近日特斯拉解散Dojo团队、负责人离职的消息甚嚣尘上，也让观众们唏嘘不已。近几年来，对于一众摊开身子去做训练芯片的大公司也好，初创企业也好，都是血淋淋的教训：Graphcore一度号称“IPU对抗GPU”，最终被软银收购，结束独立冲锋；英特尔/Habana（Gaudi）路线多、生态分裂，近来逐步并入 GPU/Falcon Shores 体系，淡化独立加速器路线；Cerebras坚持晶圆级（WSE）差异化，产品与订单在增长，但商业化和生态仍远未与 CUDA 可比——这是“特种装备”而非“通用平台”。
自研训练芯片这条道路，对绝大多数公司并不可行，能成的是极少数例外，不是可复制的范式。英伟达又赢了。
Dojo的“高开低走”
Dojo 是特斯拉为“现实世界场景”模型训练而自研的数据中心级训练系统。2019 年 4 月，马斯克在“Autonomy 投资者日”首次抛出 Dojo 概念；2020 年 8 月，他称受限于供电与散热，系统“还需大约一年”才能就绪。2021 年 8 月的 AI Day 上，特斯拉正式发布 D1 与 Training Tile，并同步公开 CFloat8/16 白皮书，给外界描绘了一条“自研算力+自研数值格式”的硬核路线。
在 2022 年的AI Day上，特斯拉给出 Dojo 的系统化扩展路径：从自研 D1 芯片 → Training Tile（5×5）→ System Tray → Cabinet → ExaPOD，目标是实现“超 1 ExaFLOP 级”的 ML 计算能力。
D1：台积电 7nm，约 500 亿晶体管，645 mm²，354 个计算核心；单芯 BF16/CFP8 ≈ 362 TFLOPS。
Training Tile：25 颗 D1 组成一块水冷 Tile，BF16 ≈ 9 P
