剧透特斯拉将在AI Day上发布的超级计算芯片？

前不久，马斯克发推特宣布了特斯拉「AI Day」将在北美时间 8 月 19 日正式举行。

此次 AI Day，马斯克将会特斯拉在人工智能领域的软件和硬件进展，尤其在（神经网络）的训练和预测推理方面。这次活动的另外一个目的就是招揽相关人才。

在「AI Day」发布会的邀请函上，放着一张芯片图。

从图上估测，该芯片采用了非常规的封装形式，第一层和第五层铜质结构是水冷散热模块；红色圈出的第二层结构由 5*5 阵列共 25 个芯片组成；第三层为 25 个阵列核心的 BGA（球栅阵列）封装基板；第四层和第七层应该只是物理承载结构附带一些导热属性；蓝色圈出的第六层应该是功率模块，以及上面竖着的黑色长条，很可能是穿过散热层与芯片进行高速通信的互联模块。

从第二层结构的圆形边角，以及拥有 25 个芯片结构来看，非常像 Cerebras 公司的 WSE 超大处理器，猜测特斯拉可能采用了 TSMC（台积电）的 InFo-SoW（集成扇出系统）设计。

所谓 InFo-SoW 设计，简单理解来说就是原本一个晶圆（Wafer）能够「切割」出很多个芯片，做成很多个 CPU/GPU 等类型的芯片（根据设计不同，光刻时决定芯片类型），而 InFo-SoW 则是所有的芯片都来自于同一个晶圆，不但不进行切割，反而是直接将整个晶圆做成一个超大芯片，实现 system on wafer 的设计。

这么做的好处有三个：极低的通讯延迟；超大的通讯带宽；能效的提升。

简单来说，由于芯片与芯片之间的物理距离极短，加上通讯结构可以直接在晶圆上布置，使得所有内核都能使用统一的 2D 网状结构互连，实现了芯片与芯片间通信的超低延迟和高带宽；以及由于结构优势实现了较低的 PDN 阻抗，实现了能效的提升。此外，由于是阵列多个小芯片组成，可以通过冗余设计来避免「良品率」问题，以及实现小芯片处理的灵活性。

举个形象的例子，特斯拉前一阵公布的超级电脑（用于训练自动驾驶和自动驾驶能力的深度神经网络），一共用了 5760 个 NVIDIA A100 80GB 的 GPU，那么在这些芯片之间，需要海量的物理结构进行连接以实现通讯，不仅耗费大量成本，且由于连接结构的带宽限制成为「木桶短板」，导致整体效率较低，并且还有分散的庞大散热问题。

这里拿 Cerebras 的 WSE-2 作为参考对比，一个芯片的核心数是 NVIDIA A100 的 123 倍，芯片缓存为 1000 倍，缓存带宽为 12733 倍，Fabric 结构带宽则为 45833 倍。

这样级别的性能怪兽其主要目的，就是为了 AI 的数据处理和训练。

所以不难推断出，「AI Day」邀请函上放出的这张图，应该就是马斯克所谓的 Dojo 超级计算机的自研芯片。并且颇有意思的是，发布会的时间是 2021 年 8 月 19 日，而就在刚好一年前的 2020 年 8 月 19 日，马斯克发了一条推特说：「Dojo V1.0 还未完成，估计还需要一年的时间。不仅仅是芯片本身的研发难度，能效和冷却问题也非常的难。」

之所以说冷却问题难，是因为根据标准晶圆一块是 300mm 来看，那么特斯拉这块 Dojo 芯片设计单个芯片应该与英伟达 RTX 3090 差不多，至少每个芯片有 280 亿-320 亿个左右的晶体管，单个芯片功耗可达 250W-300W 左右，整体功耗约在 6250W-7500W 左右；并且台积电也曾说 InFo-SoW 设计的最高功耗约为 7000W，同样印证了这一点。

几个月后，马斯克又补充说：「Dojo 采用我们自研的芯片和为神经网络训练优化的计算架构，而非 GPU 集群。尽管可能是不准确的，但是我认为 Dojo 将会是世界上最棒的超算。」

并且，马斯克在 2021 年特斯拉 Q1 财报时也曾说：「Dojo 是一台为神经网络训练优化的超级计算机。我们认为以视频数据处理速度而言，Dojo 将会是全世界效率最高的。」

到底马斯克会在即将到来的 AI Day 上发布一款怎样的超级计算机，敬请关注汽车之心的报道。