芝能智芯出品

特斯拉正在對AI芯片和硬件的開發做了重新的安排，這家以硬件自研聞名的公司，關閉原有的Dojo超算研發部門，將核心算力資源集中到兩款新一代自研芯片——AI5和AI6。

不同于Dojo時代的“訓練為王”，特斯拉的新策略是圍繞這兩款芯片，構建推理與訓練一體化的分布式計算平臺，并將推理集群置于FSD（完全自動駕駛）研發的中心位置。

這背后是特斯拉對自動駕駛訓練體系的根本調整——從依賴真實道路數據，轉向由世界模型生成的合成數據驅動。

通過在云端高并發運行世界模型，特斯拉可以批量生產覆蓋極端與長尾場景的合成駕駛數據，并與真實數據結合，快速訓練、迭代可部署在車端的FSD模型，壓縮了數據采集和標注的成本與周期，還讓特斯拉在安全性和可控性上掌握了主動權。

Part 1 AI 芯片戰略調整背景與硬件架構演變

特斯拉的Dojo項目自啟動以來，一直被視為公司在自動駕駛與AI算力自主化道路上的重要里程碑。

其早期定位是打造一個可在內部完成大規模神經網絡訓練的專有超算平臺，減少對外部GPU廠商的依賴，并為FSD（全自動駕駛）模型提供持續、快速迭代的訓練環境，隨著FSD研發思路的演變和合成數據生成的重要性上升，特斯拉發現原有的Dojo路線存在冗余性與資源分散問題。

關閉Dojo超算研發部門并非完全放棄自研AI硬件，而是將核心資源集中于AI5與AI6兩款芯片。這兩款芯片均由特斯拉自主設計，臺積電代工生產，具備推理與訓練的雙重能力。

馬斯克在最新表態中指出，與其同時研發多條產品線，不如通過在架構、帶寬和封裝上的優化，將AI5與AI6的算力模塊化組合，以滿足從車端到云端不同場景的計算需求。

在硬件架構上，特斯拉提出了靈活的擴展模式：單顆AI5或AI6可在車輛或機器人端完成推理任務，而多顆芯片并聯（最多可達512顆）則可構建高帶寬推理集群，承擔世界模型運行及大規模合成數據生成任務。

該方案被稱為“Dojo 3”，但其本質已不再是單一的訓練超算，而是一個推理驅動、可兼顧訓練的分布式計算平臺。

AI5與AI6在設計理念上強調晶體管密度與數據通道帶寬的平衡。單顆芯片擁有數百億級晶體管，面積達645平方毫米，采用模塊化封裝，以降低熱管理與電源分配的復雜度。

在生產環節，三星有可能承接AI6的部分制造任務，而英特爾則被傳將參與芯片封裝，形成臺積電—三星—英特爾三方協作模式。這一多元化供應鏈不僅有助于降低單一代工風險，也為特斯拉在產能和成本控制上提供更多主動權。

與此同時，特斯拉并未放棄外部算力資源，而是繼續使用英偉達GPU集群進行世界模型訓練，并與內部AI5/AI6推理集群形成互補。

英偉達在超大規模訓練場景下依舊具備成熟的軟件生態和性能優勢，而特斯拉自研芯片則在特定推理任務中具備更高的能效比。

這種混合架構為特斯拉的計算平臺帶來了兼容性與靈活性，既保持了技術的自主性，又利用了外部成熟資源的穩定性。

Part 2 合成數據驅動的FSD訓練體系重構

特斯拉戰略調整的核心動因，并非單純出于硬件設計的優化，而是與其FSD模型訓練方法的根本變化密切相關。

過去，FSD訓練高度依賴從特斯拉車隊收集的真實道路數據，這種方式雖然保證了數據的真實性與多樣性，但在覆蓋極端場景、長尾分布以及高危駕駛情境方面存在明顯不足。此外，真實數據的采集與標注成本高昂，且迭代周期受制于現實條件。

特斯拉正將訓練數據集的重心轉向由世界模型生成的合成數據。

所謂世界模型，是在云端訓練出的超大規模AI模型，它能夠在虛擬環境中模擬道路、交通參與者及各種天氣與光照條件。通過在該模型上進行推理，特斯拉可以快速生成數量龐大、分布多樣且可控性極高的合成駕駛數據。這些合成數據再與一定比例的真實道路數據結合，用于訓練新的FSD模型。

這一策略帶來的直接結果是，FSD模型訓練中推理的比重顯著提升。

◎ 傳統流程中，推理主要發生在車輛端，即模型已經訓練完畢后用于實際駕駛決策；

◎ 而現在，大量推理任務被前置到云端世界模型運行階段，用于合成數據生成。

這要求云端推理系統具備極高的帶寬與低延遲能力，以支持成千上萬場景的并行生成。在此背景下，由AI5/AI6芯片組成的推理集群（即Dojo 3）正好契合這一需求。

在新的訓練體系下，特斯拉的AI工作流大致分為三個層次：

◎ 首先，使用英偉達GPU集群訓練超大參數量的世界模型。該模型并不直接部署到車輛上，而是作為合成數據生成引擎。

◎ 其次，通過AI5/AI6推理集群運行世界模型，在大規模并行運算中生成覆蓋廣泛場景的合成數據。這些數據可靈活調整參數，例如增加雨雪天氣、夜間駕駛、特殊交通事件等長尾情景。

◎ 最后，將合成數據與部分真實道路數據混合，訓練出小參數量、可在車端部署的FSD模型，并在車隊中進行快速迭代與反饋更新。

采用合成數據的優勢不僅在于效率與可控性，還在于安全性。許多現實中危險或難以重現的情景，可以在虛擬世界中無限次模擬，從而在不增加現實風險的前提下提升模型的應對能力。

這種方法也逐漸成為AI領域的共識趨勢，不僅特斯拉，近期一些大型模型如Grok 4、GPT-5也采用了類似的策略，將合成數據作為訓練集的重要組成部分。

小結

特斯拉在硬件與數據策略上的同步轉向，使其FSD研發模式形成了新的閉環：世界模型在GPU集群上訓練，AI5/AI6推理集群批量生成合成數據，最終產出的輕量模型部署到數百萬輛車上進行驗證和優化。這樣的架構既保留了英偉達GPU的成熟生態，又通過自研芯片掌握了關鍵環節的算力自主權。

在整個行業都在探索自動駕駛與通用人工智能融合的今天，特斯拉的做法提供了一種參考路徑——推理與訓練不再涇渭分明，真實與合成數據不再對立，而是在硬件、算法與生產流程上高度耦合。這可能是下一階段AI競爭的主流方向。

       原文標題 : 特斯拉關停Dojo研發，AI5/AI6芯片成為新核心