Robotica en fysieke AI

Musk wijst AI5 toe aan Optimus; Tesla-auto’s blijven AI4 gebruiken

Theo Nash
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenMusk reserveert AI5 voor Optimus en houdt Tesla-auto's op AI4 voor het rijden.
Meer weergeven
  • Musk reserveert AI5 voor Optimus en houdt Tesla-auto's op AI4 voor het rijden.
  • De latentie van Reality View komt voort uit een krappe computertoewijzing en niet alleen uit de modelgrootte.
  • Musk's voorgestelde oplossing verweeft nieuwere visiefuncties om ongeveer 35% van de latentie te verminderen.

Elon Musk zei op 22 november 2026 in een reactie op X dat Tesla’s AI5-computer bedoeld is voor Optimus, dat auto’s AI4 blijven gebruiken en dat AI4 volstaat voor supermenselijk rijgedrag. Hij reageerde op een eigenaar die vroeg wanneer AI5 in nieuwe auto’s beschikbaar zou komen en of hij beter kon wachten met upgraden vanaf AI3.

De reactie volgde op een eerder technisch bericht in dezelfde discussie, waarin Musk uitlegde hoe Tesla’s visualisatie Reality View in AI4 past. Aan die uitleg liggen twee onderling verbonden taken in de auto ten grondslag: een model dat rijacties genereert en een afzonderlijk generatief model dat de interfacevisualisatie maakt. Samen geven de berichten een concreet infrastructuurkader voor de chipkeuze: Tesla verdeelt de beperkte rekenkracht over onderling verbonden functies voor het rijden en de visualisatie.

De werklast van Reality View in de auto

Musk omschreef Tesla’s wereldmodel, dat bij benadering pixelperfect is, als cruciaal voor het genereren van synthetische data. De veel kleinere versie voor gebruik in de auto is een conditioneel mean-flowmodel dat is gebaseerd op een recente reeks kenmerken van Tesla Universal Vision Encoder (UVE). Diezelfde kenmerken worden ingevoerd in een 3B-encodermodel dat rijacties genereert.

Volgens Musk vertakken die kenmerken zich voor Reality View naar een afzonderlijk diffusie­model met ongeveer 1 miljard parameters. Het proces begint met een ruisversie van de vorige uitvoer en reconstrueert de huidige visualisatie. Zo ontstaat een videofragment van acht beelden, met 36 frames per seconde en op de resolutie van het interfacescherm. Dit gebeurt bij elk UVE-frame, met een frequentie van 18 hertz, en is verdeeld over vier cycli.

Beperkingen van AI4 en extra capaciteit van AI5

In een vervolgbericht zei Tesla dat het de kleine decoder naar SRAM had verplaatst, waardoor voor Reality View op SoC B slechts de helft van één TRIP van de drie overblijft. TRIP verwerkt in feite alleen 8-bits gehele getallen, en softmax moet in emulatiemodus over 28 stappen worden uitgevoerd.

Deze details hebben specifiek betrekking op de visualisatiefunctie, niet op een genoemde beperking van de rijacties. Ze laten zien dat het praktische rekenbudget voor Reality View niet alleen afhangt van de modelgrootte, maar ook van de toewijzing van rekenkracht en de numerieke verwerking.

Musk schreef de huidige, enigszins hoge latentie van Reality View toe aan beperkingen in de rekenkracht. Hij stelde voor nieuwere UVE-kenmerken afwisselend door de lagen van de diffusiemodellen te voeren om de latentie met ongeveer 35% te verlagen.

Musk omschreef AI5 als een aanzienlijke verbetering, met ongeveer 12 keer zoveel rekenkracht. Het bericht vermeldt geen basiswaarde voor die veelvoud en toont dus niet aan dat de beeldsnelheid, latentie of rijprestaties 12 keer zo goed worden.

Musk maakt in zijn toelichting onderscheid tussen vertrouwen in de rijcapaciteiten en de praktische beperkingen bij het weergeven van Reality View. AI4 wordt voorgesteld als voldoende voor supermenselijk rijgedrag, maar de visualisatietak die erop draait, heeft nog steeds slechts een beperkt deel van de rekenkracht tot zijn beschikking en er is alleen een voorgestelde manier om de latentie te verlagen. De directe verbetering van de weergave die hij beschreef, hangt af van het anders organiseren van de invoer van visuele kenmerken binnen die omgeving. Daardoor staat software-efficiëntie centraal in de werklast in de auto die hij uiteenzette.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.