特斯拉CEO埃隆?马斯克 (Elon Musk) 在参观了最近建成的得克萨斯州超级计算集群后，在社交媒体上公布了超算集群的名称：Cortex，并指出他刚刚完成了新设施的演练。

Cortex拥有约十万颗英伟达H100和H200芯片，专门用于训练特斯拉的自动驾驶系统FSD和Optimus机器人。值得注意的是，虽然马斯克提到的是英伟达的产品，但Cortex庞大算力的硬件组成，可能是多元的，马斯克此前就曾透露超算集群的目标是 —— 一半算力由英伟达和其他厂家组成，比如AMD，另一半则来自特斯拉自研的超算中心Dojo。

特斯拉今年在英伟达芯片上的支出可能达到30亿至40亿美元，占公司总人工智能相关支出100亿美元的近一半，剩余的资金将用于内部研发的AI推理计算机、车辆传感器和Dojo超级计算机。

内部自研，外购囤卡，庞大的算力支撑了FSD的迭代升级，也带来了新的问题：冷却和能耗。网络曝光的工厂信息显示，超算设施内外配置了多重散热冷却措施，包括外部的巨大风扇，以及四个超大水箱和巨大的地下水管。

马斯克此前还详细介绍了Cortex超级计算集群的巨大冷却需求，并解释说该集群今年将需要约130MW的电力，未来18个月内更是有望突破500兆瓦，这也难怪马斯克会担忧“未来2年内缺电”。

但相比之下，目前国内智驾玩家还不到担忧电力的时候。或者说，算力差距才是当前焦虑的主要来源。2024年，智能驾驶领域开始了一场算力战争，特斯拉、小鹏、理想、蔚来等头部玩家纷纷展示自己的算力规模，而且国内智能驾驶玩家面临着算力获取的挑战，尤其是在高端显卡的获取上。

行业普遍认为，影响自动驾驶能力的三要素是：算力、数据和算法。算法架构上，玩家们都转向了端到端，具体组成和细节各有千秋；数据目前主要取决于车辆的保有量，算法迭代升级，则逃不开算力依赖，但对国内玩家来说，高端算力的获取并不容易。

Cortex超算集群的算力规模和硬件组成更是显示了特斯拉在AI技术上的领先地位，这对国内智能驾驶玩家产生了巨大压力，也预示着智能驾驶领域竞争的激烈。但也有供应商认为，算力差距并不能决定一切，马斯克此前也表示虽然FSD的训练受到AI算力制约，但是需要干预的Corner Case场景数据，对迭代也很重要。