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。

DojoはTeslaの現在のA100ベースのデータセンターを置き換えることができ、14,000個のA100チップを搭載しており、世界で7番目に大きな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会計年度には40,000〜50,000のD1チップが出荷されることが予想されており、最初のExaPODは2023年7月に稼働し、短期間に6つのExaPOD（7.7EFlops）がPalo Altoの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年にDojoの計算能力を100 EFlopsにすることが目標であり、これは約91クラスターに相当します。

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チップから構成されたタイルは、24個のA100に比べて推論速度が30倍速くなります。 FSDのトレーニング時間は1か月から1週間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。

Teslaの自動運転技術は主にカメラ+センサーのビジュアル技術路線に依存しており、FSDシステムを訓練するのに大量のデータが必要です。必要なデータが増えると、より多くの計算能力が必要になります。完全な自動運転を達成するには、大量のデータトレーニングをサポートするためにさらに多くの計算能力が必要になります。ただし、Tesla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。

C. Muskのほかの会社（X、SpaceXなど）もDojoから利益を得ることができます。

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。

E. FSDを利用できる他の認可された自動車メーカーは、トレーニング効率を向上させるために当然Dojoを展開する必要があります。 Dojoシステムのモデルトレーニング効率がNVDAを含む他の計算システムよりも優れていることが後で確認された場合、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プロバイダーになる可能性があります。

F. ロボティクス、航空、セキュリティなど、複雑な視覚認識タスクに関連するその他のシナリオでもDojoを使用できます。