特斯拉的自动驾驶野心再次引发行业关注。在人工智能技术飞速发展的当下，特斯拉放弃了自研的超级计算机项目，转而大规模采购英伟达的AI芯片。这一转变不仅预示着特斯拉在AI战略上的调整，也反映出当前
2019年，马斯克首次提出Dojo的概念，旨在打造专为自动驾驶数据处理和模型训练而生的超级计算机。Dojo的核心是特斯拉自研的D1芯片，曾被寄予厚望，希望通过大规模数据训练加速FSD（完全自动驾驶）神经网络的迭代。然而，Dojo项目最终未能达到预期目标。今年8月，特斯拉宣布解散Dojo超算团队，项目正式终止。尽管特斯拉在Dojo项目上投入了超过10亿美元，但其性能表现和项目进展并未达到预期，这其中涉及了芯片架构设计、散热、功耗和系统稳定性等诸多技术挑战。
与此同时，英伟达凭借其强大的硬件和成熟的CUDA软件生态，在AI领域占据了主导地位。CUDA平台经过近二十年的积累，已成为AI开发的行业标准，全球数百万AI开发者都习惯于在此平台上工作。对于特斯拉而言，放弃Dojo转而采购英伟达芯片，是基于现实考量做出的务实选择。英伟达的H100芯片在性能和生态方面都具有显著优势，可以帮助特斯拉更快地实现自动驾驶技术的迭代。根据最新消息，特斯拉计划在2025年底将拥有的英伟达旗舰H100芯片数量从3.5万块增加到8.5万块，这一举措表明了特斯拉对英伟达解决方案的依赖。
特斯拉的这一转变，也引发了对马斯克技术哲学的深刻反思。马斯克一直坚持垂直整合的理念，试图掌控从原材料到最终产品的完整技术链条。然而，在AI领域，垂直整合的策略似乎遇到了前所未有的挑战。在人工智能的下半场，竞争已不再是单点技术的突破，而是平台化、生态化的全面较量。特斯拉意识到，将算力基础设施外包给最专业的玩家，让顶尖工程师专注于神经网络算法、数据处理和模型优化，是更为务实的选择。这并非理想主义的退让，而是对现实的深刻洞察。特斯拉的自动驾驶征程仍在继续，但其背后的算力支撑，将更多地依赖于英伟达的解决方案。这一调整，或许并非马斯克最初所设想的路径，但它却可能是特斯拉在当前行业格局下，实现自动驾驶愿景的最快途径。
