汽车行业深度：DOJO助推特斯拉加速AI落地

报告摘要：
特斯拉不仅在电动汽车领域取得了革命性突破，更在智能驾驶和人形机器人领域展现出其作为AI 公司的雄心和实力。特斯拉在智能驾驶技术上取得了显著成就，其全自动驾驶技术FSD 已更新至V12版本。特斯拉的算法演进经历了从HydraNets 到端到端方案的四代变革，每一代都在感知、决策和规控方面实现了技术突破。最终端到端方案通过直接输入传感器信息到神经网络，实现了高效的驾驶命令输出。 特斯拉在人形机器人领域的进展同样领先，自2021 年首次发布概念以来，特斯拉人型机器人在运动能力、视觉感知能力和自主性方面取得了显著进步。2023 年12 月发布的Optimus 第二代产品在行走速度、重量、平衡感和身体控制能力上都有了显著提升，能够在工厂环境中执行精确的电池分拣任务。
AI 应用的加速需要AI 芯片。AI 芯片是AI 计算的核心工具，可分为训练和推理两大类，也可分为云端和终端。不同场景对芯片的性能要求不同。云端训练芯片是AI 时代最重要的武器之一，英伟达作为AI 芯片市场的领导者，其GPU 架构从Fermi 到Hopper 不断演进，每一代产品都在性能和效能上取得了显著提升。
特斯拉的Dojo 芯片采用ASIC 路线，高效支持自身算法训练。Dojo采用ASIC 路线，Dojo node 是Dojo 芯片的最小节点，具有标量处理单元、向量处理单元、存储单元和片上路由器。D1 芯片集成了354 个Dojo node，提供了高的算力和能效比。Dojo 训练Tile 通过集成多个D1 芯片，形成了强大的训练矩阵，能够支持大规模的AI模型训练。Dojo ExaPOD 则进一步集成了训练矩阵， 提供了1.1EFLOPS 的峰值算力和高速SRAM，为大规模并行计算任务提供了强大的硬件支持。
Dojo 的另一个可比对象：谷歌TPU。TPU 是首款人工智能专用的计算芯片，于2016 年首次发布，目前已经从TPU v1 迭代到了TPUv5，能力上也有巨大提升，是首个部署张量计算单元的芯片。虽然在数据中心训练和推理方面有其优势，但在工业级别适配和开发生态方面面临挑战。特斯拉Dojo 在设计理念和应用模式上与TPU 有相似之处，但也面临着类似的大规模推广压力。
总体而言，Dojo 产品设计和性能顶尖，但通用性相对较弱，短期内主要以加速特斯拉自身模型训练为主。
风险提示：智驾进展不及预期，人形机器人进展不及预期。
【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。