3 Minuten
Tesla stellt Dojo-Kernteam nach Führungsabgängen ein
Tesla hat das zentrale Ingenieursteam hinter seinem Dojo-Supercomputer-Projekt aufgelöst und lenkt damit seine KI-Strategie in eine neue Richtung. Laut Bloomberg reagiert das Unternehmen damit unter anderem auf den Weggang von Dojo-Projektleiter Peter Bannon sowie rund 20 weiteren Entwicklerinnen und Entwicklern, die das Unternehmen verlassen haben, um sich dem Startup DensityAI anzuschließen. Die verbliebenen Fachkräfte aus dem Dojo-Projekt werden künftig auf andere Bereiche im Bereich Computing und Rechenzentren verteilt.
Ziele und Funktionsweise von Dojo
Das Dojo-System setzte ursprünglich auf selbstentwickelte Trainingschips sowie eine skalierbare Supercomputer-Architektur, die dazu gedacht war, gewaltige Mengen an Video- und Fahrdaten aus Teslas Fahrzeugflotte zu verarbeiten. Ziel war es, neuronale Netze für autonomes Fahren besonders effizient und schnell trainieren zu können – deutlich schneller als mit gängigen GPU-Rechensystemen.
Produktspezifika: Dojo im Vergleich zu Alternativen
- Dojo: Maßgeschneiderte Trainingsbeschleuniger, speziell für große Datenmengen aus Videos und Zeitreihen optimiert, mit besonders schnellen Datenverbindungen und auf verteiltes Modelltraining ausgelegter Architektur.
- GPU-basierte Systeme (Nvidia/AMD): Ausgereifte Softwarelandschaften, breite Unterstützung durch Dritthersteller und direkt einsatzfähige Plattformen für Training und Inferenz.
Teslas neue Chip-Strategie: KI-Chips AI5 und AI6
CEO Elon Musk erklärte auf X, man wolle die eigenen Ressourcen nicht länger auf zwei unterschiedliche eigene Chip-Linien aufteilen. Künftig konzentriert sich Tesla auf die Silizium-Plattformen AI5 und AI6, die Musk sowohl für Inferenz als auch mindestens „ziemlich gut“ für das Training von Modellen beschreibt. Geplant ist, diese Chips in großen Clustern einzusetzen – eventuell künftig in einer Art „Dojo 3“-Konfiguration, die auf standardisierte Hardware setzt.
Merkmale und Vorteile von AI5/AI6
- Ausgewogenes Design, das sowohl für Training als auch für Inferenz geeignet ist.
- Hohe Skalierbarkeit für Rechenzentrums-Cluster, was eine nahtlose Integration in Teslas autonome Fahrsoftware und Fahrzeug-KI ermöglicht.
- Fertigungs- und Liefervereinbarungen – insbesondere mit Samsung – sollen die Produktion beschleunigen.
Lieferkette, Partnerschaften und Marktrelevanz
Nach Auflösung des Dojo-Teams setzt Tesla verstärkt auf externe Zulieferer. Nvidia und AMD werden wohl weiterhin leistungsstarke Hardware für verschiedenste Rechenaufgaben liefern. Gleichzeitig hat Samsung Electronics einen Auftrag über 16,5 Milliarden US-Dollar zur Fertigung neuer AI-Chips für Tesla erhalten. Die Produktion der AI6-Chips soll laut Musk im Samsung-Werk in Texas stattfinden, während für AI5 eine Volumenfertigung Ende 2026 angepeilt wird.
Anwendungsfälle, Vergleiche und Risiken
Typische Einsatzbereiche für Teslas KI-Plattform sind das Training fortschrittlicher Fahrerassistenzsysteme und autonomer Fahrfunktionen, KI-Services im Fahrzeug wie der Chatbot Grok, humanoide Robotik sowie Aufgaben in Unternehmensrechenzentren. Der Mix aus eigener Chipentwicklung und bewährten GPU-Lösungen beschleunigt die Markteinführung, erhöht aber zugleich die Abhängigkeit von Partnern. Die Wechselbewegung zum Startup DensityAI und strukturelle Veränderungen verdeutlichen das Umsetzungsrisiko: Teslas Erfolg hängt maßgeblich davon ab, ob die neuen AI5/AI6-Chips und die Kooperationen mit Zulieferern in Sachen Leistung und Kosteneffizienz mit den ursprünglichen Dojo-Versprechen mithalten können.
Fazit
Mit der Einstellung des Dojo-Teams vollzieht Tesla einen strategischen Kurswechsel hin zu einem chipzentrierten Entwicklungsansatz mit externer Fertigung. Für Branchenbeobachter bleibt offen, inwieweit Tesla künftig Kontrolle über eigene KI-Infrastruktur behält oder die Vorzüge etablierter Lösungen von Nvidia, AMD und Samsung nutzt. Am Ende wird es entscheidend sein, ob Teslas eigene Chips, die Softwareplattform und das Partnernetzwerk den hohen Erwartungen rund um autonomes Fahren, Robotik und KI-Features im Auto gerecht werden.
Quelle: techradar
Kommentare