ロボティクスとフィジカルAI
Musk、AI5をOptimusに割り当て、Tesla車はAI4を継続

要点マスクはAI5をオプティマス用に確保し、テスラ車の運転にはAI4を使い続ける。
もっと見る
- マスクはAI5をオプティマス用に確保し、テスラ車の運転にはAI4を使い続ける。
- Reality Viewの遅延は、モデルサイズだけではなく厳しい計算資源の配分に起因する。
- マスクが提案する修正は、より新しい視覚機能を組み込むことで遅延を約35%削減する。
Elon Muskは2026年11月22日のXへの返信で、TeslaのAI5コンピューターはOptimus向けであり、車両はAI4を使い続けること、またAI4で人間を超える運転能力を実現できることを述べた。Muskは、新型車にAI5が搭載される時期と、AI3からのアップグレードを待つべきかを尋ねたオーナーに返信していた。
この返信に先立ち、同じ議論の中でMuskは以前の技術的な投稿を行い、TeslaのReality Viewによる可視化がAI4でどのように実現されるかを説明していた。その説明の根底には、車載処理として連携する2つのワークロードがある。運転動作を生成するモデルと、インターフェースの表示を生成する別の生成モデルだ。一連の投稿によって、チップの選択には具体的なインフラ上の背景が示されている。Teslaは、運転機能と可視化機能に関連する限られた計算資源を振り分けている。
Reality Viewの車載処理
Muskは、Teslaのほぼピクセル単位で正確な世界モデルが、合成データの生成に不可欠だと説明した。その大幅に小型化された車載版は、Tesla Universal Vision Encoder(UVE)の直近の特徴量系列に基づく条件付き平均流モデルだ。同じ特徴量は、運転動作を生成する3Bエンコーダーモデルにも入力される。
Muskによると、Reality Viewはこれらの特徴量から分岐し、別個の約10億パラメーターの拡散モデルに入力する。処理では、直前の出力にノイズを加えたものを起点に現在の表示を再構成し、インターフェース画面と同じ解像度で、毎秒36フレームの8枚構成の動画チャンクを生成する。この処理は18ヘルツで各UVEフレームごとに実行され、4サイクルに分散される。
AI4の制約とAI5の余力
その後の投稿で、Teslaは小型デコーダーをSRAMに移したため、SoC B上に3基あるTRIPのうち、Reality Viewに割り当てられるのは1基分の半分だけだとMuskは述べた。TRIPが基本的に扱えるのは8ビット整数のみであり、softmaxは28ステップにわたってエミュレーションモードで実行する必要がある。
これらの詳細が当てはまるのは可視化処理に限られ、運転動作に対する制限を示したものではない。Reality Viewの実用上の処理予算は、モデルのサイズだけでなく、演算エンジンの割り当てや数値演算の実行方法にも左右されることが分かる。
Muskは、現在のReality Viewの遅延がやや大きいのは計算資源の制約によるものだとし、新しいUVE特徴量を拡散トランスフォーマー層に交互に通すことで、遅延を約35%削減する案を示した。
Muskは、AI5について、計算能力が約12倍になる大幅な改善だと説明した。ただし、投稿にはその倍率の比較基準が示されていないため、可視化のフレームレート、遅延、運転性能が12倍向上することを意味するものではない。
Muskの説明では、運転能力への確信と、Reality Viewを描画するうえでの実務上の制約は区別されている。AI4は人間を超える運転能力を実現するのに十分とされる一方、AI4上で動作する可視化処理には依然として限られた計算資源しか割り当てられておらず、遅延を下げる方法も提案段階にとどまる。Muskが説明した当面の描画改善は、この環境で視覚特徴量の入力方法を組み替えることに依存しており、詳述された車載処理ではソフトウェアの効率化が重要な役割を担う。












