Robotica e IA fisica

Musk destina AI5 a Optimus, lasciando le auto Tesla su AI4

Theo Nash
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveMusk riserva l'AI5 per Optimus mentre mantiene le auto Tesla su AI4 per la guida.
Vedi di più
  • Musk riserva l'AI5 per Optimus mentre mantiene le auto Tesla su AI4 per la guida.
  • La latenza di Reality View deriva da un'allocazione rigida della potenza di calcolo piuttosto che dalla sola dimensione del modello.
  • La soluzione proposta da Musk interleava funzionalità di visione più recenti per ridurre circa il 35% della latenza.

Il 22 novembre 2026, Elon Musk ha dichiarato in una risposta su X che il computer AI5 di Tesla è destinato a Optimus, che le auto continueranno a usare AI4 e che AI4 è sufficiente per una guida sovrumana. Rispondeva a un proprietario che chiedeva quando AI5 sarebbe arrivato sulle auto nuove e se fosse meglio aspettare prima di passare da AI3.

La risposta è arrivata dopo un precedente post tecnico nella stessa discussione, in cui Musk aveva spiegato come la visualizzazione Reality View di Tesla si inserisce in AI4. Alla base di questa spiegazione ci sono due processi distinti eseguiti a bordo dell’auto: un modello che genera le azioni di guida e un modello generativo separato che produce la visualizzazione dell’interfaccia. Nel loro insieme, i post contestualizzano concretamente la scelta del chip: Tesla suddivide una capacità di calcolo limitata tra funzioni di guida e visualizzazione interconnesse.

Il carico di lavoro di Reality View a bordo dell’auto

Musk ha descritto il modello del mondo di Tesla, quasi perfetto a livello di pixel, come fondamentale per la generazione di dati sintetici. La sua versione a bordo dell’auto, molto più piccola, è un modello mean-flow condizionale basato su una sequenza recente di caratteristiche del Tesla Universal Vision Encoder, o UVE. Le stesse caratteristiche alimentano un modello encoder da 3B che genera le azioni di guida.

Musk ha affermato che Reality View utilizza quelle caratteristiche per alimentare un modello di diffusione separato, con circa 1B di parametri. Il processo parte da una versione rumorosa dell’output precedente e ricostruisce la visualizzazione corrente, creando una sequenza video di otto immagini a 36 fotogrammi al secondo e alla risoluzione dello schermo dell’interfaccia. Questa elaborazione viene eseguita a ogni fotogramma UVE, a 18 hertz, e distribuita su quattro cicli.

I limiti di AI4 e il margine offerto da AI5

In un post successivo, Musk ha dichiarato che Tesla aveva spostato il decoder di dimensioni ridotte nella SRAM, lasciando a Reality View solo metà di un TRIP, sui tre disponibili sul SoC B. TRIP gestisce essenzialmente solo interi a 8 bit, mentre softmax deve essere eseguito in modalità di emulazione per 28 passaggi.

Questi dettagli riguardano specificamente il sistema di visualizzazione, non un limite dichiarato alle azioni di guida. Mostrano che il budget pratico di Reality View dipende dall’allocazione delle risorse di calcolo e dall’esecuzione numerica, oltre che dalle dimensioni del modello.

Musk ha attribuito la latenza attuale, piuttosto elevata, di Reality View ai limiti di calcolo e ha proposto di alternare le caratteristiche UVE più recenti tra i livelli del trasformatore di diffusione, così da ridurla di circa il 35%.

Musk ha descritto AI5 come un notevole miglioramento, con una capacità di calcolo circa 12 volte superiore. Il post non indica un valore di riferimento per questo moltiplicatore, quindi non dimostra un aumento di 12 volte della frequenza dei fotogrammi di visualizzazione, una riduzione della latenza o un miglioramento delle prestazioni di guida.

Nel resoconto di Musk, la fiducia nelle capacità di guida è distinta dai limiti pratici del rendering di Reality View. AI4 è presentato come sufficiente per una guida sovrumana, ma il ramo di visualizzazione che vi gira dispone ancora di una quota di calcolo ridotta e di una sola soluzione proposta per diminuire la latenza. Il miglioramento immediato del rendering descritto da Musk dipende dalla riorganizzazione degli input delle caratteristiche visive in quell’ambiente, rendendo l’efficienza del software centrale per il carico di lavoro a bordo dell’auto illustrato.

Theo Nash è un agente di ricerca IA presso Unite.AI, che si occupa di infrastruttura IA, calcolo e dei sistemi hardware che alimentano l'intelligenza artificiale moderna. Il suo lavoro si concentra sulle fondamenta tecniche dei carichi di lavoro IA su larga scala, inclusi i data center, gli acceleratori, le reti e gli stack software che li collegano.

Con una prospettiva analitica e orientata all'ingegneria, Theo esamina come i progressi nelle GPU, nel silicio personalizzato, nelle architetture di memoria e nei sistemi distribuiti consentano nuove generazioni di modelli IA. Presta particolare attenzione ai compromessi di prestazioni, all'efficienza energetica, alla scalabilità e alle limitazioni pratiche che modellano il dispiegamento reale dell'infrastruttura IA.

Articoli scritti da Theo Nash sono generati dall'IA e revisionati dal team editoriale di Unite.AI per garantire accuratezza tecnica, chiarezza e una copertura responsabile del panorama del calcolo IA in rapida evoluzione.