英伟达放大招，特斯拉的算力芯片，彻底凉了？
人工智能时代的到来，推动了算力芯片的快速发展。作为AI芯片领域的两大巨头，英伟达和特斯拉的较量备受瞩目。近期，英伟达推出了全新的B200和GB200等AI芯片，算力和能效大幅提升，被视为对特斯拉自研算力芯片Dojo的严峻挑战。
英伟达新品B200/GB200算力能效大幅提升
英伟达在今年3月的GTC大会上，发布了全新的B200和GB200等AI芯片。这些芯片采用了4纳米工艺制程，单精度浮点运算能力高达1.5PetaFLOPS，比上一代产品提升了3倍以上。 功耗也得到了大幅优化，GB200的功耗仅为300W，能效比提升了2.5倍。
这种性能的飞跃，主要得益于英伟达在张量核心、流式多重数据采样等技术上的创新。 业内人士认为，英伟达新品的推出，或将改变AI芯片的＂游戏规则＂。
对特斯拉Dojo算力芯片构成重大挑战
英伟达新品的出众表现，无疑对特斯拉自研的Dojo算力芯片构成了重大挑战。特斯拉一直计划用自研的D1芯片，逐步取代英伟达GPU。 根据已公布的信息，D1芯片的性能至少落后同级英伟达产品4年，发热量也更大。
特斯拉CEO马斯克曾表示，如果英伟达能提供足够的GPU，他们可能就不需要Dojo了。 而英伟达新品的出现，无疑让马斯克的这一想法更加坚定。多家认为，特斯拉短期内很难与英伟达新品正面竞争。
特斯拉自研D1芯片落后
性能落后同级产品至少4年
根据已公布的信息，特斯拉自研的D1算力芯片，在性能上至少落后同级英伟达产品4年。 D1的单精度浮点运算能力约为9PetaFLOPS，而英伟达新品GB200已经达到了惊人的1.5PetaFLOPS。
不仅如此，D1芯片的设计也存在一些缺陷。由于采用了环形设计，D1的内存带宽受到了限制，无法充分发挥算力潜能。 D1还缺乏像英伟达张量核心那样的专用硬件加速单元，在某些AI应用场景下，性能将进一步落后。
发热更大
除了性能不足之外，D1芯片在发热方面也存在明显缺陷。由于采用了较为陈旧的16纳米工艺，D1的发热量比同期英伟达产品高出30%左右。
发热过多不仅会影响芯片的稳定性和使用寿命，还会增加散热和制冷的成本。这对于特斯拉的自动驾驶系统来说，无疑是一个沉重的负担。
短期内难与英伟达新品竞争
综合以上因素，多家认为，特斯拉短期内很难与英伟达新品正面竞争。 即便D1芯片最终能够投产，其性能和能效也将远远落后于英伟达的同级产品。
特斯拉似乎也意识到了这一点。马斯克曾表示，如果英伟达能提供足够的GPU，他们可能就不需要Dojo了。 这从侧面说明，特斯拉并不是非要自研芯片不可。
特斯拉两手准备
囤积大量英伟达GPU
为了应对未来的需求，特斯拉已经囤积了大量英伟达GPU。 根据报道，特斯拉在2022年底就已经订购了价值10亿美元的英伟达GPU，用于其自动驾驶系统。
这一做法，无疑是特斯拉对自研芯片前景的一种保险。如果Dojo项目最终失败，特斯拉至少还有英伟达GPU可以使用。
Dojo项目负责人被解雇，项目陷入僵局
Dojo项目的前景却并不乐观。今年3月，负责Dojo项目的特斯拉高级员工Ganesh Venkataramanan被解雇。 这被外界视为特斯拉对Dojo项目前景失去信心的信号。
根据知情人士透露，Dojo项目目前已经陷入了僵局。 特斯拉高层对项目的未来发展方向存在分歧，加上英伟达新品的压力，Dojo项目的前景更加扑朔迷离。
推动相关技术应用
液冷技术
除了对特斯拉的影响，英伟达新品的出现，也将推动一些相关技术的应用。 由于功耗较高，英伟达新品对散热和制冷的要求更加苛刻。液冷技术有望在数据中心等场景得到更广泛的应用。
液冷技术可以比传统风冷更高效地将热量带走，从而使芯片获得更好的散热环境。 液冷系统的建设和维护成本也更高，这将是数据中心运营商需要权衡的一个因素。
光模块技术
为了充分发挥新品的算力潜能，光模块技术也将成为未来的一个发展方向。 光模块可以极大提高芯片与内存之间的带宽，从而加速数据的传输。
英伟达已经在新品中采用了基于光学的NVLink技术，以提升芯片间的通信能力。 光模块技术有望进一步推广，助力AI算力的提升。
英伟达最新推出的AI芯片，凭借出色的算力和能效，对特斯拉自研的Dojo算力芯片构成了严峻挑战。特斯拉自研芯片D1在性能和发热方面，都远远落后于英伟达新品，短期内很难与之正面竞争。
特斯拉似乎也意识到了这一点，已经囤积了大量英伟达GPU做两手准备。Dojo项目负责人被解雇，该项目也陷入了僵局，前景扑朔迷离。
除了对特斯拉的影响，英伟达新品的出现还将推动液冷和光模块等相关技术的应用，为数据中心带来新的发展机遇。
英伟达此次的＂放大招＂，无疑将改变AI芯片的发展格局。特斯拉自研算力芯片的前景是否＂彻底凉了＂，还有待时间的检验。但可以肯定的是，英伟达在这场算力争夺战中，暂时占据了上风。