L’équipe IA de Tesla crée un brevet qui traite de la « dérive » de l’IA dans l’encodage positionnel
- L'équipe IA de Tesla a créé un brevet pour un matériel 8 bits à faible consommation, habituellement conçu pour gérer uniquement des nombres simples et arrondis, afin d'exécuter des rotations 32 bits de haute performance.
- Tesla réduit le budget de puissance de calcul à moins de 100 W, garantissant que le robot peut maintenir son équilibre et sa conscience situationnelle pendant une journée de travail complète de 8 heures sans surchauffe.
- Les critiques affirment que si des puces moins chères réduisent les coûts unitaires, les dépenses en R&D pour maintenir du matériel propriétaire, des compilateurs et des pipelines IA sont substantielles.
Tesla a trouvé une solution aux lois de la physique. « The Mixed-Precision Bridge » développé par Tesla a été révélé pour la première fois dans le brevet US20260017019A1. Le traducteur de mathématiques comble l’écart pour la technologie 8 bits bon marché et à faible courbe énergétique. Cette technologie ne peut traiter que des entiers de base et maintenant la technologie premium Rot8 pour l’élite 32 bits.
Il débloque d’abord le processeur AI5, qui devrait être 40 fois plus puissant que notre matériel actuel. C’est très important dans le Tesla Optimus, qui dispose d’une batterie de 2,3 kWh, environ 1/30e de celle du Model 3. En utilisant le traitement GPU 32 bits, il consommera toute cette puissance en moins de quatre heures et plus de 500W juste pour « penser ».
La nécessité est la mère de l’invention.
L’équipe @Tesla_AI est épique et ultra-compétente. Personne ne peut égaler l’IA en monde réel de Tesla. https://t.co/oJBBL0CFfQ
— Elon Musk (@elonmusk) Janvier 17, 2026
Ainsi, Tesla réduit le budget de puissance de calcul à moins de 100W. Le problème du « mur thermique » a été résolu. Désormais, les robots peuvent rester en équilibre et conscients pendant un horaire de travail de 8 heures sans ressentir de chaleur.
Les ingénieurs de Tesla intègrent la précision dans la lecture des panneaux de signalisation
Le brevet a introduit « Silicon Bridge », qui permet aux systèmes Optimus et FSD d’atteindre la superintelligence, sans réduire leur autonomie d’un mile ni faire fondre leurs circuits avec la chaleur. Cela transforme le matériel budget de Tesla en une machine de classe supercalculateur.
De plus, cela a résolu le problème d’oubli. Dans les anciens modèles de FSD, le véhicule remarquait le panneau d’arrêt, mais si un camion obstruait sa vue pendant environ 5 secondes, il l’« oublierait ».
Désormais, Tesla utilise une fenêtre de « contexte long », permettant à l’IA de regarder en arrière les données datant de 30 secondes ou plus. Cependant, à des « distances » plus grandes dans le temps, les mathématiques positionnelles standard ont tendance à causer une dérive.
Le pipeline de précision mixte de Tesla corrige cela en maintenant une haute résolution positionnelle. Cela garantit que l’IA sait exactement où se trouve ce panneau d’arrêt obstrué. Même après beaucoup de temps passé à se déplacer autour. En effet, l’équipe Tesla dit que les rotations RoPE sont suffisamment précises pour que le panneau reste fixé à ses coordonnées 3D dans la carte mentale de la voiture.
Tesla dit avoir une indépendance par rapport à l’écosystème CUDA de NVIDIA
Le brevet décrit une méthode particulière d’écoute utilisant une approximation Log-Sum-Exp. En restant dans le domaine logarithmique, il est capable de gérer la grande « plage dynamique » du son, d’un bourdonnement doux à un camion de pompiers bruyant, en utilisant uniquement des processeurs 8 bits sans avoir à « clipper » les sons forts et perdre les doux. Cela permet à une voiture d’écouter et de distinguer son environnement avec une précision 32 bits.
Tesla emploie l’Entraînement Aware de Quantification, ou « QAT ». Plutôt que d’entraîner l’IA dans un environnement 32 bits « parfait » et de la « rétrécir » ensuite, ce qui résulte généralement en une IA « ivre et fausse », Tesla entraîne l’IA dès le premier jour dans un environnement simulé avec des contraintes 8 bits, ce qui débloque essentiellement des possibilités pour implémenter l’IA de Tesla dans quelque chose de beaucoup plus petit qu’une voiture.
L’intégration de ces mathématiques dans le silicium donne à Tesla son indépendance stratégique. Tesla est indépendante de l’écosystème CUDA de NVIDIA et est en mesure d’adopter la Stratégie Dual-Foundry simultanément avec Samsung et TSMC.
xAI est officiellement devenu le premier à mettre en ligne un cluster d’entraînement IA cohérent à l’échelle du gigawatt
C’est plus d’électricité que la demande de pointe de San Francisco
Tandis que les concurrents élaborent encore des feuilles de route pour 2027, xAI fonctionne déjà aujourd’hui à une puissance de niveau grande ville
Le… pic.twitter.com/0YYOC11h6P
— X Freeze (@XFreeze) Janvier 17, 2026
La combinaison des avancées en IA et des capacités de calcul haute performance de xAI en fait un concurrent prometteur pour Stargate d’OpenAI, qui sera lancé en 2027.
Ne vous contentez pas de lire les actualités crypto. Comprenez-les. Abonnez-vous à notre newsletter. C'est gratuit.
Avertissement. Les informations fournies ne constituent pas des conseils en matière d'investissement. Cryptopolitan.com ne saurait être tenue responsable des investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement de mener vos propres recherches et/ou de consulter un professionnel qualifié avant de prendre toute décision d'investissement.
Florence Muchai
Florence couvre depuis 6 ans l'actualité crypto, du jeu vidéo, de la technologie et de l'IA. Ses études en informatique à l'Université de sciences et technologies de Meru et sa formation en gestion des catastrophes et en diplomatie internationale à l'MMUST lui ont amplement permis de développer des compétences linguistiques, d'observation et techniques. Florence a travaillé au sein du groupe VAP et en tant qu'éditrice pour plusieurs médias spécialisés dans la crypto.
