Robotik und physische KI
Musk weist AI5 Optimus zu – Tesla-Fahrzeuge bleiben bei AI4

Wichtige PunkteMusk reserviert AI5 für Optimus, während Tesla-Autos für das Fahren auf AI4 bleiben.
Mehr anzeigen
- Musk reserviert AI5 für Optimus, während Tesla-Autos für das Fahren auf AI4 bleiben.
- Die Latenz von Reality View resultiert aus einer knappen Rechenleistungszuweisung und nicht allein aus der Modellgröße.
- Musks vorgeschlagene Lösung verschachtelt neuere Vision-Funktionen, um rund 35 % der Latenz zu senken.
Elon Musk erklärte am 22. November 2026 in einer Antwort auf X, dass Teslas AI5-Computer für Optimus vorgesehen sei, die Fahrzeuge weiterhin AI4 verwenden würden und AI4 für übermenschliche Fahrleistungen ausreiche. Er antwortete damit auf einen Fahrzeughalter, der wissen wollte, wann AI5 in neuen Autos zum Einsatz kommen würde und ob er mit dem Upgrade von AI3 warten sollte.
Die Antwort folgte auf einen früheren technischen Beitrag in derselben Diskussion, in dem Musk erläuterte, wie die Visualisierung Reality View von Tesla in AI4 eingebunden ist. Grundlage dafür sind zwei miteinander verknüpfte Rechenlasten im Fahrzeug: ein Modell, das Fahrmanöver erzeugt, und ein separates generatives Modell, das die Visualisierung der Benutzeroberfläche erzeugt. Zusammen geben die Beiträge der Chipentscheidung einen konkreten infrastrukturellen Kontext: Tesla verteilt begrenzte Rechenleistung auf miteinander verbundene Funktionen für das Fahren und die Visualisierung.
Die Rechenlast von Reality View im Fahrzeug
Musk bezeichnete Teslas annähernd pixelgenaues Weltmodell als entscheidend für die Erzeugung synthetischer Daten. Die deutlich kleinere Version im Fahrzeug ist ein bedingtes Mean-Flow-Modell, das auf einer aktuellen Sequenz von Merkmalen des Tesla Universal Vision Encoder (UVE) basiert. Dieselben Merkmale fließen in ein 3B-Encoder-Modell ein, das Fahrmanöver erzeugt.
Musk sagte, dass Reality View von diesen Merkmalen in ein separates Diffusionsmodell mit ungefähr 1B Parametern verzweigt. Der Prozess beginnt mit einer verrauschten Version der vorherigen Ausgabe und rekonstruiert daraus die aktuelle Visualisierung. So entsteht ein Videosegment aus acht Bildern mit 36 Bildern pro Sekunde und in der Auflösung des Benutzeroberflächenbildschirms. Diese Berechnung erfolgt bei jedem UVE-Frame mit 18 Hertz und verteilt sich auf vier Zyklen.
Einschränkungen von AI4 und Leistungsreserven von AI5
In einem späteren Beitrag erklärte Musk, Tesla habe seinen kleinen Decoder in den SRAM verlagert. Für Reality View bleibe damit auf SoC B nur noch die Hälfte eines von drei TRIP verfügbar. TRIP verarbeitet im Wesentlichen nur 8-Bit-Ganzzahlen, und Softmax muss über 28 Schritte im Emulationsmodus ausgeführt werden.
Diese Angaben beziehen sich speziell auf das Visualisierungssystem und nicht auf eine erklärte Begrenzung der Fahrmanöver. Sie zeigen, dass das praktische Rechenbudget von Reality View sowohl von der Zuteilung der Rechenressourcen und der numerischen Ausführung als auch von der Modellgröße abhängt.
Musk führte die derzeitige, etwas hohe Latenz von Reality View auf Rechenbeschränkungen zurück und schlug vor, neuere UVE-Merkmale zwischen den Schichten des Diffusion-Transformers zu verschachteln, um die Latenz um ungefähr 35 % zu senken.
Musk bezeichnete AI5 als deutliche Verbesserung mit ungefähr zwölfmal mehr Rechenleistung. Der Beitrag nennt keine Bezugsgröße für diesen Multiplikator. Daher lässt sich daraus weder eine zwölfmal höhere Bildrate bei der Visualisierung noch eine zwölfmal geringere Latenz oder eine zwölfmal bessere Fahrleistung ableiten.
Musks Darstellung trennt das Vertrauen in die Fahrfähigkeiten von den praktischen Grenzen beim Rendern von Reality View. AI4 wird als ausreichend für übermenschliche Fahrleistungen dargestellt; dennoch steht dem darauf laufenden Visualisierungszweig nur ein begrenzter Anteil der Rechenleistung zur Verfügung, und es gibt lediglich einen vorgeschlagenen Weg, die Latenz zu verringern. Die von ihm beschriebene unmittelbare Verbesserung beim Rendern hängt davon ab, die Eingaben der visuellen Merkmale in dieser Umgebung neu zu organisieren. Damit ist die Softwareeffizienz für die von ihm erläuterte Rechenlast im Fahrzeug entscheidend.












