近日有台媒报道，特斯拉为了扩编超算Dojo的算力规模，可能会加深与台积电的合作。
Dojo的核心是一颗特斯拉自研的芯片D1，其基于台积电7nm制程和先进封装技术打造。今年D1在台积电的投片量约为5000片12吋晶圆，业界预测，这一数字到明年有望增至1万片。
当算力成为数字经济时代的重要生产力，无论是抢购GPU还是争夺代工产能，似乎都再正常不过。而令人好奇的是，Dojo究竟会给特斯拉带来怎样的协同效应？
图片来源：特斯拉
2021年AI Day上，特斯拉正式发布了自己的超级计算机Dojo。Dojo的发音源自日语，意为“道馆”。通俗点讲，基于自动驾驶及其他AI项目的视频数据，Dojo可以提供大规模的机器学习能力，从而训练神经网络。
要知道，特斯拉之前的超算采用的是英伟达GPU。马斯克曾解释说，如果英伟达能够提供足够的GPU，特斯拉可能就不需要Dojo了。英伟达分给特斯拉的订单显然不够。
但从另外一个角度看，这也许正是马斯克的“礼貌性借口”。Dojo项目负责人最初是这样介绍的，马斯克想要一台超快的训练计算机来训练 Autopilot。所以Dojo诞生了。
又或许也像艾萨克森《埃隆·马斯克传》中所写的，“他对成本的关注，以及他天生的控制欲，让他产生了这样一种想法：尽量多在公司内部制造零部件，而不是从供应商那里购买。”
如果能用更低的成本，换取相当的性能和更高的推理效率，那为什么不自研呢？因而有观点认为，Dojo 存在的意义之一，便是为了FSD能够实现更好的安全性和自动驾驶能力。
按照时间表，特斯拉Dojo在今年7月开启量产。最近一段时间，马斯克也在不断“剧透”FSD的相关成果，更加引得市场关注。
图片来源：特斯拉
根据特斯拉2021年公布的数据，每台Dojo超级计算机集成了120个训练单元，内置 3000颗 D1芯片，拥有超过100万个训练节点，算力则高达1.09EFLOP（每秒千万亿次浮点运算）。
而英伟达测算过，在4096颗 A100 GPU互联的情况下，训练10000 亿参数的神经网络模型大约需要 3～4 周时间；而在4096颗 H100互联的情况下，时间大约需要1周。
眼下，AI大模型已经进入“万亿参数量”时代，对训练芯片的算力和数量的需求不断增长。包括全球互联网巨头积极采购GPU芯片，特斯拉欲加大D1投片量，都是最好的证明。
另外对于马斯克来说，除了特斯拉，X（原 Twitter）内部也启动了新的AI项目，着手开发大语言模型，所以除了秘密采购GPU外，保证D1的产能也至为关键。
不过，我们也看到出现了一种新的质疑声：特斯拉Dojo初步投产，台积电是否能满足其需求？
图片来源：Not a Tesla App
首先从产能配额来看，去年年底，有消息称，台积电因遭客户砍单，7nm制程的产能利用率跌至50％以下。来到今年，受惠于AI大模型迅速兴起，高性能计算（HPC）需求尤其旺盛，使得台积电7nm产能利用率不断回升。据悉现已恢复至7~8成，但尚未满载。
结合中国台湾地区产业链的消息，台积电早于计划将7nm制程的月产能提升到了13万片，年底计划提升到14万片晶圆。换句话说，特斯拉的1万片晶圆至少现在来看是可以满足的。
除了采用台积电7nm制程，特斯拉Dojo的D1芯片也用上了InFO等级系统单晶圆（System-on-Wafer，SoW）技术，能将HPC芯片在不使用PCB和基板的情况下，与散热模块整合在一个封装中，从而加速生产流程。
从台积电披露的信息来看，该封装技术的优点包括但不限于，电气性能方面的高带宽密度和低PDN阻抗，以及更好的计算性能和电源效率。这是台积电在2020年推出的，也是其专为超算AI芯片选择的技术路线。
尽管特斯拉尚未公布D1大规模应用的进展，但日前摩根士丹利在报告中指出，超算Dojo可能会推动特斯拉robotaxi和软件服务的普及，从而带动其市值提升近6000亿美元。受该报告影响，特斯拉股价应声大涨10.6%。
截至发稿前，特斯拉市值达8597.93亿美元。接下来，特斯拉是会带来更多惊喜，还是会慢慢挤牙膏，尚需观察。
