如果這時候還覺得特斯拉只是個賣電動車的廠商的話，那可能會錯失很多投資機會，原因是馬斯克正準備顛覆大家對特斯拉的舊觀點！
【文／吳旻蓁】
摩根士丹利（大摩）日前發布一份題為「解鎖特斯拉的ＡＩ魔力」的報告後，因其將特斯拉的股票評級從持有上調至增持，且未來十二個月目標價從二五○美元上修至四○○美元，遠高於華爾街目前共識的二六八美元，便隨之掀起市場對這家電動汽車製造商的Dojo超級電腦及人工智能抱持高度期待，進而帶動特斯拉股價大漲，究竟特斯拉Dojo是什麼？為何大摩給出高度評價？
應該可以這樣說，其實市場上還是有許多投資人認為特斯拉只是個賣電動車的業者，問題是隨著中國電動車的快速崛起，電動車銷售市場免不了一場殺價來、殺價去的腥風血雨，但偏偏大摩不這麼認為，原來馬斯克早已默默布局，打造一個讓中國電動車業者抄襲不來的超級護城河。
Dojo加速特斯拉自駕開發
首先，第一座護城河是讓電動車更聰明的ＦＳＤ自駕系統，要有強大的ＦＳＤ功能，當然就要有足夠競爭力的ＡＩ運算架構，也就是「Dojo」。回顧Dojo誕生的背景，是因特斯拉的全自動駕駛及自動輔助駕駛系統已累積了數百萬ＴＢ的龐大數據量，這些數據又以影像為主，因此需要大量的算力來訓練其自動駕駛系統的視覺神經網路。原本特斯拉是使用輝達的ＧＰＵ來加速訓練，但由於輝達H100供不應求，且單價高達四萬美元，換算僅ＧＰＵ的成本就高達數億美元，加上ＧＰＵ並不是專門處理深度學習訓練而設計的，所以在計算任務中的效率相對較低，因此特斯拉決定自建超級電腦。
進一步來看，Dojo系統規模巨大，其是由二五個特斯拉自行研發的第一晶片（D1 Chips）組成訓練磚（Training Tile），六個訓練磚組成系統托盤（System Tray），兩個系統托盤組成機櫃（Cabinet），最終十個機櫃形成一個Dojo ExaPOD。其中，每個Ｄ１包含三五四個ＣＰＵ內核，每個內核具備獨立的ＣＰＵ能力，並經過精簡以適應ＡＩ訓練任務；換算下來，單一Dojo系統擁有超過一○六萬個ＣＰＵ內核和1.1E FLOPS（每秒千萬億次浮點運算）的計算能力。
大摩的報告也指出，一個版本的Dojo最終將具有能力處理超過四○萬輛運行ＦＳＤ（全自動駕駛）特斯拉車輛的視覺數據，以訓練特斯拉的人工智能模型以及每輛特斯拉車輛內部的ＦＳＤ晶片。這正是特斯拉為Dojo所設想的，旨在加速其自動駕駛和其他基於人工智能的軟體項目。
Dojo目前已被使用來訓練新一代ＡＩ模型，這些模型能夠在更複雜的交通環境中駕駛，例如城市街道駕駛和自動泊車。特斯拉執行長馬斯克在八月底的直播中展示了特斯拉新一代全自動駕駛FSD V12，可以看到儘管車輛在非預設道路上，也能自行禮讓行人、避開路障、路口轉向；馬斯克更多次強調，試駕過程中沒有靠任何相應代碼及人為設定，完全是透過大量影片素材訓練的結果。
為了實現完全神經網路而非代碼控制，FSD V12每天從全球近兩百萬輛特斯拉車隊中，獲取約一六○○億幀影像用於訓練，特斯拉預計，未來用於訓練的影像將達到數十億幀。這種訓練法好處是全部數據均來自真人，而人類約七○％訊息是通過視覺感知獲取的，這也是特斯拉為汽車計畫的方案，駕駛技術會採用最人性化、最像人類思考模式來駕駛。對此，大摩認為，若Dojo能讓電動車「看到」及「做出反應」，這項技術將為特斯拉帶來巨大優勢，並將推動特斯拉自駕計程車（robotaxis）及軟體服務的普及，從而帶動公司市值提高近六○○○億美元或七六％。
特斯拉已於今年七月開始生產Dojo超級電腦，且計畫二四年將再投入十億美元；而根據算力預期圖顯示，特斯拉的算力將進入快速增長期，預期明年二月算力規模將進入全球前五，明年十月算力總規模將達到100 Exa-Flops，相當於三○萬顆A100顯卡的算力總和。
特斯拉算力進入快速增長期
由此可見，在特斯拉完全自動駕駛的雄心和人工智能應用的未來背景下，Dojo可以說是特斯拉ＡＩ發展的基石，不僅可助特斯拉在自動駕駛汽車領域快速創新，甚至可加快其正在研發的電腦視覺驅動機械人。大摩更看好，Dojo對特斯拉的價值就像ＡＷＳ之於亞馬遜，並表示「投資者長期在爭論特斯拉是一家汽車公司還是一家科技公司，我們認為兩者都是，但最大的價值驅動因素是軟體和服務收入。」
大摩預期，特斯拉的網路服務（SaaS/Dojo雲端服務）不僅將成為該公司的收入增長點，還有助於提升馬斯克的其他業務前景，包括Ｘ（以前是Twitter）、SpaceX、電池業務，甚至包括Neuralink和The Boring Company。若觀察特斯拉未來十二個月的預期本益比為五七．九倍，遠超於美國傳統汽車製造商福特的六．三一倍和通用汽車的四．五六倍，由此來看，或已可說明市場不僅只將特斯拉視為一家降價求售的電動車廠，而是更多的將目光聚焦到特斯拉的軟實力上，這是其得以享有高本益比的原因。（全文未完）
全文及圖表請見《先探投資週刊2266期精彩當期內文轉載》
