特斯拉苦心经营六年的Dojo超级计算机项目突然解散，而Waymo则稳步推进其在丹佛和西雅图的自动驾驶服务。自动驾驶行业正呈现两种技术路线月，特斯拉宣布解散Dojo团队并终止超级计算机项目。与此同时，Waymo宣布本周将在丹佛和西雅图开始人工监督下的测试，为2025年在这两个城市推出自动驾驶出租车服务做准备。
2019年4月，特斯拉在Autonomy Day活动上首次揭秘Dojo超级计算机。马斯克当时宣称，所有新车已配备实现完全自动驾驶的硬件，只需软件升级即可。
Dojo被设计为特斯拉专有的超级计算机，用于训练FSD（完全自动驾驶）神经网络。它的名字来源于日语中的“道场”，寓意成为AI技术的训练场所。
特斯拉对Dojo寄予厚望。2021年8月，在特斯拉首届AI日上，公司正式推出Dojo并展示了D1芯片。
2023年7月，特斯拉开始生产Dojo，并计划在2024年前投入超10亿美元。马斯克曾大胆预测，Dojo到2024年2月算力将跻身全球前五，10月达到100 exaflops目标。
。大多数公司依赖多种传感器组合（如激光雷达、雷达和摄像头）以及高精地图，而特斯拉坚信仅靠摄像头就能实现完全自动驾驶。特斯拉的视觉方案通过模拟人类视觉感知系统，使用先进的神经网络处理视觉数据并做出快速驾驶决策。
为支持这一技术路线，特斯拉需要处理海量视频数据。特斯拉全球车队收集的数百万英里视频 footage，为训练FSD系统提供了宝贵资源。
Dojo正是为处理这些“真正海量视频数据”而设计。马斯克在2020年8月就曾形容Dojo“堪称猛兽”，能够高效处理海量视频训练数据。
尽管投入巨大且经过多年发展，Dojo项目最终仍被终止。2025年8月，特斯拉解散了Dojo团队，项目负责人Peter Bannon离职。
大约20名Dojo员工离职并创立了DensityAI公司。马斯克在8月10日发文解释终止Dojo 2的决定，称其已成为“进化死胡同”。
马斯克表示：“既然所有路径都指向AI6，我不得不终止Dojo 2”。他同时透露，Dojo 3本质上将是“大量AI6芯片集成于一块板卡”。
Dojo的关闭并非完全意外。事实上，特斯拉早在2024年就开始推广Cortex，这是公司“在奥斯汀总部新建的用于现实世界AI研发的超级训练集群”。
根据特斯拉2025年1月的财报，公司已经完成了Cortex的部署，这是一个由5万块H100 GPU组成的训练集群。Cortex帮助实现了FSD V13的性能提升。
特斯拉在2025年第二季度进一步扩展了AI训练计算能力，增加了1.6万块H200 GPU，使Cortex总共达到6.7万块H100等效算力。
特斯拉还与三星签署了价值165亿美元的订单，采购AI6芯片。这些芯片计划支持FSD、Optimus以及高性能AI训练。
当特斯拉在调整其技术战略时，Waymo正稳步扩展其自动驾驶服务。2025年9月，Waymo宣布将在丹佛和西雅图推出自动驾驶出租车服务。
Waymo表示本周将在两地开始人工监督下的测试。每个城市将投放最多12辆测试车，包括全电动捷豹I-Pace和极氪自动驾驶车型。
Waymo目前的扩张计划包括：2025年进军十个新城市、6月与Uber合作在亚特兰大推出服务、7月新增青少年账户选项、8月获得纽约市测试许可。
Waymo目前在凤凰城、旧金山、洛杉矶、奥斯汀和亚特兰大提供付费自动驾驶出租车服务。公司还计划在迈阿密、华盛顿特区和达拉斯推出商业服务。
自动驾驶的竞争早已超越特斯拉与Waymo之争，呈现出全球特别是中美两国的竞争格局。
早在2021年7月就在广州黄埔科学城区域面向公众开放共享无人车服务。用户可通过百度地图App或Apollo Go App免费试乘。2021年4月，百度在北京首钢园推出了中国首个面向公众的收费完全无人驾驶出租车服务。这是全球范围内继Waymo之后第二个普通用户可使用的完全无人驾驶打车服务。2025年9月，中国自动驾驶公司
宣布，旗下首批新一代无人驾驶出租车Robotaxi GXR已抵达新加坡并开始测试。这是此类自动驾驶车型首次落地东南亚。2025年7月，
在WAIC展示的MogoMind大模型则代表了另一种技术方向，有哪些PG电子游戏得分高的小技巧和攻略？通过通感算一体化设备，全天候捕捉车辆行驶轨迹、速度变化、交通流量、行人动态等海量异构数据。该模型参数规模达70亿，感知精度和认知准确度超90%，已在8个城市落地应用。
也在2025年9月宣布，其ADS 4.0将在今年具备高速L3试点商用及城区L4测试能力。这意味着如果法规允许，2026年我们就能在高速路上线 特斯拉Robotaxi
首批乘客只需支付4.20美元固定费用，即可体验这项服务。试点投入约10至20辆车，基于Model Y车型改造，搭载特斯拉自研视觉感知系统和FSD软件。
首先存在经济约束，很快这种做法会变得过于昂贵。一些人声称我们实际上可能会耗尽有意义的训练数据。
AI网络路线，通过物理世界AI大模型实现全局优化。自动驾驶的未来不再是一条道路的单车竞赛，而是多条技术路线并存的全球竞争。
