标签 · #dojo

实体 AI 计算架构 — 边缘 vs 云端：Tesla FSD 芯片、Waymo 定制 ASIC 与 Dojo 超算

边缘推理 vs 云端训练：Tesla FSD 芯片、Waymo 定制 ASIC 与 Dojo 如何分工，掌控自动驾驶的完整计算栈。

Tesla押注Dojo自研芯片目标每FLOP 1美元，Waymo继承Google TPU规模优势，两者在训练迭代速度上均大幅领先依赖NVIDIA的竞争对手。

Waymo 使用 Google TPU Pod 并享受补贴算力，每日模拟 150 亿英里。Tesla 建造 Dojo D1 专用芯片训练视频，同步运行 NVIDIA H100 集群。

NVIDIA B200 估计 9 exaFLOPS 驱动几乎所有自动驾驶 AI 训练。Tesla Dojo 押注自研芯片，Waymo 通过 Alphabet 使用 Google TPU。算力决定胜负。

Waymo 使用 Google TPU 集群训练模型；Tesla 以 Dojo D1 加上 600 万辆车队数据训练。训练算力差距是 Physical AI 隐形的速度限制器。

Tesla每日从600万辆车采集数百万英里FSD里程；Waymo每日运行150亿模拟里程。数量vs质量定义了Physical AI数据管线竞赛格局。

AV车队充电需求、Dojo训练耗电与人形机器人电池续航全面量化——能源成本是实体AI经济学中被低估的关键变量。

激光雷达从2016年的75,000美元暴跌99%至今日不足500美元。Tesla HW4传感器BOM约300至700美元，Waymo第六代约5,000至15,000美元；Cybercab与第七代分别是各公司的硬件成本关卡。

Tesla 自研 Dojo D1 芯片是 FSD 与 Optimus 训练的算力核心 — 押注更快的训练吞吐量能持续复利带来更好的自动驾驶。

Tesla 自研 Dojo 集群与租用 H100/B200 云端算力的架构、经济模型与战略意涵全面比较分析。

Tesla 每天产生的驾驶训练数据超过全球所有机器人出租车公司的总和。FSD 数据飞轮如何复利增长，以及为何没有竞争者能够复制。