抛弃英伟达算力集群！特斯拉正着手打造下一代AI计算集群

不知道什么时候开始，某鱼上出现了大批之前英伟达专门为特斯拉定制的GPU图形计算卡，并且正在以骨折价抛售。

这些不寻常的迹象，似乎印证了特斯拉正在逐渐抛弃英伟达的算力集群，着手打造下一代，自研程度更高的算力集群。

早在之前的AI DAY上，特斯拉就透露出不少关于下一代人工智能的构想，其中特斯拉未来的全自动驾驶，在设计上都更趋向于“World Model”，也就是世界模型方向。

而这之中最关键的部分，就是实现“经验积累”，通过大量的数据模型，来解决现实中可能发生的问题。目前特斯拉的解决方案，与其他品牌基本相同，回传特斯拉车主的行车视频，让电脑进行分析学习，并对其中所有驾驶的可能性进行建模，整个过程就是一个穷尽所有可能性的过程。当然理论上来说，永远无法穷尽所有的可能性，只能无限接近。

特斯拉这种“穷尽所有的可能性”的建模方式，就是基于海量数据的处理与学习。之前特斯拉要完成以上的数据收集整合，依靠的就是英伟达GPU图形计算卡组成算力集群中，一万个GPU专门用来训练自动驾驶的神经网络。

这一整套基于英伟达的神经网络计算群，已经是目前算力顶尖的超级计算机群，不过，即便是拥有这样的超级算力，在遇到特斯拉这种需要大量视频数据训练神经网络的使用场景，仍然会感到吃力。

换句话来说，英伟达的学习训练GPU算力群，已经不能满足特斯拉的实际需求，从某种程度上来说，已经限制了特斯拉自动驾驶的发展。或许，这时候有人会说，既然算力不够，那就继续增加GPU的数量和规模，问题不就解决了吗？

当然，问题并没有这么简单，计算集群的规模和数量并不能完全等同于计算效能，越大型的神经网络，对计算集群的利用效能利用率就越低，大号神经网络无法在一块GPU上训练，只能多块GPU分工，而多块GPU之间需要通讯，传输数据，这就会严重损耗计算效能，严重时甚至可能损失80%以上的计算效能。因此。为提升计算效能，特斯拉才要搞自己的超算集群——Dojo。

特斯拉Dojo的设计思路主要可以分为三个方面，首先是加大算力集群的密度，根据前段时间AI DAY上的信息爆料，1个Dojo机箱中将有两个大的GPU显卡，每个大GPU显卡由6块小显卡组成，而每块小显卡上又有25片DOJO晶片，也就是说一个Dojo机箱集成了300个Dojo晶片计算单位。从其账面数据来看，Dojo机箱是目前一般商用机箱的10倍，计算集群的密度提升以后，减少了数据在不同机箱间传输的损耗，也就提升了计算效能。

除此之外，为了避免海量数据进出系统造成的瓶颈，特斯拉用自家开发的通讯协议，以网卡的形式连接了起来，在不同单位之间建立了通讯捷径，使由数据传输导致的计算延迟比现有算力集群降低了三十倍，单块计算单位在实际训练中的计算效能超过了原来的两倍。

最后一个也是最关键的部分，就是对编译器的优化，也就是由编程语言转换为机器语言的部分，这也会极大的影响计算程序的效率，给Dojo开发和优化编译器是目前最大的难点，也是目前特斯拉Dojo团队工作的重中之重。

如果顺利的话，特斯拉的Dojo只需4个Dojo机箱，1200个晶片就能提供现阶段72个机箱，4000个GPU所提供的算力。照此数据计算，只需两个Dojo集群，特斯拉就能取代现有的14000个GPU显卡组成的计算集群，而这样的Dojo集群，特斯拉计划组建7个，等同于70000个GPU组成计算集群的算力。

Dojo组建完成之后，特斯拉将拥有目前全世界企业中最顶级的神经网络训练能力，这将极大加快特斯拉在自动驾驶系统上的开发迭代能力。

之前需要一个月时间才能完成的完整自动驾驶神经网络训练，今后可能只需要几小时的时间就可以完成。

除此之外，Dojo也给了人们更多的想象空间，虽然目前AGI通用人工智能的开发尚没有定论，但普遍的共识是需要人造智能把自己也包含在构筑的世界模型之中，也就是我们经常在科幻电影中看到的，产生自我意识。

高效的Dojo超算系统再加上“World Model”世界建模，让人工智能有望获得接近人类水平的“经验积累”，而这很可能就是打开AGI通用人工智能的钥匙。科幻电影才会出现的场景，这次也许真的可以“梦想照进现实”。

当然，只有类似特斯拉Dojo这样的技术探索，才是开启下一代人工智能的关键。