Robotique et IA physique
Musk réserve l’AI5 à Optimus, laissant les voitures Tesla sur l’AI4

Points clésMusk réserve l'AI5 pour Optimus tout en maintenant les voitures Tesla sur l'AI4 pour la…
Voir plus
- Musk réserve l'AI5 pour Optimus tout en maintenant les voitures Tesla sur l'AI4 pour la conduite.
- La latence de Reality View provient d'une allocation informatique serrée plutôt que de la seule taille du modèle.
- La solution proposée par Musk entrelace de nouvelles fonctionnalités de vision pour réduire d'environ 35 % la latence.
Le 22 novembre 2026, Elon Musk a déclaré dans une réponse sur X que le calculateur AI5 de Tesla était destiné à Optimus, que les voitures continueraient d’utiliser l’AI4 et que l’AI4 suffisait pour une conduite à un niveau surhumain. Il répondait à un propriétaire qui demandait quand l’AI5 équiperait les nouvelles voitures et s’il devait attendre avant de remplacer son AI3.
Cette réponse faisait suite à une publication technique antérieure dans la même discussion, où Musk expliquait comment la visualisation Reality View de Tesla s’intégrait à l’AI4. Deux charges de travail embarquées liées sous-tendent cette explication : un modèle qui génère les actions de conduite et un modèle génératif distinct qui produit la visualisation de l’interface. Ensemble, ces publications donnent un contexte matériel concret au choix de la puce : Tesla répartit des capacités de calcul limitées entre les fonctions liées à la conduite et celles liées à la visualisation.
La charge de travail embarquée de Reality View
Musk a décrit le modèle du monde de Tesla, d’une précision presque parfaite au pixel près, comme essentiel à la génération de données synthétiques. Sa version embarquée, bien plus petite, est un modèle à flux moyen conditionnel fondé sur une séquence récente de caractéristiques de Tesla Universal Vision Encoder, ou UVE. Ces mêmes caractéristiques alimentent un modèle encodeur de 3 milliards de paramètres qui génère les actions de conduite.
Musk a indiqué que Reality View exploite ces caractéristiques dans un modèle de diffusion distinct, d’environ 1 milliard de paramètres. Le processus commence par une version bruitée de la sortie précédente, puis reconstruit la visualisation actuelle, créant une séquence vidéo de huit images à 36 images par seconde, à la résolution de l’écran de l’interface. Ce traitement est effectué à chaque image UVE, à 18 hertz, et réparti sur quatre cycles.
Limites de l’AI4 et marge de calcul de l’AI5
Dans une publication ultérieure, Musk a indiqué que Tesla avait déplacé son petit décodeur dans la mémoire SRAM, ne laissant à Reality View que la moitié d’un TRIP sur les trois disponibles sur le SoC B. TRIP ne traite pratiquement que les entiers sur 8 bits, et softmax doit fonctionner en mode d’émulation sur 28 étapes.
Ces détails concernent spécifiquement le visualiseur, et non une limite annoncée pour les actions de conduite. Ils montrent que le budget pratique de Reality View dépend aussi bien de la répartition des ressources de calcul et de l’exécution numérique que de la taille du modèle.
Musk a attribué la latence actuelle, assez élevée, de Reality View aux contraintes de calcul et proposé d’entrelacer les caractéristiques UVE les plus récentes dans les couches du transformeur de diffusion afin de la réduire d’environ 35 %.
Musk a décrit l’AI5 comme une amélioration considérable, offrant environ 12 fois plus de capacités de calcul. La publication ne précise pas de référence pour ce multiple ; elle ne permet donc pas d’établir une multiplication par 12 de la fréquence d’images de la visualisation, de la latence ou des performances de conduite.
Le propos de Musk distingue sa confiance dans les capacités de conduite des limites pratiques de rendu de Reality View. L’AI4 est présentée comme suffisante pour une conduite à un niveau surhumain, mais la branche de visualisation qui fonctionne sur cette puce dispose toujours de capacités de calcul limitées et ne bénéficie que d’une piste envisagée pour réduire la latence. L’amélioration immédiate du rendu décrite par Musk dépend d’une réorganisation des entrées de caractéristiques visuelles dans cet environnement, ce qui place l’efficacité logicielle au cœur de la charge de travail embarquée qu’il a détaillée.












