核心观点：

1、特斯拉AI芯片人才外流已形成链条式趋势：从2023年Dojo负责人Ganesh离职创办DensityAI，到约20名核心工程师集体加盟，再到AI硬件资深总监Shishuang Sun转投，核心团队相继出走直接导致Dojo项目终结，机构知识被持续掏空。

2、特斯拉转向"自研加外购"双轨策略实为无奈之举：英伟达H100/B200在AI训练领域的统治性地位侵蚀了自研算力的性价比优势，但外部采购意味着核心算力依赖第三方，自研路线又因人才流失而承压，两条路都存在结构性短板。

3、芯片硬件人才的稀缺性远超软件工程师，这是特斯拉困境的深层根源：全球具备先进封装、晶圆级系统设计经验的工程师屈指可数，特斯拉芯片团队规模本就有限，每一次核心人员离职都带走不可轻易复制的机构知识，与谷歌、亚马逊等拥有庞大工程师基数的巨头相比，容错空间极小。

4、特斯拉试图用资本手段弥补人才缺口——近20亿美元收购AI硬件企业（疑似DensityAI）买回专利与技术，同时规划千亿级Terafab芯片工厂——但芯片可以流片、工厂可以拔地而起，一支默契配合多年的核心工程团队无法用金钱在朝夕之间复制，人才的流向比芯片的流片更能预示企业的未来。

摘要：

近年来特斯拉AI芯片核心人才持续外流，从Dojo负责人Ganesh到资深总监Shishuang Sun，约20名工程师加盟DensityAI，另有10余人转投Sunday Robotics，凸显自研芯片战略面临的人才困境。

过去数年，特斯拉的AI芯片研发团队经历了一场持续不断的人才“失血”。从Dojo超级计算机项目负责人离职创业，到核心工程师集体跳槽，再到AI硬件资深总监转投新创公司，一条清晰的人才外流链条正在形成，而最新一环是Shishuang Sun。

Dojo团队的集体出走

这场人才外流的起点可以追溯到2023年。当年，特斯拉Dojo超级计算机项目负责人Ganesh Venkataramanan率先离职，创办了AI硬件新创公司DensityAI。此后，约20名Dojo核心工程师追随Ganesh加盟DensityAI，团队产品线覆盖AI数据中心、汽车、机器人及工业领域。前特斯拉员工Bill Chang出任DensityAI首席技术官，另一位关键人物——Dojo团队继任负责人Peter Bannon也被报道即将离职。

这场集体出走直接推动了Dojo项目的终结。马斯克通过社交媒体确认Dojo团队已解散，Dojo 2“走进死胡同”，仅保留潜在“Dojo 3”的可能性。Dojo曾承载马斯克最宏大的技术愿景：采用台积电InFO-SoW先进封装技术，在一块硅晶圆基板上集成25颗D1芯片，以5×5阵列排列，每颗D1芯片采用7纳米制程，集成超过500亿个晶体管，裸片面积达645平方毫米，内含逾9000个浮点运算核心。在2021年Tesla AI Day上首度公开亮相时，Dojo被称为“全球最快的AI训练计算机”，同成本下性能提升4倍，同能耗下性能提高1.3倍，占用空间节省5倍。

然而，Dojo面临三重困境：关键人才流失导致严重的机构知识缺口；晶圆级封装良率瓶颈制约量产；英伟达和AMD的外部GPU快速发展已超越Dojo的开发时间表和生态系统。尤其英伟达H100及后续B200芯片在AI训练领域的统治性地位，使得特斯拉自研算力的性价比优势不断被侵蚀。摩根士丹利将此定性为“战略调整”而非失败——以资本效率和应用导向为中心的务实转向。值得一提的是，特斯拉2025年资本支出预计超过90亿美元，AI研发是最大的成本驱动因素之一。在如此规模的投入下，核心人才的外流意味着巨额投资的产出效率面临直接威胁。

Shishuang Sun：最新一环

2026年7月，特斯拉AI硬件设计资深总监Shishuang Sun正式加入DensityAI，出任“封装与系统硬件”负责人。他在特斯拉效力长达5.5年，职责横跨芯片封装、电源设计、信号完整性、PCB设计以及散热和机械结构等多个领域。这些工作虽不直接决定芯片架构设计，却是芯片从实验室走向量产产品的关键环节——尤其对高性能AI芯片而言，供电、散热与大规模部署的稳定性，往往决定最终产品能否成功落地。

回顾其职业轨迹，Shishuang Sun早期即参与特斯拉自动驾驶计算平台研发，随后曾离开特斯拉加入Waymo，负责自动驾驶硬件中的设计验证、信号与电源完整性等工作。2021年1月，他重返特斯拉担任AI硬件首席工程师（Principal Engineer），深度参与Dojo超级计算机与Autopilot系统相关的AI硬件开发。2025年4月，凭借专业表现获擢升为AI硬件设计资深总监。仅一年后，他选择离开。他的加入延续了DensityAI“从老东家招人”的鲜明路径。

不止于DensityAI：多方向的人才流失

特斯拉的人才外流并非仅向DensityAI一个方向。至少10名前特斯拉员工已加盟机器人创业公司Sunday Robotics，脱离“隐形模式”后团队阵容曝光。其中，佩里·贾（Perry Jia）曾在特斯拉Autopilot及Optimus机器人项目工作近六年，于2026年夏宣布加盟Sunday Robotics；纳迪莎·阿马拉辛哈（Nadeesha Amarasinghe）同样在特斯拉任职逾七年，曾担任AI基础设施团队工程负责人，参与Optimus与自动驾驶系统研发。Autopilot和Optimus是特斯拉最引人注目的研发项目，这些资深员工的离去意味着两个核心方向同时失血。

值得注意的是，特斯拉面临的人才争夺并非单向流动。马斯克旗下的xAI同样在从英伟达、谷歌DeepMind等机构吸纳AI研究人才，形成跨企业的人才再分配。但芯片硬件领域的人才池远比软件工程师更为稀缺——全球具备先进封装、晶圆级系统设计经验的工程师屈指可数，而特斯拉恰恰在这一垂直领域连续失血。与谷歌、亚马逊等科技巨头自研TPU、Trainium芯片时拥有庞大工程师基数不同，特斯拉的芯片团队规模本就有限，每一次核心人员离职都意味着不可轻易替代的机构知识被带走。

战略转向与人才隐忧

放弃Dojo后，特斯拉将AI芯片战略重新聚焦于AI5和AI6两款芯片，同时加大对英伟达和AMD外部GPU的采购力度，形成“自研加外购”的双轨格局。2026年4月，马斯克宣布AI5芯片完成流片，设计正式定型。AI5实现全方位性能跃迁：单颗芯片AI算力达2000至2500 TOPS，是上一代AI4的4至8倍；综合性能较AI4提升40倍，内存容量从16GB增至144GB（提升9倍），内存带宽提升5倍，能效比达到同级芯片的3至5倍。

【图表：AI5芯片相对AI4关键性能提升对比】

AI5芯片将全面转向Optimus人形机器人边缘计算与超级计算机集群训练加速，台积电与三星已同步进入生产准备阶段。2025年7月，特斯拉与三星签署价值约165亿美元的AI6芯片代工协议，合作预计持续至2033年。但这一双轨策略也暴露了特斯拉的矛盾：外部采购意味着在核心算力上依赖第三方，而自研路线又因人才流失而承压。

更引人关注的是，特斯拉2026年第二季度完成了一笔近20亿美元的AI硬件公司收购，其中2.22亿美元专门用于购买“专利及相关已开发技术”。市场猜测被收购方可能是DensityAI——若属实，这意味着特斯拉可能试图通过资本手段弥补人才流失造成的知识缺口。

与此同时，马斯克将芯片雄心推向更深处。2026年3月，特斯拉与SpaceX联合公布Terafab超级芯片工厂项目，首期投资168亿美元，远期总投入或突破千亿美元，由英特尔提供先进制程支持。该工厂规划年产能达1000亿至2000亿颗芯片，目标是实现从芯片设计到制造、封装、测试的全链条自主。然而，这一雄心壮志需要庞大的工程人才团队作为支撑。当前全球半导体行业正面临严峻的人才短缺，美国半导体行业协会估计，到2030年美国芯片行业将面临约6.7万名工程师的缺口。

无论是AI5的量产落地、Terafab的建设推进，还是Dojo 3的太空化探索，都高度依赖顶尖工程人才的持续投入。当Dojo团队的Ganesh Venkataramanan、Peter Bannon、Shishuang Sun等核心人物相继离开，当Autopilot和Optimus的资深工程师流向Sunday Robotics，特斯拉是否仍具备足够的人才厚度来支撑这一宏大蓝图，已成为业界关注焦点。

从更宏观的视角看，特斯拉的困境折射出整个行业的一个核心命题：在AI芯片赛道上，技术蓝图可以靠资本快速铺开，但将其变为现实的，始终是人。芯片可以流片，工厂可以拔地而起，但一支默契配合多年的核心工程团队，无法用金钱在朝夕之间复制。在AI芯片竞争日趋白热化的当下，人才的流向，或许比芯片的流片更能预示一家企业的未来。