在今年特斯拉 AI 开放日上，D1 芯片风光无限。
独特的晶圆封装系统 + 芯片设计，让 D1 在训练万亿参数级神经网络时，可以拥有数量级优势。特斯拉更在发布会上表示，它在性能上已经完全碾压英伟达 GPU 和谷歌 TPU。
不过，颠覆性的设计能够带来关注，也会遭到质疑。
最近，半导体分析网站 SemiAnalysis 就表示：
D1 芯片存在一些重大技术问题。
内存、成本上都有疑问
作为特斯拉首款 AI 训练芯片，D1 芯片采用分布式结构和 7nm 工艺，搭载 500 亿个晶体管、354 个训练节点，实现了超高算力和超高带宽。
根据特斯拉已经透露的信息，SemiAnalysis 从以下几个方面提出了质疑：
首先是内存问题。
SemiAnalysis 认为，D1 芯片无论在功能单元层面还是系统层面，想要达到他们所说的算力，内存可能都不够。
功能单元层面，D1 芯片的单个功能单元具有 1.25MB SRAM 缓存、1TFlop 的 FP16/CFP8 精度计算能力。
在芯片层面，裸片上没有其他 SRAM 结构，只有 354 个单元的 1.25MB SRAM 来支撑。
基于设计相似的 IPU，SemiAnalysis 推测这种设计会导致严重的内存缺陷，从而影响芯片的算力。
事实上，每个 IPU 芯片上 SRAM 的数量还是 D1 的两倍，但它在性能上和英伟达 A100 比起来，劣势依旧非常明显。
在 BERT 和 ResNet50 训练中，英伟达 A100 的速度分别是 IPU 的 1.54 倍和 1.43 倍。
其次，就是在成本问题上。
特斯拉 D1 芯片之间可以实现无缝融合，这使它能够达到 8 TB/s 的 IO，比 ASIC 和英伟达高出一个数量级。
为了满足这样大的 IO，特斯拉采用了独特的封装方式，即 InFO_SoW。
这种封装方式的特点就是可以够大。
在发布会上，它们也展示了由 25 个 D1 芯片组成的训练模块。
但这种封装方式在实际生产中的难度很高，出现报废的情况会更多，由此也会导致成本突增。
除了这两方面，SemiAnalysis 认为 D1 还有很多未解决的问题。
比如，在发布会现场被问到软件方面的问题时，特斯拉工程师甚至回答他们完全没有准备。
SRAM 方面的问题也亟需解决，否则将会面临运行速度过快的风险。
以上种种，都导致特斯拉的开发人员需要对系统进行大量的优化。
此外特斯拉透露，目前他们已经部署的 D1 芯片只有 3000 个。
如此看来，D1 芯片的摊销成本也是非常高了。
D1 真的在神坛之上吗？
事实上，在特斯拉 AI 开放日的第二天，它的股价上涨甚至还不如英伟达。
可见投资界对于马斯克带来的新技术，也都非常冷静。
有人表示，特斯拉把技术封锁在自己的堡垒内，外界无法测评，也就无从得知它真正的优势和局限性。
这一次向特斯拉开怼的是 SemiAnalysis，它是一家半导体分析评论网站，首席分析师为 Dylan Patel，毕业于佐治亚大学特里商学院。
参考链接：
[1]https://semianalysis.com/the-tesla-dojo-chip-is-impressive-but-there-are-some-major-technical-issues/
[2]https://news.ycombinator.com/item?id=28361807
[3]https://www.linkedin.com/in/dylanpatelsa/