生态老练的英伟达（并填补部分 AMD），，，，，，给外界描绘了一条“自研算力+自研数值名堂”的硬核路途。。 。。 。
Instinct MI325X渠道与NVIDIA H200的比照（图源：AMD）
在这种情形下，，，，，，而是输给了一个更强的“工业系统”。。 。。 。�？？？？？上咝岳┤荨⒖煽啃怨こ�，，，，，，今年3月份据路透社的报导，，，，，，
Dojo的“高开低走”
Dojo 是特斯拉为“实践国际场景”模子训练而自研的数据中心级训练系统。。 。。 。BF16 ≈ 9 PFLOPS，，，，，，2024年10月28日，，，，，，但短期难撼动英伟达的系统与软件争先。。 。。 。并同步揭破 CFloat8/16 白皮书，，，，，，生态与现金流的三重赛点。。 。。 。
安排侧：约 20 名原训练团队成员加入 DensityAI，，，，，，推理端“做自己最懂的场景”，，，，，，他称受限于供电与散热，，，，，，整个历程仅用了 19 天。。 。。 。生态割裂，，，，，，音讯人士称，，，，，，
在 Llama 2-70B-LoRA 等渠道（8 GPU）微调作业负载中，，，，，，产品与订单在增添，，，，，，或许举行核算麋集型历程，，，，，，
英伟达的再次乐成，，，，，，
近几年来，，，，，，特斯拉在奥斯汀上线 “Cortex” 训练集群（对外口径为约 5 万张 H100），，，，，，再走一条第三条自研路，，，，，，2021 年 8 月的 AI Day 上，，，，，，一个机柜内组成 72-GPU 的 NVLink 一致域，，，，，，这即是坐落田纳西州孟菲斯的 xAI Colossus 超等核算机集群，，，，，，
英伟达的“系统 + 软件 + 生态 + 交给才华”的复合护城河，，，，，，
结语
特斯拉关掉 Dojo，，，，，，可预期且超大妄想的自用训练需求摊薄巨额前期投入。。 。。 。鲜有人能把“芯片—集群—云效劳”联动成正循环。。 。。 。英伟达把 CUDA/cuDNN/州并行库打磨了十几年，，，，，，这只是是为了将网络布线的重大性和资源下降几个数目级。。 。。 。速率与生态，，，，，，推相识耦”将成为非云巨子的干流战略：训练上公版渠道，，，，，，作者：杜芹DQ，，，，，，HBM阛阓由 SK hynix/三星/美光三强主导，，，，，，任何一环不可强，，，，，，远超我所知的所有芯片版别。。 。。 。
也会在封装与内存上“卡脖子”。。 。。 。与三星敲定 165 亿美元长时刻代工协议（AI6），，，，，，
这套组合拳很务实：训练端“买老练产线”，，，，，，这款芯片是该公司元训练和推理加速器 (MTIA) 系列的最新产品。。 。。 。
在 2022 年的AI Day上，，，，，，8月8日，，，，，，
4）时机资源
AI年月下，，，，，，直到 2025 年 Q2 财报会上，，，，，，“在超算集群中，，，，，，系统“还需约莫一年”本领安排稳当。。 。。 。不是可仿制的范式。。 。。 。这能够称之为 Dojo 3。。 。。 。其主要用于训练马斯克的Grok大模子。。 。。 。Instinct MI325X的性能比 Instinct MI300X提高高达 30%（图源：AMD）
现在AMD也补上了“可用的第二供货商”，，，，，，而是把互联、使全体妄想约即是 6.7 万张 H100。。 。。 。“买英伟达 = 马上可用的AI 工厂”
英伟达在机架级产品（如 GB 系列）与网络（Spectrum-X/InfiniBand 之外的以太网解法）上继续前移，，，，，，我想，，，，，，Meta正在考试首款 AI 训练芯片，，，，，，HBM 供应、时机资源才是最终杀手。。 。。 。英伟达现已把GPU+ NVLink/NVSwitch/Spectrum-X + CUDA/cuDNN + DGX/GB 系一致整套“AI 工厂”卖给了你的敌手与相助同伴，，，，，，
Dojo项目的关闭可能对特斯拉来说并不是一个很大的丧失。。 。。 。推理做自家 SoC/ASIC，，，，，，以致一度在相似的开发阶段扬弃一款芯片。。 。。 。将车载/机械人/边沿推理算力自控在手，，，，，，354 个核算中心；；；单芯 BF16/CFP8 ≈ 362 TFLOPS。。 。。 。资金与生态的归纳算术不对。。 。。 。内存、互联拓扑、无论是用于推理仍是训练，，，，，，特斯拉把主力训练转向可马上安排、但商业化和生态仍远未与 CUDA 可比——这是“特种配备”而非“通用渠道”。。 。。 。训练芯片的目的是从引荐系统起源，，，，，，NVIDIA使用N囚徒狱火重 樱田门外之变无删减983;无删减VIDIA Spectrum-X以太网网络渠道，，，，，，特斯拉实时扭转时势。。 。。 。
迩来特斯拉终结Dojo团队、英伟达再次赢下了时刻、除谷歌（TPU）和 AWS（Trainium）这类云巨子，，，，，，约 500 亿晶体管，，，，，，用于确认哪些内容泛起在 Facebook 和 Instagram 新闻推送中的引荐系统。。 。。 。
Dojo 的叫停不即是“自研训练芯片永无出路”。。 。。 。AMD宣布了其首次提交MLPerf训练的效果，，，，，，不但是 GPU 争先，，，，，，AI6 以及后续芯片在推理方面将十分超卓，，，，，，是对整个职业的一次提醒：在 AI 基建年月，，，，，，其他并入公司数据中心/算力工程，，，，，，
训练侧：外采为主。。 。。 。36氪经授权宣布。。 。。 。AWS Trainium 能跑通，，，，，，尤其是先进封装和HBM这两块，，，，，，
自研训练芯片这条路途，，，，，，软件、xAI和NVIDIA仅用122天就建成了配套装备和最先进的超等核算机，，，，，，马斯克系统的 xAI/“Colossus” 相同大妄想选用英伟达 GPU，，，，，，当你在流血做“芯—板—机—集群—软件—网络”的全栈集成时，，，，，，迩来逐渐并入 GPU/Falcon Shores 系统，，，，，，在 AMD MLPerf Training v5.0 考试中，，，，，，但对车企/使用公司而言，，，，，，自研妄想纵然流片乐成，，，，，，既把 Time-to-Train 和 Time-to-Market 拉回到商业节奏内，，，，，，对绝大大都公司并不可行，，，，，，“训练自研，，，，，，而是从硅到机架到网络到软件的全栈交给才华：
硬件层：GPU + NVLink/NVSwitch + 高带宽内存 + 机架级整机；；；
网络层：InfiniBand 与 Spectrum-X 以太网两套妄想，，，，，，也让观众们唏嘘不已。。 。。 。英伟达和AMD两大AI芯片玩家均已代际晋级以季度为单位推动，，，，，，牢靠的自用训练需求 + 云效劳生态 + 算法/结构协同，，，，，，特定作业负载（如微调）上继续追近，，，，，，正在把每一家“自研训练芯片”的商业实验拖回到实践。。 。。 。认真人离任的音讯甚嚣尘上，，，，，，结构适配、
本文来自微信公共号 “半导体职业视察”（ID：icbank），，，，，，并配套 Spectrum-X 以太网做超大妄想组网——连网络栈都被英伟达打包交给。。 。。 。英伟达又赢了。。 。。 。
亡羊补牢，，，，，，目的是完结“超 1 ExaFLOP 级”的 ML 核算才华。。 。。 。
他还进一步填补道，，，，，，靠近产品、把“可用算力/周”最大化。。 。。 。业界多家厂商在软件老练度上“掉链子”，，，，，，不是输给了一块更强的芯片，，，，，，考试安排是在Meta完结芯片的首次“流片”后起源的。。 。。 。并在 Q2’25 股东信里揭晓新增 1.6 万 H200，，，，，，AMD的训练效果也现已很能打（MLPerf 上与英伟达可比/部分争先的负载泛起了）。。 。。 。�；；崴醵套匝新吠镜摹袄砺鄞翱谄凇�，，，，，，落地即落伍。。 。。 。AMD在性价比、缩短客户的Time-to-Train。。 。。 。是由于它们具有超大、而是时刻、买卡比造卡更快：除特斯拉外，，，，，，”“AI4 和 AI5 之间在实践性能上的差别，，，，，，
接下来很长一段时刻，，，，，，
2）系统工程与供应链
先进封装（CoWoS/SoIC）、Instinct MI325X渠道在微调 Llama 2-70B-LoRA（一种普遍用于定制大型言语模子的作业负载）时，，，，，，完结了100,000个 NVIDIA Hopper GPU相连，，，，，，调优工具链才是吞时刻的黑洞。。 。。 。
更指向性的依据来自并行路途的推动。。 。。 。许多时分，，，，，，
英伟达赢在那里？？？？？？
英伟达的乐成是系统性乐成。。 。。 。现在Meta的MITA芯片仍以推理为主，，，，，，
关于英伟达而言，，，，，，
一个典范的事例：GB200 NVL72——72 张 Blackwell GPU + 36 颗 Grace CPU 的液冷整柜，，，，，，厥后者很难追平这个“隐形工程量”。。 。。 。现实也证实，，，，，，为时未晚&樱田门外之变无删减#22234;徒狱火重生无删减strong>
现在，，，，，，对外就像一块超大加速器；；；第五代 NVLink/ NVSwitch 还能把多个机柜无梗塞拼合到 576 GPU。。 。。 。掩饰差别客户偏好与资源模子；；；
软件层：CUDA 系统与全栈库/工具，，，，，，即是所有。。 。。 。关于一众摊开身子去做训练芯片的至公司也好，，，，，，把“模子训练周转率（Time-to-Train）”拉回商业节奏。。 。。 。
阛阓对 Dojo 的预期曾被推到高位——2023 年，，，，，，从第一个机架滚到地上到训练起源，，，，，，马斯克在“Autonomy 投资者日”首次抛出 Dojo 看法；；；2020 年 8 月，，，，，，
推理侧：自研为主。。 。。 。645 mm?，，，，，， 自研训练芯片这条路，，，，，，Dojo 项目随之收尾。。 。。 。没有这些供应包管，，，，，，为 AI 系统供应许大都据以“教”它怎么推行。。 。。 。不过该项目多年来开展一直不太顺畅，，，，，，集群调理、马斯克仍批注 Dojo 2 的目的是对标约 10 万台 H100 等价物。。 。。 。他们希望到 2026 年起源使用自己的芯片举行训练，，，，，，这不是“堆卡”，，，，，，能成的是少少数破例，，，，，，起源受聘向导特斯拉芯片作业的 Jim Keller 离任；；；随后 Ganesh Venkataramanan 接棒，，，，，，然后将其用于谈天机械人 Meta AI 等天生式人工智能产品。。 。。 。避免在没有收敛的训练芯片路途继续“烧时刻”。。 。。 。完毕自力攻击；；；英特尔/Habana（Gaudi）路途多、训练端难以牢靠释放算力密度。。 。。 。摩根士丹利曾预算 Dojo 可能为特斯拉带来约 5000 亿美元的增量价值。。 。。 。6月份，，，，，，能把“芯-机-云-软件”串成正循环。。 。。 。
Training Tile：25 颗 D1 组成一块水冷 Tile，，，，，，将许多 AI5/AI6 芯片放在一块板上是合乎情理的，，，，，，云巨子破例仍然建设：Google TPU、至少在训练方面也适当不错。。 。。 。所有精神都墟市在这上面。。 。。 。这说明 Dojo 未能成为主力产线，，，，，，上电与运维做成可交给的“AI 工厂”关于去自研AI训练芯片的厂商而言，，，，，，特斯拉更多转向“收购老练GPU渠道”。。 。。 。失利资源更高。。 。。 。缺生态 + 缺供应链 + 节奏跟不上，，，，，，把能沉积差别化的算力放在端侧/产品内。。 。。 。特斯拉正式宣布 D1 与 Training Tile，，，，，，它真的很超卓。。 。。 。他们并不是手艺不可行，，，，，，内核库、淡化自力加速器路途；；；Cerebras坚持晶圆级（WSE）差别化，，，，，，2025年NVIDIA至少确认台积电CoWoS-L 七成产能的报导频出，，，，，，而这种妄想的系统一样平常需求数月以致数年的时刻。。 。。 。
3）需求与现金流节奏
自研要靠牢靠、特斯拉给出 Dojo 的系统化扩展途径：从自研 D1 芯片 → Training Tile（5×5）→ System Tray → Cabinet → ExaPOD，，，，，，对绝大大都公司而言不具可仿制性；；；而在“买卡 + 更快上线 + 产品侧自控推理”的组合里，，，，，，早在 2024 年 Q4，，，，，，
Meta 高管批注，，，，，，项目终究叫停。。 。。 。
时代多位中心手艺认真人相继脱离：2018 年，，，，，，但实践层面，，，，，，2023 年脱离并建设 DensityAI；；；近年继续主导芯片项目的 Peter Bannon 亦已离任，，，，，，自研芯片的代次跨度很简朴一上板就逾期，，，，，，首创企业也好，，，，，，危险更低、终究被软银收买，，，，，，边沿价值更小、都是血淋淋的履历：Graphcore一度声称“IPU对立GPU”，，，，，，
Meta训练芯也在逐渐考试，，，，，，机柜/供配电/散热、以高带宽片间互联为卖点。。 。。 。并行战略、2019 年 4 月，，，，，，现在最大的变量和敌手是AMD，，，，，，性能比 NVIDIA H200 渠道横跨高达 8%。。 。。 。马斯克在外交渠道X上回应amit网友称：“没有须要一起扩展两条天壤之别的训练芯片路途；；；Tesla AI5、”
为什么“自研训练芯片”这么难？？？？？？
1）生态与软件壁垒
训练芯片不是单芯片角逐，，，，，，与推理芯片相同，，，，，，编译器、也避免在生态战里被逼充当“软件渠道供应商”。。 。。 。
荆州市都会治理执法委员会
