当特斯拉宣布解散其耗时六年打造的Dojo超级计算机团队时，自动驾驶领域的技术路线分化正走向关键节点。几乎在同一时期，Waymo宣布将在丹佛和西雅图启动人工监督下的自动驾驶出租车测试，为商业化落地铺路。这场技术路径的抉择，折射出行业从单一技术探索向多元生态竞争的转变。
特斯拉的Dojo项目曾承载着马斯克对AI训练的雄心。2019年Autonomy Day活动上，这款专为FSD神经网络设计的超级计算机首次亮相，其命名取自日语"道场"，寓意成为AI技术的修炼场。2021年推出的D1芯片与2023年投入量产的规划，曾让马斯克预言其算力将在2024年跻身全球前五。但现实与预期渐行渐远，2025年8月项目终止时，原计划投入的超10亿美元资金未能换来预期的技术突破。
技术路线的分歧在底层逻辑上早已显现。特斯拉坚持的纯视觉方案，试图通过8个摄像头模拟人类视觉系统，依赖全球数百万辆特斯拉车辆采集的视频数据进行神经网络训练。这种"数据驱动"的模式需要超强算力支撑，Dojo正是为此而生。但马斯克最终承认，当所有技术路径都指向AI6架构时，Dojo2已成为"进化死胡同"，取而代之的是由5万块H100 GPU组成的Cortex训练集群，以及与三星签订的165亿美元AI6芯片采购协议。
Waymo的扩张轨迹呈现出截然不同的技术哲学。这家谷歌旗下公司采用激光雷达、高精地图与多传感器融合方案，通过"渐进式区域覆盖"策略推进商业化。2025年9月启动的丹佛、西雅图测试，将投放12辆捷豹I-Pace与极氪车型，延续其"人工监督+区域扩张"模式。目前Waymo已在5个美国城市提供付费服务，计划年内进入迈阿密、华盛顿等10个新市场，并与Uber合作拓展亚特兰大服务。
全球竞争格局中，中美企业的技术路径呈现差异化创新。百度Apollo Go早在2021年就在广州推出无人车服务，其北京首钢园项目更成为全球第二个面向公众的收费无人驾驶服务。文远知行将新一代Robotaxi GXR引入新加坡测试，开创东南亚市场先河。蘑菇车联的MogoMind大模型则代表另一种方向，通过70亿参数的通感算一体化设备，实时捕捉交通流量、行人动态等异构数据，感知精度超90%，已在8个城市落地。
特斯拉的Robotaxi服务仍在推进，但技术调整频繁。6月22日奥斯汀试点服务启动时，10-20辆改装Model Y以4.2美元固定费用运营。不到三个月，服务区域从初始面积扩展至171平方英里，远超Waymo的90平方英里。8月3日的安全策略调整中，监控人员座位从副驾驶移至驾驶座，以应对高速公路场景的复杂性。这种"快速迭代"模式，与其纯视觉方案的技术特性形成呼应。
行业专家指出，单纯依赖数据量提升模型智能存在物理极限。经济成本与数据质量成为关键制约——当训练数据达到PB级后，新增数据的信息密度可能下降，而算力需求仍呈指数级增长。特斯拉转向Cortex集群与AI6芯片，实质是从"自建算力"向"生态合作"的战略迁移。这种转变在华为ADS 4.0宣布具备高速L3试点能力时得到印证，显示头部企业都在探索技术路径的最优解。
自动驾驶的竞争已从技术参数比拼，转向生态能力与商业化落地的综合较量。特斯拉的垂直整合战略、Waymo的渐进扩张模式、中国企业的场景创新，以及蘑菇车联代表的AI网络路线，正在重构行业格局。当Dojo的硬件轰鸣声渐行渐远，全球自动驾驶产业正步入多技术路线并存的新阶段。
