特斯拉Dojo超级计算机：从梦想巅峰到黯然离场的启示录

摘要：特斯拉近期的一项重大决定引发了业界的广泛关注：其备受瞩目的Dojo超级计算机项目正式宣告终止。Dojo项目，曾被视作特斯拉在AI领域的一次大胆探索，如今却黯然落幕，这一转折背后的故事充满了挑战与反思。

特斯拉近期的一项重大决定引发了业界的广泛关注：其备受瞩目的Dojo超级计算机项目正式宣告终止。Dojo项目，曾被视作特斯拉在AI领域的一次大胆探索，如今却黯然落幕，这一转折背后的故事充满了挑战与反思。

Dojo项目的初衷是打造一台专为AI问题设计的超级计算机，其设计理念之激进，堪称“射月计划”。特斯拉希望通过复杂的编程手段，实现制造工艺的高标准，进而在理论上达到性能峰值。然而，这一宏伟蓝图在实施过程中遭遇了重重困难。

Dojo的核心设计包括两个关键方面：一是无缓存的双层存储系统，二是“无胶化”的晶圆级互连。Dojo的计算芯片D1摒弃了传统的缓存层次结构和虚拟内存，所有内核都能直接访问本地SRAM，这一设计旨在最大化计算密度和功耗效率。然而，这种NUMA结构也带来了显著的内存管理挑战，将复杂性转移至软件层面，形成了本地SRAM与远端HBM之间的性能鸿沟。

“无胶化”的晶圆级互连则是Dojo设计的另一大亮点。特斯拉利用台积电的InFO_SoW技术，创建了以5x5阵列容纳25个D1芯片的训练单元。这些芯片通过数千个高速SerDes链路直接连接到相邻芯片，形成了一个统一的计算平面，提供了高达36TB/秒的片外带宽，从而消除了传统超算的网络瓶颈。

然而，正是这些前瞻性的设计，成为了Dojo项目的软肋。首先，人才流失给项目带来了沉重打击。据报道，Dojo的负责人Ganesh Venkataramanan离开后成立了竞对初创公司DensityAI，并带走了约20名核心工程师。这一变动导致项目在技术和执行层面出现了明显空白。

其次，良率问题成为制约Dojo规模化部署的关键因素。晶圆级互连的设计在理论上很先进，但在实际制造过程中却极具挑战性。任何微小的布线缺陷或芯片贴装瑕疵，都可能导致整个训练单元报废，从而推高了成本，降低了商业可行性。

最后，战略层面的转向也是Dojo项目终止的重要原因。面对内部项目的延期和低良率，以及外部供应商如英伟达和AMD在GPU性能和生态系统上的快速发展，特斯拉开始调整战略，转向依赖行业领先厂商的成熟方案。特斯拉与三星签订了165亿美元的合同，用于生产下一代AI6推理芯片，并加强了与英伟达、AMD等产业链伙伴的合作。

Dojo项目的失败并非单一技术问题所致，而是人才流失、良率缺陷和战略转向等多重因素共同作用的结果。特斯拉的这一决定，虽然标志着内部超级计算机研发的终结，但也为行业提供了宝贵的经验和教训。

Dojo项目的设计哲学是通过复杂的编程实现高标准的制造工艺，进而追求理论上的峰值性能。然而，这种对特定目标的极致追求，导致了极高的技术复杂度和制造挑战。精简的内存模型需要复杂的软件支持，前瞻性的晶圆级互连则将半导体制造工艺难度推到了极限。