Tesla's nieuwe AI-brug vermindert energieverbruik zonder precisie te verliezen

Tesla heeft een oplossing gevonden voor de wetten van de natuurkunde. "The Mixed-Precision Bridge" ontwikkeld door Tesla werd voor het eerst onthuld in patent US20260017019A1. Math Translator overbrugt de kloof voor goedkope, energiezuinige 8-bit technologie. Deze technologie kan alleen omgaan met basis integers en nu Rot8 premium technologie voor elite 32-bit.

Het ontgrendelt eerst de AI5-processor, waarvan wordt verwacht dat deze 40 keer krachtiger is dan onze huidige hardware. Dit is zeer belangrijk in de Tesla Optimus, die beschikt over een 2,3 kWh batterij, ongeveer 1/30ste van de Model 3. Met 32-bit GPU-verwerking zal het al deze energie in minder dan vier uur verbruiken en meer dan 500W alleen om te "denken."

Daarom vermindert Tesla het rekenvermogenbudget tot onder de 100W. Het "thermische muur" probleem is opgelost. Nu kunnen robots in balans en alert blijven gedurende een werkdag van 8 uur zonder warm te worden.

Ingenieurs bij Tesla bouwen nauwkeurigheid in bij het lezen van verkeersborden

Het patent heeft "Silicon Bridge" geïntroduceerd, dat Optimus en FSD-systemen superintelligentie geeft, zonder hun bereik met een mijl te verminderen of hun circuits te laten smelten door hitte. Dit verandert Tesla's budgethardware in een machine van supercomputerklasse.

Bovendien lost het het vergeetprobleem op. In de eerdere modellen van de FSD zou het voertuig het stopbord opmerken, maar als de vrachtwagen het zicht gedurende ongeveer 5 seconden zou blokkeren, zou het het "vergeten".

Nu gebruikt Tesla een "long-context" venster, waardoor de AI kan terugkijken naar gegevens van 30 seconden geleden of meer. Bij grotere "afstanden" in de tijd heeft standaard positionele wiskunde echter de neiging om te drijven.

Tesla's mixed-precision pipeline lost dit op door hoge positionele resolutie te behouden. Dit zorgt ervoor dat de AI precies weet waar dat geblokkeerde stopbord zich bevindt. Dit zelfs nadat er veel tijd is verstreken tijdens het bewegen eromheen. Sterker nog, het Tesla-team zegt dat de RoPE-rotaties nauwkeurig genoeg zijn om het bord vastgepind te houden aan zijn 3D-coördinaat in de mentale kaart van de auto.

Tesla zegt onafhankelijk te zijn van NVIDIA's CUDA-ecosysteem

Het patent beschrijft een specifieke luistermethode met behulp van een Log-Sum-Exp-benadering. Door in het logaritmische domein te blijven, kan het het grote "dynamische bereik" van geluid beheren, van een zacht gebrom tot een luide brandweerauto, met alleen 8-bit processors zonder de luide geluiden te "knippen" en de zachte te verliezen. Dit stelt een auto in staat om zijn omgeving te beluisteren en te onderscheiden met 32-bit precisie.

Tesla gebruikt Quantization-Aware Training, of 'QAT'. In plaats van AI te trainen in een "perfecte" 32-bit omgeving en deze achteraf te "verkleinen", wat meestal resulteert in 'dronken en verkeerde' AI, traint Tesla AI vanaf dag één in een gesimuleerde omgeving met 8-bit beperkingen, wat in wezen mogelijkheden ontgrendelt om Tesla's AI te implementeren in iets veel kleiner dan een auto.

Het opnemen van deze wiskunde in het silicium geeft Tesla ook zijn strategische onafhankelijkheid. Tesla is onafhankelijk van het CUDA-ecosysteem van NVIDIA en is in staat om de Dual-Foundry Strategy gelijktijdig met zowel Samsung als TSMC toe te passen.

De combinatie van AI-vooruitgang en krachtige rekencapaciteiten van xAI maakt het een veelbelovende concurrent van OpenAI's Stargate, dat in 2027 zal worden uitgebracht.

De slimste crypto-geesten lezen al onze nieuwsbrief. Wil je meedoen? Sluit je bij hen aan.