Dojo對標A100性能強勁，AI應(yīng)用場景拓展

D1 芯片對標英偉達 A100。D1采用臺積電 7nm 制程，面積約為 645mm2，包含 500 億顆晶體管，BF16、CFP8 算力可達 362TFLOPS，F(xiàn)P32 算力可達 22.6TFLOPS。特斯拉D1芯片對標英偉達 A100，英偉達 A100 同樣采用臺積電 7nm 制程，面積為 826mm2，晶體管數(shù)量達 542 億顆，F(xiàn)P32 峰值算力為 19.5TFLOPS。

D1 芯片依次組成 Tranining tile、Tray、機柜、ExaPOD。特斯拉并未將 SoC 從晶圓上切下來，而是將所有 SoC 連接。25 個 D1 芯片組成了一個 Training Tile 多晶片模組（MCM），每個 D1 芯片功耗 400W，一個 Training Tile 功耗為 15kW。此外，6 個 Training Tile 組成一個 tray，再由兩個 Tray 組成一個機柜，10 個機柜組成 ExaPOD，BF16/CFP8 峰值算力達到 1.1EFLOPS（百億億次浮點運算），并擁有 1.3TB 高速 SRAM 和 13TB 高帶寬 DRAM。

Dojo 的設(shè)計思想是通過較高的對稱性來實現(xiàn) scale out 能力。在單個 Training tile 上，由于并未將芯片切下，為了提高效率和降低成本，特斯拉并未在片上集成 DRAM 等器件，這與許多通用 GPU 有所不同。集群節(jié)點之間以 2D mesh 連接，邊緣則通過 Interface-processors負責內(nèi)存池數(shù)據(jù)搬運。

顯而易見，D1 芯片需要高速的互聯(lián)來實現(xiàn)，臺積電 SoW 封裝技術(shù)提供了這一條件。InFO_SoW 取消了襯底和 PCB 的使用，使得多個芯片陣列使解決方案獲得晶圓級優(yōu)勢，以獲得低延時、高帶寬等優(yōu)勢。此外除了異構(gòu)芯片集成外，其 wafer-field 處理能力還支持基于小芯片的設(shè)計，以實現(xiàn)更大的成本節(jié)約和設(shè)計靈活性。

在部分模型上，Dojo 能實現(xiàn)相對 A100 更高的性能。例如在圖像分類模型 ResNet-50 上，Dojo 可以實現(xiàn)比英偉達 A100 更高的幀率。而在用于預(yù)測汽車周圍物體所占空間的神經(jīng)網(wǎng)絡(luò)模型 Occupancy Networks 上，相比英偉達 A100，Dojo 能實現(xiàn)性能的倍增。

特斯拉將大力投資基礎(chǔ)設(shè)施，2024 年有望達 100Exa-Flops 算力。特斯拉目前 AI 基礎(chǔ)設(shè)施較少，僅約 4000 個 V100 和約 16000 個 A100。而 Microsoft 和 Meta 等公司擁有超過 10萬個 GPU。據(jù)特斯拉規(guī)劃，2024 年有望達 100Exa-Flops 算力。

特斯拉擁有海量數(shù)據(jù)庫，數(shù)據(jù)價值亟待挖掘。Model3 傳包含 8 個攝像頭，1 個毫米波雷達，12 個超聲波雷達，位置分別為：1-車牌的上方裝有一個攝像頭；2-超聲波傳感器（如果配備）位于前后保險杠中；3-各門柱均裝有一個攝像頭；4-后視鏡上方的擋風玻璃上裝有三個攝像頭；5-每塊前翼子板上裝有一個攝像頭；6-雷達（如果配備）安裝在前保險杠后面。特斯拉車型銷量形勢良好，通過傳感器件建立了龐大的數(shù)據(jù)庫，但受限于硬件限制，無法充分挖掘數(shù)據(jù)價值，Dojo 量產(chǎn)有望突破瓶頸。

自建 AI 基礎(chǔ)設(shè)施，AI 或賦能特斯拉快速成長。特斯拉 Dojo 性能強大，我們認為，除加速自身智駕進程外，或可拓展至其他應(yīng)用領(lǐng)域，如機器人等。此外，特斯拉也可能成為一家云服務(wù)提供商，向相關(guān)廠商提供自身算力或模型服務(wù)。