在科技界的平静水面下，一场关于技术路线的暗流涌动正在特斯拉内部上演。特斯拉的Dojo超级计算机项目，这个曾承载着创始人马斯克对完全自动驾驶（FSD）宏伟愿景的项目，如今却已悄然落幕。
回溯至2019年，马斯克首次提出Dojo的概念，意在打造一台专为自动驾驶数据处理和模型训练而生的超级计算机。其核心，是特斯拉自研的D1芯片。在特斯拉AI日的首次亮相中，Dojo被寄予厚望，被视为将推动FSD神经网络在大规模数据上实现自动化训练，从而应对各种复杂场景。
然而，这项看似前景无限的技术远征，最终却未能如愿以偿。今年8月，特斯拉Dojo超算团队宣布解散，项目正式终止。取而代之的是，特斯拉计划斥巨资采购英伟达的AI芯片，到2025年底，其拥有的英伟达旗舰H100芯片数量将从3.5万块激增至8.5万块。
这一转变，不仅标志着Dojo项目的终结，更引发了对马斯克技术哲学的深刻反思。一直以来，马斯克坚持垂直整合的理念，致力于掌控从原材料到最终产品的完整技术链条。在特斯拉的历史中，这一策略屡建奇功，如打造专属的超级充电网络、自研4680大圆柱电池以及推出算力惊人的FSD芯片。
然而，在Dojo项目上，马斯克似乎遇到了前所未有的挑战。Dojo的芯片架构设计激进且非常规，追求极致的算力和带宽，却在实际应用中遭遇了散热、功耗和系统稳定性的难题。据报道，特斯拉在Dojo项目上已投入超过10亿美元，但性能表现并未达到预期，也未按时达成设定的目标。
与此同时，英伟达以其强大的硬件和成熟的CUDA软件生态，迅速占据了AI领域的领先地位。CUDA平台经过近二十年的积累，已成为AI开发领域的标准，全球数百万AI开发者都习惯于在此平台上工作。任何试图绕开CUDA的新AI芯片，都面临着巨大的市场挑战。
特斯拉Dojo所面临的困境，正是这一行业规律的体现。放弃Dojo，对特斯拉而言，或许并非纯粹的失败。相反，它标志着特斯拉对AI竞争认知的深化。特斯拉意识到，在人工智能的下半场，竞争已不再是单点技术的突破，而是平台化、生态化的全面较量。因此，将算力基础设施外包给最专业的玩家，让顶尖工程师专注于神经网络算法、数据处理和模型优化，成为更为务实的选择。
这一转变，看似是理想主义的退让，实则是对现实的深刻洞察。Dojo的故事虽然结束，但特斯拉在自动驾驶领域的征程仍在继续。只不过，其背后的算力支撑，将更多地依赖于英伟达的解决方案。
这一调整，或许并非马斯克最初所设想的路径，但它却可能是特斯拉在当前行业格局下，实现自动驾驶愿景的最快途径。
