A equipe de IA da Tesla cria uma patente que aborda o “desvio” de IA na codificação posicional
- A equipe de IA da Tesla criou uma patente para um hardware de 8 bits com baixo consumo de energia, que normalmente lida apenas com números simples e arredondados, para realizar rotações de elite em 32 bits.
- A Tesla reduz o orçamento de poder computacional para menos de 100W, garantindo que o robô possa manter o equilíbrio e a consciência por um turno completo de trabalho de 8 horas sem superaquecimento.
- Críticos afirmam que, embora chips mais baratos reduzam os custos unitários, o custo de P&D para manter hardware proprietário, compiladores e pipelines de IA é substancial.
A Tesla encontrou uma solução alternativa para as leis da física. A “Mixed-Precision Bridge” desenvolvida pela Tesla foi revelada pela primeira vez na patente US20260017019A1. O Math Translator preenche a lacuna para a tecnologia de 8 bits, barata e de baixa curva de energia. Esta tecnologia só consegue lidar com inteiros básicos e agora a tecnologia premium Rot8 para elite de 32 bits.
Primeiro, desbloqueia o processador AI5, que deve ser 40 vezes mais poderoso do que nosso hardware atual. Isso é muito importante no Tesla Optimus, que possui uma bateria de 2,3 kWh, cerca de 1/30 do Model 3. Usando o processamento de GPU de 32 bits, ele consumirá toda essa energia em menos de quatro horas e mais de 500W apenas para “pensar.”
A necessidade é a mãe da invenção.
A equipe da @Tesla_AI é épica e hardcore. Ninguém pode igualar a IA do mundo real da Tesla. https://t.co/oJBBL0CFfQ
— Elon Musk (@elonmusk) Janeiro 17, 2026
Assim, a Tesla reduz o orçamento de poder computacional para abaixo de 100W. O problema do “muro térmico” foi resolvido. Agora, os robôs são capazes de permanecer equilibrados e conscientes durante uma jornada de trabalho de 8 horas sem sentir calor.
Engenheiros da Tesla incorporam precisão na leitura de placas de trânsito
A patente introduziu a “Silicon Bridge”, que permite que os sistemas Optimus e FSD tenham superinteligência, sem reduzir sua autonomia em uma milha ou fazer com que seus circuitos derretam com o calor. Isso transforma o hardware de baixo custo da Tesla em uma máquina de classe supercomputador.
Além disso, resolveu o problema de esquecimento. Nos modelos anteriores do FSD, o veículo notava a placa de pare, mas se um caminhão obscurecesse sua visão por cerca de 5 segundos, ele a “esqueceria”.
Agora, a Tesla usa uma janela de “contexto longo”, permitindo que a IA consulte dados de 30 segundos atrás ou mais. No entanto, em “distâncias” maiores no tempo, a matemática posicional padrão tende a causar desvio.
O pipeline de precisão mista da Tesla corrige isso mantendo alta resolução posicional. Isso garante que a IA saiba exatamente onde está aquela placa de pare obstruída. Isso mesmo após muito tempo ter passado enquanto se movia ao redor dela. De fato, a equipe da Tesla diz que as rotações RoPE são precisas o suficiente para que a placa permaneça fixa em sua coordenada 3D no mapa mental do carro.
A Tesla diz ter independência do ecossistema CUDA da NVIDIA
A patente descreve um método específico de escuta usando uma aproximação Log-Sum-Exp. Ao permanecer no domínio logarítmico, é capaz de gerenciar a grande “faixa dinâmica” do som, de um zumbido suave a uma caminhão de bombeiros barulhento, usando apenas processadores de 8 bits sem precisar “cortar” os sons altos e perder os suaves. Isso permite que um carro ouça e distinga seu ambiente com precisão de 32 bits.
A Tesla emprega Treinamento Consciente de Quantização, ou ‘QAT’. Em vez de treinar a IA em um ambiente “perfeito” de 32 bits e “encolher” depois, o que geralmente resulta em uma IA ‘bêbada e errada’, a Tesla treina a IA desde o primeiro dia em um ambiente simulado com restrições de 8 bits, o que essencialmente desbloqueia possibilidades para implementar a IA da Tesla em algo muito menor do que um carro.
Incorporar essa matemática ao silício dá à Tesla sua independência estratégica. A Tesla é independente do ecossistema CUDA da NVIDIA e está em posição de adotar a Estratégia Dual-Foundry simultaneamente com a Samsung e a TSMC.
A xAI tornou-se oficialmente a primeira a colocar online um cluster de treinamento de IA coerente em escala de gigawatt
Isso é mais eletricidade do que a demanda de pico de São Francisco
Enquanto os concorrentes ainda estão elaborando roteiros para 2027, a xAI já está operando com energia de nível de grande cidade hoje
— X Freeze (@XFreeze) Janeiro 17, 2026
A combinação da xAI de avanços em IA e altas capacidades computacionais a torna um concorrente promissor para o Stargate da OpenAI, que será lançado em 2027.
Não apenas leia notícias sobre criptomoedas. Entenda-as. Inscreva-se em nossa newsletter. É grátis.
Aviso Legal. As informações fornecidas não constituem aconselhamento de investimento. Cryptopolitan.com não assume responsabilidade por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamos fortemente a realização de pesquisa independente e/ou consulta com um profissional qualificado antes de tomar quaisquer decisões de investimento.
Florence Muchai
Florence cobre notícias sobre criptoativos, jogos, tecnologia e IA há 6 anos. Sua graduação em Estudos de Computação na Meru University of Science and Technology e em Gestão de Desastres e Diplomacia Internacional no MMUST equipam-na plenamente com habilidades linguísticas, de observação e técnicas. Florence trabalhou no VAP Group e como editora em várias casas de mídia de criptoativos.
