AI 能力是人形机器人产业核心壁垒。人形机器人的硬件零部件在工业机器人、汽车领域 已得到了广泛利用，从中短期角度来看相关硬件厂商主要竞争要素在于控本；而从长期 角度来看降本是全行业的一致行动，龙头厂商较难保持控本优势，因此零部件控本难以 作为优质壁垒。相比之下，AI 能力是人形机器人厂商的核心壁垒。AI 能力很大程度上定 义了人形机器人的能力范围，也是爆款场景落地的必备条件。参照智能汽车领域的软件 定义汽车概念，软件算法有望成为人形机器人的核心价值环节。

未来商业模式：从制造走向运营，数据与算力是核心要 素

人型机器人算法与智能驾驶系统相类似。特斯拉 Optimus 软件算法移植了 FSD 智能驾 驶系统，计算芯片移植了 HW3.0 智驾芯片。智能驾驶系统与人形机器人系统具备较高 的相似性，都是将 AI 能力赋能于复杂硬件设备，串联起众多传感器、运算芯片与执行 器，实现智能体的自主行动。两者软件算法也有较高相似性，都具备了完整的感知、决 策规划、控制的循环链路。这也是特斯拉能够快速切入人形机器人领域的核心原因。人 形机器人系统相比智能驾驶系统，在微观层面的要求更高。智能驾驶系统只需要识别道 路常见物体，而人形机器人系统不仅在物体识别能力上有更高要求，还需要辨别物体重 量、质感、抓取方式等更多要素，因此需要更高的 AI 能力。

除了算法外，算力也是衡量厂商 AI 能力的重要因素。为了实现具身智能，人形机器人 搭载的大模型往往有千亿级别的参数量。在此过程中模型的训练与推理需要花费大量的 算力，因此人形机器人厂商需要筹备超算平台以支持具身智能系统的训练和推理。高性 能算力平台可以协助具身智能算法快速迭代，缩短开发周期，还能在实际云端推理过程 中加快响应速度，减少人形机器人的延迟。

特斯拉自研 Dojo 超算平台支撑人形机器人的底层算力。特斯拉人形机器人 Optimus （擎天柱）采用 Dojo 超算平台作为底层 AI 算力支撑。Dojo 芯片架构平台由 Dojo D1 芯片组成，拥有一 个大规模计算平面，极高宽带和低延迟，训练模块最大程度上实现了带宽的保留。D1 芯 片本身采用 7 纳米制造工艺，算力为 22.6 Flops@FP32，超过英伟达 A100 的 19.5Flops@FP32，配合特斯拉自研的高带宽、低延迟的连接器。预计到 2024 年 10 月， Dojo 超算平台的有望匹配 30 万块英伟达 A100 芯片的算力。据摩根斯坦利数据显示， 特斯拉自研的 Dojo 超算平台有望为公司节省超过 65 亿美元的算力投入（对比购入同等 算力下的 A100 芯片算力集群）。

总结：当我们还在为多模态大模型训练要消耗庞大算力而吃惊的时候，特斯拉已开始为其无人驾驶、人形机器人的大模型训练建设Dojo超算平台，其算力规模将达100EFlops，相当于30万块英伟达A100 GPU的算力总和！而全球不止特斯拉一家在训练无人驾驶大模型和人形机器人大模型，即便全球只有5个这样的大模型，也将消耗尽英伟达一年的全部产能！