Tesla relance Dojo3: son superordinateur IA pour rivaliser avec Nvidia et accélérer la conduite autonome

Tesla mise sur Dojo3 pour doper l’entraînement vidéo et réduire les coûts face à Nvidia. Cap sur des gains mesurables en latence et perf par watt.

Face à l’appétit croissant des modèles vidéo, Tesla remet le projecteur sur son calcul massif. Ainsi, le constructeur relance son supercalculateur Dojo3 avec l’objectif affiché de réduire les coûts d’entraînement et de rivaliser avec les solutions GPU dominantes.

Dojo3 relancé : cap sur l’entraînement vidéo massif

Désormais, Tesla vise des gains concrets sur des tâches très spécifiques, comme l’entraînement de réseaux qui apprennent à partir de flux caméra. De plus, l’équipe promet un meilleur débit et une latence plus basse sur les pipelines vidéo, en misant sur une pile matérielle et logicielle unifiée autour de Dojo3.

Sur le papier, cette stratégie doit limiter la dépendance aux cartes généralistes, tout en gardant la flexibilité logicielle. En revanche, elle suppose un effort d’ingénierie soutenu, du compilateur aux interconnexions, pour tenir la comparaison avec les GPU Nvidia les plus récents.

Ce que change une pile matérielle sur mesure

Ainsi, une architecture pensée pour la vidéo optimise les mouvements de données et la mémoire proche du calcul. Par conséquent, le modèle peut avaler plus de séquences longues, et apprendre des scènes complexes avec moins de goulots d’étranglement.

« L’enjeu n’est pas d’être bon partout, mais d’être très efficace là où l’on s’entraîne le plus. »

La puce D1, dévoilée lors d’une présentation antérieure, reste la brique historique de cette approche. Selon la documentation partagée à l’époque, elle a été annoncée avec 354 à 360 cœurs spécialisés, ce qui a permis à Tesla d’orchestrer ses premiers modules de supercalcul.

Calendrier, coûts et dépendance à Nvidia

Le nom AI5 apparaît comme une désignation interne pour une puce d’inférence plus récente côté bord. Aussi, plusieurs indices publics laissent entendre des travaux de validation et d’industrialisation, avec un accent mis sur la sobriété énergétique et la robustesse logicielle chez Tesla.

  • Objectif affiché : accélérer l’entraînement vidéo avec Dojo3.
  • Enjeu clé : réduire le coût par itération et la latence.
  • Comparaison visée : GPU Nvidia de génération serveur.
  • Risque principal : maturité du compilateur et de l’outillage.
  • Signal à suivre : performances par watt en production.

Pourtant, le groupe reste client des GPU de centre de calcul, le temps de monter l’infrastructure. En bref, Tesla continue d’acheter des accélérateurs récents, comme les gammes H100 ou B200, afin de sécuriser la capacité d’entraînement à court terme.

Le label AI6 circule, lui, comme itération suivante dédiée aux charges IA exigeantes. Ainsi, l’accent pourrait porter sur la bande passante mémoire et la fiabilité à haute température, deux points critiques en production véhicule et en bord de réseau.

Sites, énergie et chaîne d’approvisionnement

Le terme AI4 renvoie aux générations déjà déployées dans les calculateurs embarqués. En revanche, la feuille de route évoque une montée en gamme progressive, avec la compatibilité ascendante comme garde-fou pour les flottes déjà livrées.

Sur le terrain, un déploiement de supercalculateurs impose puissance électrique, refroidissement et surfaces adaptées. Ainsi, le dimensionnement des salles, la disponibilité des puces et la logistique des baies deviennent décisifs pour lisser les montées de charge.

Compétition, risques et signaux à surveiller

La comparaison directe avec les GPU leaders ne se gagnera pas sur une seule métrique. Par conséquent, il faudra suivre la performance par watt, la latence bout en bout et le rythme d’itération des modèles, des indicateurs que Tesla met en avant pour étayer ses promesses.

Le nom AI7 apparaît enfin dans des échanges techniques comme une étape liée à Dojo3. Aussi, l’objectif serait d’aligner le silicium et le logiciel pour des gains concrets sur la vidéo multi-caméras, un domaine où la marque cherche une avance nette.

En bref, trois pièces devront s’emboîter sans friction : le matériel, l’outillage et les données de conduite. Ainsi, la valeur se verra dans la vitesse d’entraînement, la stabilité en production et l’amélioration mesurable des systèmes d’aide à la conduite.