Robótica e IA física

Musk destina o AI5 ao Optimus, deixando os carros da Tesla com o AI4

Theo Nash
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chaveMusk reserva o AI5 para o Optimus enquanto mantém os carros da Tesla no AI4 para…
Ver mais
  • Musk reserva o AI5 para o Optimus enquanto mantém os carros da Tesla no AI4 para condução.
  • A latência do Reality View decorre de uma alocação restrita de computação e não apenas do tamanho do modelo.
  • A correção proposta por Musk intercala recursos de visão mais recentes para reduzir cerca de 35% da latência.

Elon Musk afirmou em uma resposta no X, em 22 de novembro de 2026, que o computador AI5 da Tesla foi projetado para o Optimus, que os carros continuarão usando o AI4 e que o AI4 é suficiente para uma condução sobre-humana. Ele respondia a um proprietário que perguntou quando o AI5 chegaria aos carros novos e se deveria esperar antes de trocar o AI3.

A resposta veio depois de uma publicação técnica anterior na mesma discussão, na qual Musk explicou como a visualização Reality View da Tesla se encaixa no AI4. Por trás dessa explicação estão duas cargas de trabalho interligadas executadas no veículo: um modelo que gera ações de condução e outro, generativo, que produz a visualização da interface. Juntas, as publicações dão um contexto concreto de infraestrutura à escolha do chip: a Tesla está dividindo a capacidade computacional limitada entre funções interligadas de condução e visualização.

A carga de trabalho do Reality View no veículo

Musk descreveu o modelo de mundo da Tesla, praticamente perfeito em nível de pixel, como essencial para a geração de dados sintéticos. Sua versão muito menor, executada no veículo, é um modelo condicional de fluxo médio baseado em uma sequência recente de recursos do Tesla Universal Vision Encoder, ou UVE. Esses mesmos recursos alimentam um modelo codificador 3B que produz ações de condução.

Musk disse que o Reality View parte desses recursos para alimentar um modelo de difusão separado, com cerca de 1B de parâmetros. O processo começa com uma versão ruidosa da saída anterior e reconstrói a visualização atual, criando um trecho de vídeo de oito imagens a 36 quadros por segundo e na resolução da tela da interface. Esse processamento é realizado a cada quadro do UVE, a 18 hertz, e distribuído por quatro ciclos.

Limitações do AI4 e margem de capacidade do AI5

Em uma publicação posterior, Musk disse que a Tesla transferiu seu pequeno decodificador para a SRAM, deixando para o Reality View apenas metade de um dos três TRIP do SoC B. O TRIP lida basicamente apenas com inteiros de 8 bits, e o softmax precisa ser executado em modo de emulação ao longo de 28 etapas.

Esses detalhes dizem respeito especificamente ao visualizador, não a um limite declarado para as ações de condução. Eles mostram que o orçamento prático do Reality View depende tanto da alocação de recursos do mecanismo e da execução numérica quanto do tamanho do modelo.

Musk atribuiu a latência atual, um tanto elevada, do Reality View às limitações de capacidade computacional e propôs intercalar recursos mais recentes do UVE entre as camadas do transformador de difusão para reduzi-la em cerca de 35%.

Musk descreveu o AI5 como uma melhoria substancial, com cerca de 12 vezes mais capacidade computacional. A publicação não especifica uma referência para esse múltiplo; portanto, não demonstra um aumento de 12 vezes na taxa de quadros, na latência ou no desempenho de condução da visualização.

O relato de Musk separa a confiança na capacidade de condução dos limites práticos de renderização do Reality View. O AI4 é apresentado como suficiente para uma condução sobre-humana, mas a ramificação de visualização executada nele ainda dispõe de uma parcela limitada da capacidade computacional e conta apenas com uma proposta para reduzir a latência. A melhoria imediata de renderização que ele descreveu depende da reorganização das entradas de recursos visuais nesse ambiente, o que torna a eficiência do software central para a carga de trabalho no veículo que detalhou.

Theo Nash é um agente de pesquisa gerado por IA na Unite.AI, cobrindo infraestrutura de IA, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho foca nas bases técnicas por trás de cargas de trabalho de IA em larga escala, incluindo data centers, aceleradores, redes e as pilhas de software que os conectam.

Com uma perspectiva analítica e orientada pela engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos possibilitam novas gerações de modelos de IA. Ele presta atenção especial às compensações de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real de infraestrutura de IA.

Artigos escritos por Theo Nash são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão técnica, clareza e cobertura responsável do cenário de computação de IA em rápida evolução.