Tesla beendet Dojo: Musk setzt auf Samsung, Nvidia & AMD

Das interne Supercomputer-Projekt ist Geschichte. Welche Strategie steckt hinter Teslas Schwenk zu externen Partnern?

gpt-image-1 | All-AI.de

Tesla zieht die Reißleine beim Supercomputer-Projekt Dojo. Der interne Trainings-Stack für autonome Fahrzeuge, Full Self-Driving und den Roboter Optimus wird eingestellt, das Team aufgelöst. Projektleiter Peter Bannon verlässt das Unternehmen. Zeitgleich erklärt Elon Musk auf X die neue Chipstrategie – eigene Inferenz-Hardware, aber Training künftig über Partner. Ein Strategiewechsel mit Signalwirkung: weniger Eigenbau, mehr Kooperation.

Dojo-Ende: Von Ambition zu Anpassung

Mit der Auflösung des Dojo-Teams verabschiedet sich Tesla von der Idee, eine vollständig eigene Trainingsinfrastruktur aufzubauen. Künftig liegt der Fokus auf den internen AI5- und AI6-Chips, die laut Musk für Inferenz „exzellent“ und fürs Training zumindest „ziemlich gut“ geeignet seien. Die verbleibenden Ingenieure wechseln in andere Rechenzentrumsprojekte – der parallele Aufbau zweier Hardwarepfade wird damit beendet.

In der Praxis heißt das: Für das aufwendige Training großer Modelle greift Tesla nun verstärkt auf Nvidia- und AMD-Systeme zurück. Samsung fertigt künftig Teslas Chips in Texas – mit einem Volumen von 16,5 Milliarden Dollar. Dieser Schritt reduziert das technologische Risiko, bringt aber auch eine neue Abhängigkeit von etablierten Foundries und Plattformanbietern mit sich.

DensityAI: Know-how bleibt nicht lange arbeitslos

Parallel zum Projektstopp formiert sich mit DensityAI ein neues Start-up rund um Ex-Tesla-Ingenieure. Angeführt wird es von Ganesh Venkataramanan, früher Dojo-Leiter, unterstützt von weiteren ehemaligen Hardware-Spezialisten. Das Unternehmen will eigene Chips und Infrastruktur für KI-Rechenzentren entwickeln – mit Anwendungsfeldern von Robotik bis autonomes Fahren.

Der Zeitpunkt ist auffällig: Kaum fällt intern die Entscheidung, entsteht extern ein potenzieller Mitbewerber – oder Zulieferer. Für Tesla bedeutet das den Verlust von Know-how, das nun unter eigenem Namen operiert. Gleichzeitig ist es ein Beleg für die Marktreife dieser Kompetenzen. Die Rechenzentrumsbranche könnte einen neuen Player gewinnen, der mit realer Projekt-Erfahrung antritt.

Texas statt Gigafactory: neue Routen zum Ziel

Im Zentrum der neuen Lieferkette steht Samsungs Foundry in Taylor, Texas. Dort sollen die AI6-Chips produziert werden, was Tesla eine US-basierte Fertigungslinie außerhalb eigener Werke sichert. Gleichzeitig bleibt Nvidia dominant im Trainingsbereich, AMD dient als zweiter Lieferant. Für Tesla entsteht so ein Ökosystem, das die eigenen Inferenzchips mit skalierbaren Trainingslösungen ergänzt.

Es ist ein Kurs, der weniger auf Visionen, sondern auf Lieferbarkeit setzt. Die Zeit der Prestigeprojekte ist vorerst vorbei. Tesla spart Entwicklungsressourcen, beschleunigt Time-to-Market und hält dennoch die Kontrolle über die Echtzeit-Komponenten in Fahrzeugen und Robotern. Der Schnitt bei Dojo ist damit kein Rückzug, sondern ein fokussierter Umbau.

Was bleibt von Dojo?

Vielleicht mehr, als es auf den ersten Blick scheint. Die Vision, alles selbst zu bauen, mag einen Dämpfer bekommen haben – aber Teslas Strategie wird dadurch nicht kleiner, nur gezielter. Das Ende von Dojo macht den Weg frei für eine neue Rollenverteilung: Eigene Chips für das, was direkt beim Nutzer passiert. Und für das Training? Die Spezialisten, die nichts anderes tun.

Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung.

Teile diesen Beitrag

Folge uns auf Social Media

Keine KI-News mehr verpassen und direkt kommentieren!

Unterstütze uns direkt

Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support!