Robotik och fysisk AI

Musk tilldelar AI5 till Optimus – Tesla-bilar blir kvar på AI4

Theo Nash
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterMusk reserverar AI5 för Optimus medan Tesla-bilar behåller AI4 för körning.
Visa mer
  • Musk reserverar AI5 för Optimus medan Tesla-bilar behåller AI4 för körning.
  • Reality Views latens beror på en snäv beräkningsallokering snarare än enbart modellstorlek.
  • Musks föreslagna lösning flätar in nyare synfunktioner för att minska ungefär 35 % av latensen.

Elon Musk sade i ett svar på X den 22 november 2026 att Teslas AI5-dator är avsedd för Optimus, att bilarna kommer att fortsätta använda AI4 och att AI4 räcker för körförmåga över mänsklig nivå. Han svarade en ägare som frågade när AI5 skulle komma till nya bilar och om hen borde vänta med att uppgradera från AI3.

Svaret följde på ett tidigare tekniskt inlägg i samma diskussion, där Musk förklarade hur Teslas visualisering Reality View ryms inom AI4. Två sammankopplade arbetsbelastningar i bilen ligger till grund för förklaringen: en modell som producerar köråtgärder och en separat generativ modell som skapar gränssnittets visualisering. Tillsammans ger inläggen chipvalet ett konkret infrastruktursammanhang: Tesla fördelar begränsade beräkningsresurser mellan sammankopplade funktioner för körning och visualisering.

Reality Views arbetsbelastning i bilen

Musk beskrev Teslas ungefär pixelperfekta världsmodell som avgörande för generering av syntetiska data. Den betydligt mindre versionen i bilen är en betingad mean-flow-modell som bygger på en aktuell sekvens av egenskaper från Tesla Universal Vision Encoder, eller UVE. Samma egenskaper matas in i en encoder-modell med 3B parametrar, som producerar köråtgärder.

Musk sade att Reality View förgrenar sig från dessa egenskaper till en separat diffusionsmodell med ungefär 1B parametrar. Processen börjar med en brusig version av föregående utdata och återskapar den aktuella visualiseringen, vilket skapar ett videosegment med åtta bilder, 36 bildrutor per sekund och samma upplösning som gränssnittsskärmen. Arbetet utförs för varje UVE-bildruta vid 18 hertz och fördelas över fyra cykler.

AI4:s begränsningar och AI5:s beräkningsmarginal

I ett uppföljande inlägg sade Musk att Tesla hade flyttat sin lilla avkodare till SRAM, vilket lämnar Reality View med bara hälften av en av de tre TRIP-enheterna på SoC B. TRIP hanterar i princip endast 8-bitarsheltal, och softmax måste köras i emuleringsläge över 28 steg.

De uppgifterna gäller specifikt visualiseraren, inte någon angiven begränsning av köråtgärderna. De visar att Reality Views praktiska beräkningsbudget beror på resursfördelningen till beräkningsmotorn och den numeriska exekveringen, liksom på modellens storlek.

Musk hänförde den nuvarande, något höga fördröjningen i Reality View till beräkningsbegränsningar och föreslog att nyare UVE-egenskaper skulle flätas in mellan diffusionstransformatorns lager för att minska fördröjningen med ungefär 35 %.

Musk beskrev AI5 som en betydande förbättring med ungefär 12 gånger större beräkningskapacitet. Inlägget anger ingen baslinje för den multipeln och visar därför inte att bildfrekvensen för visualiseringen, fördröjningen eller körprestandan förbättras tolvfalt.

Musks redogörelse skiljer mellan tilltron till körförmågan och de praktiska begränsningarna för att återge Reality View. AI4 beskrivs som tillräckligt för körförmåga över mänsklig nivå, men visualiseringsgrenen som körs på det har ändå en snäv tilldelning av beräkningsresurser och endast en föreslagen väg till lägre fördröjning. Den omedelbara förbättring av återgivningen som han beskrev förutsätter att indata med synfunktioner omorganiseras inom den miljön, vilket gör mjukvarans effektivitet central för den arbetsbelastning i bilen som han redogjorde för.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.