10萬GPU難滿足，Tesla擴建超級電腦集群，Cortex 2.0能領跑AI？

Tesla正加速佈局算力基礎設施，於德州超級工廠北側興建Cortex 2.0超級電腦設施。此工程進展迅速，預計年底完成建設，明年上線運作。此舉旨在提升其在全自動駕駛（FSD）技術和人形機械人Optimus項目上的AI訓練能力。面對現有搭載十萬顆NVIDIA晶片的Cortex超級電腦已無法滿足需求，Cortex 2.0的建設顯得至關重要，將為Tesla的未來發展提供強勁算力支持。

Tesla德州超級工廠擴建：Cortex 2.0超級電腦集群建設中

Tesla在德州的超級工廠正進行擴建，新建工地位於現有廠區北側，目標是建設Cortex 2.0超級電腦集群。目前工程進展迅速，從空拍照片判斷，有望在今年底完成建設，明年投入使用。

Tesla現有兩個主要超級電腦集群：採用自研D1晶片的Dojo，專用於FSD訓練，規模較小；以及搭載NVIDIA H100和H200 GPU的Cortex，是目前FSD和人形機械人訓練的主力，擁有十萬顆晶片。然而，隨著數據量和模型複雜性的增加，現有算力已無法滿足需求。

十萬NVIDIA晶片難以滿足：自動駕駛與人形機械人訓練需求龐大

Tesla對算力的需求源於其在全自動駕駛和人形機械人領域的發展。實現全自動駕駛需要持續訓練和迭代海量真實世界駕駛數據。Tesla計劃在奧斯汀推出搭載FSD無監督版的無人駕駛出租車服務，對AI模型的成熟度和泛化能力要求極高。

訓練自動駕駛模型需要巨大的計算量。Tesla收集了龐大的駕駛數據，包含各種複雜場景。AI需要通過對這些數據的學習，理解並應對各種駕駛狀況，這需要大量的參數調整和模型迭代。

同時，Tesla Optimus人形機械人項目也處於發展關鍵期。公司計劃在今年內完成首批機械人的生產，並在明年擴大生產規模。訓練人形機械人執行複雜任務，如工廠作業和日常生活協助，需要強大的AI模型來支持其感知、決策和運動控制，計算複雜度高。

算力比較：Tesla與其他車企的水平

在汽車智能化轉型中，算力成為競爭焦點。各大車企都在加大AI和高性能計算的投入。然而，與Tesla相比，多數車企在算力規模和自研能力上存在差距。

目前，沒有其他汽車製造商擁有與TeslaCortex相當規模的GPU集群。部分科技公司擁有龐大算力，但主要應用於非汽車領域。汽車行業內，一些車企與NVIDIA合作，如蔚來汽車部分車型搭載Orin晶片用於輔助駕駛，但其晶片數量和整體算力與Tesla的集群相比仍有差距。

Tesla的獨特之處在於其垂直整合策略，不僅大規模部署NVIDIA GPU，還自主研發Dojo晶片，旨在為FSD訓練提供定制化算力。Dojo的具體性能和部署規模尚未完全公開，但其代表了Tesla構建自主可控AI基礎設施的決心。

行業分析認為，Tesla在算力上的投入使其在自動駕駛技術發展上具有先發優勢。龐大的算力能夠加速模型訓練，支持更複雜的算法和更精細的感知能力，提高自動駕駛系統的安全性和可靠性。

其他車企也在積極追趕，部分選擇與雲計算服務商合作，利用其算力資源進行AI模型訓練。未來，隨著AI晶片技術的發展，可能會出現更多高性能、低功耗的解決方案，為其他車企提供趕超的機會。

Cortex 2.0的潛在影響：加速自動駕駛與人形機械人發展

Cortex 2.0超級電腦集群的投入使用，預計將對Tesla的全自動駕駛和人形機械人項目產生重要影響。

在自動駕駛領域，更強大的算力將加速FSD無監督版的訓練和迭代，有助於Tesla更快提升自動駕駛系統的性能和可靠性，推進無人駕駛出租車服務的實現。通過處理更多數據和訓練更複雜的模型，Cortex 2.0有望提升自動駕駛系統在複雜環境下的應對能力。

在人形機械人Optimus項目方面，Cortex 2.0將為機械人的感知、決策和運動控制提供關鍵算力支持。訓練機械人執行精細動作、理解指令和在複雜環境中自主作業需要複雜的AI算法和大量計算資源。Cortex 2.0的投入將加速Optimus的研發進程，使其更快從概念走向實際應用。

Tesla建設Cortex 2.0超級電腦集群，是其在AI基礎設施上的重要投資，體現了其對全自動駕駛和人形機械人未來發展的信心。Tesla正通過持續投入算力，塑造汽車產業和AI技術的未來。

Text by BusinessFocus Editorial

免責聲明：本網頁一切言論並不構成要約、招攬或邀請、誘使、任何不論種類或形式之申述或訂立任何建議及推薦，讀者務請運用個人獨立思考能力自行作出投資決定，如因相關言論招致損失，概與本公司無涉。投資涉及風險，證券價格可升可跌。