博源国际

又一颗芯k第二火影之至高无上txt无删减季无删减片 ，，，被英伟达打败

泉源：荆州市融媒体中心 宣布时间： 2025-08-17 13:02:06

迩来特斯拉终结Dojo团队、认真人离任的音讯甚嚣尘上 ，，，也让观众们唏嘘不已。。

近几年来 ，，，关于一众摊开身子去做训练芯片的至公司也好 ，，，首创企业也好 ，，，都是血淋淋的履历：Graphcore一度声称“IPU对立GPU” ，，，终究被软银收买 ，，，完毕自力攻击；；；；；英特尔/Habana（Gaudi）路途多、生态割裂 ，，，迩来逐渐并入 GPU/Falcon Shores 系统 ，，，淡化自力加速器路途；；；；；Cerebras坚持晶圆级（WSE）差别化 ，，，产品与订单在增添 ，，，但商业化和生态仍远未与 CUDA 可比——这是“特种配备”而非“通用渠道”。。

自研训练芯片这条路途 ，，，对绝大大都公司并不可行 ，，，能成的是少少数破例 ，，，不是可仿制的范式。。英伟达又赢了。。

Dojo的“高开低走”

Dojo 是特斯拉为“实践国际场景”模子训练而自研的数据中心级训练系统。。2019 年 4 月 ，，，马斯克在“Autonomy 投资者日”首次抛出 Dojo 看法；；；；；2020 年 8 月 ，，，他称受限于供电与散热 ，，，系统“还需约莫一年”本领安排稳当。。2021 年 8 月的 AI Day 上 ，，，特斯拉正式宣布 D1 与 Training Tile ，，，并同步揭破 CFloat8/16 白皮书 ，，，给外界描绘了一条“自研算力+自研数值名堂”的硬核路途。。

在 2022 年的AI Day上 ，，，特斯拉给出 Dojo 的系统化扩展途径：从自研 D1 芯片 → Training Tile（5×5）→ System Tray → Cabinet → ExaPOD ，，，目的是完结“超 1 ExaFLOP 级”的 ML 核算才华。。

  • D1：台积电 7nm ，，，约 500 亿晶体管 ，，，645 mm? ，，，354 个核算中心；；；；；单芯 BF16/CFP8 ≈ 362 TFLOPS。。
  • Training Tile：25 颗 D1 组成一块水冷 Tile ，，，BF16 ≈ 9 PFLOPS ，，，以高带宽片间互联为卖点。。

阛阓对 Dojo 的预期曾被推到高位——2023 年 ，，，摩根士丹利曾预算 Dojo 可能为特斯拉带来约 5000 亿美元的增量价值。。直到 2025 年 Q2 财报会上 ，，，马斯克仍批注 Dojo 2 的目的是对标约 10 万台 H100 等价物。。但实践层面 ，，，项目终究叫停。。

时代多位中心手艺认真人相继脱离：2018 年 ，，，起源受聘向导特斯拉芯片作业的 Jim Keller 离任；；；；；随后 Ganesh Venkataramanan 接棒 ，，，2023 年脱离并建设 DensityAI；；；；；近年继续主导芯片项目的 Peter Bannon 亦已离任 ，，，Dojo 项目随之收尾。。

更指向性的依据来自并行路途的推动。。早在 2024 年 Q4 ，，，特斯拉在奥斯汀上线 “Cortex” 训练集群（对外口径为约 5 万张 H100） ，，，并在 Q2’25 股东信里揭晓新增 1.6 万 H200 ，，，使全体妄想约即是 6.7 万张 H100。。这说明 Dojo 未能成为主力产线 ，，，特斯拉更多转向“收购老练GPU渠道”。。现实也证实 ，，，买卡比造卡更快：除特斯拉外 ，，，马斯克系统的 xAI/“Colossus” 相同大妄想选用英伟达 GPU ，，，并配套 Spectrum-X 以太网做超大妄想组网——连网络栈都被英伟达打包交给。。

亡羊补牢 ，，，为时未晚

现在 ，，，特斯拉实时扭转时势。。

训练侧：外采为主。。特斯拉把主力训练转向可马上安排、可线性扩容、生态老练的英伟达（并填补部分 AMD） ，，，把“模子训练周转率（Time-to-Train）”拉回商业节奏。。

推理侧：自研为主。。与三星敲定 165 亿美元长时刻代工协议（AI6） ，，，将车载/机械人/边沿推理算力自控在手 ，，，靠近产品、危险更低、迭代更快。。

安排侧：约 20 名原训练团队成员加入 DensityAI ，，，其他并入公司数据中心/算力工程 ，，，避免在没有收敛的训练芯片路途继续“烧时刻”。。

这套组合拳很务实：训练端“买老练产线” ，，，<火影之至高无上txt无删减strong>k第二季无删减推理端“做自己最懂的场景” ，，，既把 Time-to-Train 和 Time-to-Market 拉回到商业节奏内 ，，，也避免在生态战里被逼充当“软件渠道供应商”。。

Dojo项目的关闭可能对特斯拉来说并不是一个很大的丧失。。8月8日 ，，，马斯克在外交渠道X上回应amit网友称：“没有须要一起扩展两条天壤之别的训练芯片路途；；；；；Tesla AI5、AI6 以及后续芯片在推理方面将十分超卓 ，，，至少在训练方面也适当不错。。所有精神都墟市在这上面。。”

他还进一步填补道 ，，，“在超算集群中 ，，，无论是用于推理仍是训练 ，，，将许多 AI5/AI6 芯片放在一块板上是合乎情理的 ，，，这只是是为了将网络布线的重大性和资源下降几个数目级。。我想 ，，，这能够称之为 Dojo 3。。”“AI4 和 AI5 之间在实践性能上的差别 ，，，远超我所知的所有芯片版别。。它真的很超卓。。”

为什么“自研训练芯片”这么难？？？

1）生态与软件壁垒

训练芯片不是单芯片角逐 ，，，结构适配、编译器、内核库、并行战略、调优工具链才是吞时刻的黑洞。。英伟达把 CUDA/cuDNN/州并行库打磨了十几年 ，，，厥后者很难追平这个“隐形工程量”。。业界多家厂商在软件老练度上“掉链子” ，，，训练端难以牢靠释放算力密度。。

2）系统工程与供应链

先进封装（CoWoS/SoIC）、HBM 供应、机柜/供配电/散热、互联拓扑、集群调理、可靠性工程 ，，，任何一环不可强 ，，，TCO 就会被市售 GPU 渠道反杀。。尤其是先进封装和HBM这两块 ，，，2025年NVIDIA至少确认台积电CoWoS-L 七成产能的报导频出 ，，，HBM阛阓由 SK hynix/三星/美光三强主导 ，，，且 HBM3E→HBM4 的节奏被各家牢牢盯住。。没有这些供应包管 ，，，自研妄想纵然流片乐成 ，，，也会在封装与内存上“卡脖子”。。

3）需求与现金流节奏

自研要靠牢靠、可预期且超大妄想的自用训练需求摊薄巨额前期投入。。除谷歌（TPU）和 AWS（Trainium）这类云巨子 ，，，鲜有人能把“芯片—集群—云效劳”联动成正循环。。

Meta训练芯也在逐渐考试 ，，，今年3月份据路透社的报导 ，，，Meta正在考试首款 AI 训练芯片 ，，，音讯人士称 ，，，考试安排是在Meta完结芯片的首次“流片”后起源的。。这款芯片是该公司元训练和推理加速器 (MTIA) 系列的最新产品。。不过该项目多年来开展一直不太顺畅 ，，，以致一度在相似的开发阶段扬弃一款芯片。。现在Meta的MITA芯片仍以推理为主 ，，，用于确认哪些内容泛起在 Facebook 和 Instagram 新闻推送中的引荐系统。。

Meta 高管批注 ，，，他们希望到 2026 年起源使用自己的芯片举行训练 ，，，或许举行核算麋集型历程 ，，，为 AI 系统供应许大都据以“教”它怎么推行。。与推理芯片相同 ，，，训练芯片的目的是从引荐系统起源 ，，，然后将其用于谈天机械人 Meta AI 等天生式人工智能产品。。

4）时机资源

AI年月下 ，，，英伟达和AMD两大AI芯片玩家均已代际晋级以季度为单位推动 ，，，自研芯片的代次跨度很简朴一上板就逾期 ，，，落地即落伍。。

在 Llama 2-70B-LoRA 等渠道（8 GPU）微调作业负载中 ，，，Instinct MI325X的性能比 Instinct MI300X提高高达 30%（图源：AMD）

现在AMD也补上了“可用的第二供货商” ，，，6月份 ，，，AMD宣布了其首次提交MLPerf训练的效果 ，，，AMD的训练效果也现已很能打（MLPerf 上与英伟达可比/部分争先的负载泛起了）。。在 AMD MLPerf Training v5.0 考试中 ，，，Instinct MI325X渠道在微调 Llama火影之至高无上txt无删减 2-70B-LoRA（一种普遍用于定制大型言语模子的作业负载）时 ，，，k第二季无删减性能比 NVIDIA H200 渠道横跨高达 8%。。

Instinct MI325X渠道与NVIDIA H200的比照（图源：AMD）

在这种情形下 ，，，再走一条第三条自研路 ，，，边沿价值更小、失利资源更高。。

Dojo 的叫停不即是“自研训练芯片永无出路”。。云巨子破例仍然建设：Google TPU、AWS Trainium 能跑通 ，，，是由于它们具有超大、牢靠的自用训练需求 + 云效劳生态 + 算法/结构协同 ，，，能把“芯-机-云-软件”串成正循环。。但对车企/使用公司而言 ，，，缺生态 + 缺供应链 + 节奏跟不上 ，，，时机资源才是最终杀手。。

英伟达赢在那里？？？

英伟达的乐成是系统性乐成。。不但是 GPU 争先 ，，，而是从硅到机架到网络到软件的全栈交给才华：

硬件层：GPU + NVLink/NVSwitch + 高带宽内存 + 机架级整机；；；；；

网络层：InfiniBand 与 Spectrum-X 以太网两套妄想 ，，，掩饰差别客户偏好与资源模子；；；；；

软件层：CUDA 系统与全栈库/工具 ，，，包管“可用算力/周”；；；；；

交给层：从整柜到整机房的“交钥匙工程” ，，，缩短客户的Time-to-Train。。

一个典范的事例：GB200 NVL72——72 张 Blackwell GPU + 36 颗 Grace CPU 的液冷整柜 ，，，一个机柜内组成 72-GPU 的 NVLink 一致域 ，，，对外就像一块超大加速器；；；；；第五代 NVLink/ NVSwitch 还能把多个机柜无梗塞拼合到 576 GPU。。这不是“堆卡” ，，，而是把互联、内存、软件、上电与运维做成可交给的“AI 工厂”

关于去自研AI训练芯片的厂商而言 ，，，许多时分 ，，，他们并不是手艺不可行 ，，，而是时刻、资金与生态的归纳算术不对。。当你在流血做“芯—板—机—集群—软件—网络”的全栈集成时 ，，，英伟达现已把GPU+ NVLink/NVSwitch/Spectrum-X + CUDA/cuDNN + DGX/GB 系一致整套“AI 工厂”卖给了你的敌手与相助同伴 ，，，“买英伟达 = 马上可用的AI 工厂”

英伟达在机架级产品（如 GB 系列）与网络（Spectrum-X/InfiniBand 之外的以太网解法）上继续前移 ，，，把“可用算力/周”最大化。。2024年10月28日 ，，，NVIDIA使用NVIDIA Spectrum-X以太网网络渠道 ，，，完结了100,000个 NVIDIA Hopper GPU相连 ，，，这即是坐落田纳西州孟菲斯的 xAI Colossus 超等核算机集群 ，，，其主要用于训练马斯克的Grok大模子。。xAI和NVIDIA仅用122天就建成了配套装备和最先进的超等核算机 ，，，而这种妄想的系统一样平常需求数月以致数年的时刻。。从第一个机架滚到地上到训练起源 ，，，整个历程仅用了 19 天。。

英伟达的“系统 + 软件 + 生态 + 交给才华”的复合护城河 ，，，正在把每一家“自研训练芯片”的商业实验拖回到实践。。

关于英伟达而言 ，，，现在最大的变量和敌手是AMD ，，，AMD在性价比、特定作业负载（如微调）上继续追近 ，，，会缩短自研路途的“理论窗口期” ，，，但短期难撼动英伟达的系统与软件争先。。

接下来很长一段时刻 ，，，“训练自研 ，，，推相识耦”将成为非云巨子的干流战略：训练上公版渠道 ，，，推理做自家 SoC/ASIC ，，，把能沉积差别化的算力放在端侧/产品内。。

结语

特斯拉关掉 Dojo ，，，不是输给了一块更强的芯片 ，，，而是输给了一个更强的“工业系统”。。 自研训练芯片这条路 ，，，对绝大大都公司而言不具可仿制性；；；；；而在“买卡 + 更快上线 + 产品侧自控推理”的组合里 ，，，英伟达再次赢下了时刻、生态与现金流的三重赛点。。

英伟达的再次乐成 ，，，是对整个职业的一次提醒：在 AI 基建年月 ，，，速率与生态 ，，，即是所有。。

本文来自微信公共号 “半导体职业视察”（ID：icbank） ，，，作者：杜芹DQ ，，，36氪经授权宣布。。

相关附件

扫一扫在手机上审查目今页面