Tesla ustavil projekt Dojo: konkretni razlogi, podrobnosti in vpliv na panogo
Milijardni vložki in tehnični izzivi superračunalnika Dojo
Projekt Dojo je bil eden najambicioznejših Teslinih podvigov na področju umetne inteligence. Podjetje je v razvoj superračunalnika vložilo približno milijardo ameriških dolarjev v obdobju nekaj let, z začetnim namenom, da Dojo s svojimi lastnimi D1 čipi preseže zmogljivosti obstoječih rešitev, kot sta Nvidia A100 in kasneje H100. Tesla je trdila, da naj bi Dojo že v zgodnji fazi dosegla zmogljivosti nad 1 eksaflops, kar bi ga postavilo med najhitrejše računalniške sisteme na svetu. Za primerjavo: Nvidia H100 dosega vrhunske rezultate v AI obdelavi, vendar je Teslin cilj bil gradnja še učinkovitejših rešitev za specifične potrebe video-podatkov iz samovozečih vozil.
Kljub tehnološkim prebojem so se pojavili številni izzivi: razvoj lastnih integriranih vezij (ASIC) je zaostajal, stroški lastne proizvodnje so rasli, pri optimizaciji programske opreme pa so inženirji naleteli na probleme z učinkovitostjo in stabilnostjo. Tesla je želela, da bi Dojo bistveno pospešil učenje za programsko opremo FSD in omogočil hitrejši prehod do 5. stopnje avtonomije. Tudi časovni načrt ni bil zanemarljiv – Musk je večkrat napovedoval dosego popolne avtonomije do leta 2025, a se je v praksi izkazalo, da so roki nerealno optimistični.
Podrobno o razlogih za ustavitev projekta in preobrat v strategiji
Odlok o “razpustu” Dojoja je posledica predvsem pomanjkanja razmerja med vlogo in rezultati projektnih vlaganj. Poleg stroškov je v odločitvi pomembno vlogo igrala tudi sposobnost podjetja, da privabi in zadrži ključne kadre na izjemno konkurenčnem trgu specialistov za razvoj čipov. Del ekipe ni bil zadovoljen s tempom napredka in omejenimi možnostmi za raziskovalno svobodo. Težave pri razvoju programske podpore in integraciji D1 čipov s Teslino obstoječo infrastrukturo so dodatno upočasnile projekt.
V ozadju je bilo še vprašanje, ali lahko Tesla v proizvodnji, dobavi in vzdrževanju lastnih čipov doseže konkurenčno ceno proti ponudnikom, kot je Nvidia. Nvidia H100 je v zadnjem letu postala standard za treniranje umetne inteligence, saj ponuja odlično razmerje med zmogljivostjo, stabilnostjo, energetsko učinkovitostjo in ceno. Teslina odločitev, da poveča odvisnost od teh GPU, pomeni premik od ambiciozno napovedanih povsem lastnih rešitev k bolj fleksibilnemu in hitreje prilagodljivemu modelu.
Odhod ekipe in novi izzivi z ustanovitvijo DensityAI
Odhod približno dvajsetih ključnih Teslinih strokovnjakov pomeni znatno kadrovsko spremembo v podjetju. Poleg Ganesha Venkataramanana, vodje programa D1, so podjetje zapustili še trije vodilni arhitekti čipov, več senior inženirjev sistemske arhitekture ter strokovnjaki za visoko zmogljive računalniške sisteme. Skupina je ustanovila podjetje DensityAI, s sedežem v Silicijevi dolini, kjer želijo razvijati storitve za podatkovne centre in infrastrukturo umetne inteligence za velika industrijska podjetja.
DensityAI je že napovedal prve pilote s podjetji iz avtomobilske in energetske panoge, trenutno pa zaposluje okoli 30 inženirjev in se pospešeno širi. Njihov cilj je postati vodilni neodvisni ponudnik po meri grajenih rešitev za treniranje in optimizacijo umetne inteligence, pa tudi razvoj strojne opreme za podatkovne centre v sektorjih, kjer so potrebe po računski moči največje.
Konkretni vplivi na trg in morebitne priložnosti za Slovenijo
Za evropski AI ekosistem, vključno s Slovenijo, se zaradi rasti potrebe po infrastrukturnih rešitvah odpirajo nove razvojne in poslovne možnosti. Slovenska podjetja, ki delujejo v dobavni verigi za računalniško infrastrukturo, imajo lahko možnost sodelovanja v projektih DensityAI ali pa izkoristijo razpoložljivost naprednih rešitev za lastni razvoj. Poleg tega lahko domači talent na področju računalništva in elektronike poišče priložnosti sodelovanja pri projektih z mednarodnim dosegom, saj je trend selitve strokovnjakov v hitro rastoča podjetja še posebej prisoten tudi v regiji.
Sama ustavitev Teslinega Dojoja sicer pomeni, da bo podjetje kratkoročno hitreje napredovalo z uporabo preverjenih orodij, dolgoročno pa bo razvoj ključnih tehnologij za avtonomno vožnjo bolj fragmentiran in odvisen od globalnih inovacij. Ta premik lahko slovenskim podjetjem, ki razvijajo rešitve na področju umetne inteligence, omogoči hitrejši dostop do svetovnih standardov in sodelovanje z vodilnimi na področju infrastrukture in storitev za podatkovne centre.
**Teslin primer** tako jasno pokaže, da je področje strojne opreme za umetno inteligenco izjemno tekmovalno, tveganja in vložki pa so visoki. Vendar pa nastanek podjetij, kot je DensityAI, dokazuje, da se znanje in izkušnje ne izgubijo, temveč se lahko preusmerijo v razvoj novih, inovativnih rešitev za celotno industrijo.
