रोबोटिक्स और भौतिक एआई
मस्क ने AI5, Optimus के लिए तय किया; Tesla की कारें AI4 पर रहेंगी

मुख्य बिंदुमस्क ऑप्टिमस के लिए AI5 आरक्षित रखते हैं जबकि टेस्ला कारों को ड्राइविंग के लिए AI4 पर…
और देखें
- मस्क ऑप्टिमस के लिए AI5 आरक्षित रखते हैं जबकि टेस्ला कारों को ड्राइविंग के लिए AI4 पर रखते हैं।
- रियलिटी व्यू की विलंबता केवल मॉडल के आकार के बजाय कड़े कंप्यूट आवंटन से उत्पन्न होती है।
- मस्क का प्रस्तावित समाधान लगभग 35% विलंबता कम करने के लिए नए विज़न फीचर्स को इंटरलीव करता है।
एलन मस्क ने 22 नवंबर 2026 को X पर दिए एक जवाब में कहा कि Tesla का AI5 कंप्यूटर Optimus के लिए है, कारों में AI4 का इस्तेमाल जारी रहेगा और AI4 अतिमानवीय स्तर की ड्राइविंग के लिए पर्याप्त है। वह एक मालिक के सवाल का जवाब दे रहे थे, जिसने पूछा था कि AI5 नई कारों में कब आएगा और क्या AI3 से अपग्रेड करने से पहले इंतज़ार करना चाहिए।
यह जवाब उसी चर्चा में की गई एक पहली तकनीकी पोस्ट के बाद आया था, जिसमें मस्क ने बताया था कि Tesla का Reality View विज़ुअलाइज़ेशन AI4 के तहत कैसे काम करता है। इस स्पष्टीकरण के पीछे कार के भीतर चलने वाले दो परस्पर जुड़े कार्य हैं: एक मॉडल, जो ड्राइविंग के लिए ज़रूरी क्रियाएँ तैयार करता है, और एक अलग जनरेटिव मॉडल, जो इंटरफ़ेस का विज़ुअलाइज़ेशन तैयार करता है। दोनों पोस्ट से चिप के चुनाव को ठोस बुनियादी ढाँचे का संदर्भ मिलता है: Tesla सीमित कंप्यूट क्षमता को ड्राइविंग और विज़ुअलाइज़ेशन से जुड़े कार्यों के बीच बाँट रही है।
Reality View का कार के भीतर का कार्यभार
मस्क ने कहा कि Tesla का लगभग पिक्सेल-सटीक विश्व मॉडल सिंथेटिक डेटा तैयार करने के लिए अहम है। इसका कार के भीतर इस्तेमाल होने वाला कहीं छोटा संस्करण एक कंडीशनल मीन-फ़्लो मॉडल है, जो Tesla Universal Vision Encoder (UVE) की विशेषताओं के हालिया क्रम पर आधारित है। यही विशेषताएँ एक 3B एन्कोडर मॉडल को भी इनपुट देती हैं, जो ड्राइविंग के लिए ज़रूरी क्रियाएँ तैयार करता है।
मस्क ने कहा कि Reality View इन विशेषताओं से अलग होकर एक स्वतंत्र, लगभग 1B-पैरामीटर वाले डिफ्यूज़न मॉडल में जाता है। यह प्रक्रिया पिछले आउटपुट के एक शोरयुक्त संस्करण से शुरू होती है और मौजूदा विज़ुअलाइज़ेशन को फिर से बनाती है। इससे इंटरफ़ेस स्क्रीन के रिज़ॉल्यूशन पर 36 फ़्रेम प्रति सेकंड की गति से आठ छवियों वाला वीडियो खंड तैयार होता है। यह काम हर UVE फ़्रेम पर 18 हर्ट्ज़ की दर से किया जाता है और चार चक्रों में फैला होता है।
AI4 की सीमाएँ और AI5 की अतिरिक्त क्षमता
एक बाद की पोस्ट में मस्क ने कहा कि Tesla ने अपने छोटे डिकोडर को SRAM में स्थानांतरित कर दिया है। इससे SoC B पर Reality View के लिए तीन में से केवल एक TRIP का आधा हिस्सा बचता है। TRIP मूलतः केवल 8-बिट पूर्णांकों को संभालता है और सॉफ़्टमैक्स को 28 चरणों में इम्यूलेशन मोड में चलाना पड़ता है।
ये विवरण खास तौर पर विज़ुअलाइज़र पर लागू होते हैं, ड्राइविंग क्रियाओं पर बताई गई किसी सीमा पर नहीं। इनसे पता चलता है कि Reality View के व्यावहारिक बजट पर मॉडल के आकार के साथ-साथ इंजन के आवंटन और संख्यात्मक गणना के तरीके का भी असर पड़ता है।
मस्क ने Reality View की मौजूदा, कुछ ज़्यादा विलंबता का कारण कंप्यूट क्षमता की सीमाओं को बताया और इसे लगभग 35% कम करने के लिए नई UVE विशेषताओं को डिफ्यूज़न ट्रांसफ़ॉर्मर की परतों में बारी-बारी से शामिल करने का प्रस्ताव रखा।
मस्क ने AI5 को एक बड़ा सुधार बताया, जिसमें लगभग 12 गुना अधिक कंप्यूट क्षमता है। पोस्ट में इस गुणक का आधार नहीं दिया गया है, इसलिए इससे यह साबित नहीं होता कि विज़ुअलाइज़ेशन की फ़्रेम दर, विलंबता या ड्राइविंग प्रदर्शन में 12 गुना सुधार होगा।
मस्क के बयान में ड्राइविंग क्षमता को लेकर भरोसे और Reality View को रेंडर करने की व्यावहारिक सीमाओं के बीच अंतर किया गया है। उनके अनुसार, AI4 इंसान से बेहतर ड्राइविंग के लिए पर्याप्त है, फिर भी उस पर चलने वाली विज़ुअलाइज़ेशन शाखा को कंप्यूट क्षमता का सीमित हिस्सा मिलता है और विलंबता घटाने का तरीका अभी केवल प्रस्तावित है। उन्होंने जिस तात्कालिक रेंडरिंग सुधार का ज़िक्र किया, वह इसी व्यवस्था में विज़न-फ़ीचर इनपुट को नए सिरे से व्यवस्थित करने पर निर्भर है। इससे उनके बताए कार के भीतर के कार्यभार में सॉफ़्टवेयर दक्षता की अहम भूमिका स्पष्ट होती है।












