自研Dojo超算的投入产出，本质上是用前期巨大的资本开支，换取智驾训练环节的长期边际成本优势；而影子模式则把数据采集成本近乎归零，把智驾部门的成本重心从“获取数据”转移到“处理数据”，从而让FSD订阅这类软件收入有机会覆盖算力投入，形成盈利闭环。

Dojo超算的投入与算力定位

特斯拉在2021年AI Day上推出了自研超算系统Dojo。从定位看，这套系统是为满足影子模式对算力的高要求而建，其核心价值在于把数据处理能力掌握在自己手中。据公开的算力榜单数据，Dojo的FP32算力位列全球主要超算中心前五，属于头部梯队。长期来看，这套超算系统也有望进化为云服务商，为外部提供算力服务，这构成了投入产出的另一重想象空间。

影子模式如何改变智驾成本结构

影子模式是特斯拉独有的数据闭环机制：系统会把模拟决策和驾驶员实际操作进行对比，不一致的地方才回传数据，并且会提前过滤掉算法已覆盖的场景。这套机制对整车智驾部门的成本结构带来了两个层面的改变：

  • 数据获取成本趋近于零：无需专门组建车队采集数据，海量在路上行驶的车辆就是数据来源，回传是“按需”而非“全量”，避免了无效数据的存储与传输浪费。
  • 成本重心向算力倾斜：数据回传后，存储、清洗、训练计算成为主要开支，这也正是Dojo超算存在的理由。相比租用外部云算力，自研超算在长期规模化使用下更具经济性，但前期研发与建设投入巨大，属于典型的“重资产前置”模式。

盈利闭环：软件收入覆盖算力成本

特斯拉的软件创收主要有三大块：FSD付费服务、软件应用商城、车联网订阅服务。其中FSD付费是软件利润的重要来源，也是与影子模式、Dojo超算直接相关的核心变现路径。其逻辑在于：影子模式持续优化算法，算法能力提升支撑FSD功能升级，进而推动用户为FSD付费——软件收入逐步覆盖算力投入，形成一个自我强化的商业闭环。

常见问题

Dojo超算和租用云算力哪个更划算？

自研超算前期投入巨大，但长期规模化使用后，边际成本更低，且不受外部云服务商定价制约。租用云算力前期灵活、无重资产压力，但长期使用成本会持续累积。两者孰优孰劣，取决于训练规模是否足够大、使用是否足够频繁。

影子模式对整车BOM成本有影响吗？

影子模式不依赖额外硬件，它利用的是车辆已有的自动驾驶传感器和芯片，通过软件逻辑实现数据筛选与回传。因此对单车硬件成本的影响很小，成本主要体现在云端的数据处理和训练环节。

FSD订阅收入能覆盖Dojo的投入吗？

从模式设计上看，FSD付费是软件利润的重要来源，其收入规模取决于装机量（即特斯拉的全球销量）和付费率。随着全球产能扩张带来的车辆保有量增长，软件收入的规模效应会逐步显现，但能否完全覆盖超算投入，仍需以公司后续披露的财务数据验证。