這是CVPR 2021（2021年計算機視覺和模式識別會議）的“舊聞”，特斯拉人工智能與自動駕駛視覺總監Andrej Karpathy（師從華人AI學者李飛飛），在會議上披露了特斯拉超級計算機Dojo（Dogo：日語直譯為道場，意譯為訓練場）原型機的細節：

使用720個80GB版本的8x A100節點構建的超級計算機，總算力達到了1．8EFLOPS（EFLOPS：每秒千萬億次浮點運算），有10PB的存儲空間，讀寫速度為1．6TBps。上述算力達到了全球第五（取代目前第五的英偉達Selene集群），但尚未正式投入使用。

但上述算力不是特斯拉Dojo的終極目標，在馬斯克的規劃中，Dojo超級計算機的算力要達到每秒鐘exaFLOP的級別，也就是百億億次浮點運算，是現在的一萬倍，按照2020年全球超算排名，特斯拉Dogo將超過目前的日本超算“富岳”登頂世界超算算力第一的寶座。目前，尚不清楚特斯拉啥時候能夠推出來。

特斯拉一直是自動駕駛視覺路線的堅決擁躉，從2021年5月開始，更是把特斯拉量產車上原來標配的毫米波雷達去掉，只采用全車8個攝像頭來為特斯拉的FSD（完全無人駕駛）提供外部環境數據采集傳感器。這也是目前全球唯一一家采用純視覺的車企，包括蔚來、小鵬、理想等造車新勢力，以及長城、本田、寶馬等傳統車企，無一例外都是要上激光雷達，以實現輔助駕駛及以上功能。

在特斯拉看來，把毫米波雷達砍掉，是因為多傳感器融合，會干擾系統的判斷，甚至會造成誤判，因為但不同傳感器過來的數據沖突的時候，會延長系統處理和判斷的時間，甚至會出現誤判。這對于高速行駛的自動駕駛（甚至是無人駕駛）汽車來說，是非常可怕的。

早在2019年的特斯拉自動駕駛日，馬斯克就對外劇透了特斯拉Dojo的想法，時隔兩年之后，特斯拉對外闡述了Dojo的算力和工作方式。在特斯拉看來，要想讓機器人司機對新環境的反應可以表現得像人類，甚至是優于人類的話，需要一個巨大的數據集以及處理這些數據集的計算機處理能力。

對特斯拉來說，巨大的數據集來源，就是遍布全球的百萬級的特斯拉車輛。目前，特斯拉已經積累了100萬個10秒左右的視頻，并給60億個物體貼上了深度、速度和加速度的標簽。這些數據每天都還在增加，這就需要特斯拉有一個強大的計算機來處理這些龐大的數據，因為，目前這些數據已經達到了驚人的1．5PB。以特斯拉百萬級的車輛保有量，這個規模的數據收集終端，數據增長速度也是驚人的。

在特斯拉的規劃中，全球各地的數據，都會匯集到Dojo超級計算機中心進行處理。當然，這不包括中國的數據，因為中國出臺了相關的管理辦法，限制這類數據出境，因此，特斯拉在上海建立了數據中心，不知道會不會放一臺Dojo到上海呢？

對于自動駕駛來說，如此大規模的數據，如何進行標注是個大問題。特斯拉Dojo采用的是無監督學習算法，這個算法是無需人工對訓練數據集進行標注，系統自行通過樣本間的統計規律對樣本集進行分析，從而減少特斯拉對數據進行人工標注的工作量，從而幫助實現訓練效率的指數級提升。這是特斯拉的殺手锏。

關于Dojo的更多細節，包括商用時間，在未來幾個月內可能會得到披露。有可能是特斯拉財報電話會上，但更大的可能是在特斯拉正在籌劃的“AI Day”上。Dojo的出現，顯然會幫助特斯拉加速實現完全無人駕駛的商業化，一旦實現完全無人駕駛，特斯拉必然會推出RoboTaxi車隊提供打車服務。

特斯拉Dojo的出現，對于其他自動駕駛公司來說，這是一個巨大的挑戰。去看看超級計算機的排名，前五的除了第五名的Selene是英偉達的之外，前四的都是國家擁有的，包括第一的日本“富岳”、美國的Summit和Siera分別二三，第四的是中國的“神威太湖”，這些都是舉國之力的結果。一旦，特斯拉Dojo登頂第一，這樣的算力霸權會讓其他公司望塵莫及。

目前，自動駕駛的實現路線中，特斯拉在純視覺路線上越走越遠，其他公司在激光雷達上的路線越走越遠。出現這種情況的原因是理念不一樣，馬斯克認為人類不需要激光雷達來開車，所以，機器人司機也不需要才是合格的。在這樣的原則下，特斯拉自研芯片、自研超算，更重要的是搭建和不斷迭代算法架構，并且有海量的數據進行訓練。

最終，無人駕駛這場戰爭會不會因為Dojo的出現而終結，整個激光雷達行業會不會最終被覆滅。因為馬斯克說，Dojo是對外開放的，和特斯拉此前說公布電動汽車專利是一樣的套路，其他公司敢用嗎？