするために多大なデータが必要です。必要なデータ量が増えるにつれて、より多くの計算能力が必要になります。完全自動運転を実現するには、より多くの計算能力が必要になります。しかし、テスラは計算能力に関して困難に直面しています。

A. 購入することができない。AIブーム後、すべてのテック企業がNvidiaのGPUを買いあさっています。TSMCの能力限界により、NvidiaのGPU供給が不足しており、テスラの計算能力ニーズを満たすことが困難になっています。

B. 買うことができない。高い需要と供給制限のため、NvidiaのGPU価格は急騰し、調達コストが上昇しています。

D1のような専用チップを使用すれば、Nvidiaの汎用チップと比較して、FSDビデオデータトレーニングにはより効率的で速くなるため、コスト効果が高くありません。Teslaの現在のニーズは明確なので、未使用の機能にお金を使う意味がありません。

コスト削減と効率の向上ですが、現在は正確なデータがないため、これを検証することはできません。

自動運転技術の開発を加速させることに役立ち、Teslaのフルオートニューズまでのスケジュールを大幅に短縮し、FSDサブスクリプションや承認などのソフトウェアビジネス（Robotaxiなどの共有旅行ビジネスを含む）の支払い率とARPUを大幅に向上させることができます。

Muskの他の企業もDojoから恩恵を受けます（X、SpaceXなど）。

将来的には、Amazonに似たクラウドレンタルサービスを導入し、DojoをTesla以外の顧客でも開放して料金を請求することができます。

FSDを使用する権限を持っている他の自動車メーカーは、訓練効果を高めるためにDojoを展開する必要があります。その後、Dojoシステムのモデルトレーニング効率がNVDAを含む他のコンピューティングシステムを上回ることが検証された場合、Teslaは市場で最高のマシンビジョントレーニングシステムの提供者になる可能性があります。ロボット技術、航空、セキュリティなどに関する複雑な視覚タスクにもDojoを使用できます。

ロボット工学、航空、セキュリティなど、複雑な視覚認識タスクを含むその他のシナリオでもDojoを使用できます。