Teslas KI-Team erstellt ein Patent, das das „Drift“-Problem bei der Positions kodierung in der KI adressiert
- Das KI-Team von Tesla hat ein Patent für einen stromsparenden 8-Bit-Hardware-Chip angemeldet, der normalerweise nur einfache, gerundete Zahlen verarbeitet, um hochpräzise 32-Bit-Rotationen durchzuführen.
- Tesla reduziert das Rechenleistungsbudget auf unter 100 W und stellt sicher, dass der Roboter eine volle 8-Stunden-Schicht lang das Gleichgewicht halten und seine Umgebung wahrnehmen kann, ohne zu überhitzen.
- Kritiker bemängeln, dass zwar günstigere Chips die Stückkosten senken, die F&E-Ausgaben für die Wartung proprietärer Hardware, Compiler und KI-Pipelines jedoch erheblich sind.
Tesla hat einen Umweg für die Naturgesetze gefunden. „The Mixed-Precision Bridge“, entwickelt von Tesla, wurde erstmals im Patent US20260017019A1 enthüllt. Der Math Translator schließt die Lücke für kostengünstige, energieeffiziente 8-Bit-Technologie. Diese Technologie kann nur mit grundlegenden Integer-Zahlen umgehen, und nun steht die Rot8-Premiumtechnologie für Elite-32-Bit zur Verfügung.
Zunächst wird der AI5-Prozessor freigeschaltet, der voraussichtlich 40-mal leistungsfähiger ist als unsere heutige Hardware. Dies ist für den Tesla Optimus von großer Bedeutung, der über eine 2,3-kWh-Batterie verfügt, also etwa 1/30stel der des Model 3. Unter Verwendung der 32-Bit-GPU-Verarbeitung würde er all diese Leistung in weniger als vier Stunden verbrauchen, und über 500 W nur zum „Denken“.
Not macht erfinderisch.
Das @Tesla_AI-Team ist episch hart im Nehmen. Niemand kann Teslas KI in der Praxis übertreffen. https://t.co/oJBBL0CFfQ
— Elon Musk (@elonmusk) Januar 17, 2026
Dadurch reduziert Tesla das Rechenleistungsbudget auf unter 100 W. Das Problem der „thermischen Wand“ wurde gelöst. Roboter können nun 8 Stunden lang im Gleichgewicht bleiben und wachsam sein, ohne sich heiß zu fühlen.
Ingenieure bei Tesla integrieren Genauigkeit in die Erkennung von Straßenschildern
Das Patent hat „Silicon Bridge“ eingeführt, das Optimus- und FSD-Systeme mit Superintelligenz ausstattet, ohne ihre Reichweite um eine Meile zu kürzen oder ihre Schaltkreise durch Hitze schmelzen zu lassen. Dies verwandelt Teslas Budget-Hardware in eine Maschine auf Supercomputer-Niveau.
Darüber hinaus wurde das Vergessensproblem behoben. Bei früheren Modellen des FSD würde das Fahrzeug das Stoppschild bemerken, aber wenn ein LKW die Sicht für etwa 5 Sekunden verdeckt, würde es es „vergessen“.
Nun verwendet Tesla ein „Long-Context“-Fenster, das es der KI ermöglicht, auf Daten von vor 30 Sekunden oder länger zurückzugreifen. Bei größeren zeitlichen „Distanzen“ neigt die Standard-Positions-Mathematik jedoch dazu, Drift zu verursachen.
Teslas Mixed-Precision-Pipeline behebt dies, indem sie eine hohe Positionsauflösung beibehält. Dies stellt sicher, dass die KI genau weiß, wo sich das verdeckte Stoppschild befindet. Dies gilt auch nach einer langen Zeit, in der es herumgefahren wurde. Das Tesla-Team sagt tatsächlich, dass die RoPE-Rotationen präzise genug sind, damit das Schild an seiner 3D-Koordinate in der mentalen Karte des Fahrzeugs fixiert bleibt.
Tesla sagt, es sei unabhängig vom CUDA-Ökosystem von NVIDIA
Das Patent beschreibt eine bestimmte Methode des Zuhörens unter Verwendung einer Log-Sum-Exp-Approximation. Durch die Beibehaltung im logarithmischen Bereich kann es den großen „Dynamikbereich“ des Schalls, von einem leisen Summen bis zu einem lauten Feuerwehrauto, mit nur 8-Bit-Prozessoren verwalten, ohne laute Geräusche zu „beschneiden“ und leise zu verlieren. Dies ermöglicht es einem Auto, seine Umgebung mit 32-Bit-Präzision zu hören und zu unterscheiden.
Tesla setzt Quantization-Aware Training (QAT) ein. Anstatt KI in einer „perfekten“ 32-Bit-Umgebung zu trainieren und sie anschließend zu „verkleinern“, was normalerweise zu einer „betrunkenen und falschen“ KI führt, trainiert Tesla KI von Anfang an in einer simulierten Umgebung mit 8-Bit-Einschränkungen, was im Wesentlichen Möglichkeiten freischaltet, Teslas KI in etwas viel Kleineres als ein Auto zu implementieren.
Die Integration dieser Mathematik in den Siliziumchip verleiht Tesla auch strategische Unabhängigkeit. Tesla ist unabhängig vom CUDA-Ökosystem von NVIDIA und in der Lage, gleichzeitig die Dual-Foundry-Strategie mit sowohl Samsung als auch TSMC zu übernehmen.
xAI ist offiziell der erste, der einen kohärenten KI-Trainingscluster im Gigawatt-Maßstab in Betrieb genommen hat
Das ist mehr Strom als die Spitzenlast von San Francisco
Während Wettbewerber noch Roadmaps für 2027 entwerfen, betreibt xAI heute bereits Stromversorgung auf dem Niveau einer Großstadt
Die… pic.twitter.com/0YYOC11h6P
— X Freeze (@XFreeze) Januar 17, 2026
Die Kombination von KI-Fortschritten und hochleistungsfähigen Rechenfähigkeiten von xAI macht es zu einem vielversprechenden Konkurrenten für OpenAIs Stargate, das 2027 veröffentlicht werden soll.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com Wir übernehmen keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor jeglichen Anlageentscheidungen eine unabhängige Recherche durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.
Florence Muchai
Florence berichtet seit sechs Jahren über Kryptowährungen, Gaming, Technologie und KI. Ihr Studium der Computerwissenschaften an der Meru University of Science and Technology sowie ihr Studium im Bereich Katastrophenmanagement und internationale Diplomatie an der MMUST haben sie umfassend mit Sprach-, Beobachtungs- und technischen Fähigkeiten ausgestattet. Florence war bei der VAP Group tätig und arbeitete als Redakteurin für mehrere Krypto-Medienhäuser.
