Compass Investments

据 Cryptopolitan. 报道，特斯拉的人工智能开发人员正在申请专利，以消除神经网络学习中的困难和位置编码中的偏差。特斯拉的工程团队已经为节能的 8 位硬件申请了专利，该硬件传统上使用简单的四舍五入值来执行复杂的 32 位变换。

特斯拉将计算能力成本降低到了100瓦以下，确保机器人在8小时的工作中保持稳定，不会过热。

怀疑论者指出，虽然使用更便宜的芯片降低了单位成本，但维护专有元素库、编译器和人工智能处理链的成本也很高。

特斯拉已经找到了绕过物理限制的方法。

特斯拉的 “混合精度对接单元（mixed-precision docking unit）”在专利申请US20260017019A1中首次提出。数学转换器弥补了廉价、低功耗 8 位硬件的不足。这项技术最初只能对基本整数进行运算，但现在 Rot8 已成为一项先进技术，可用于高端 32 位任务。

首先，它开启了对 AI5 神经处理器的访问，预计它将比我们目前的硬件强大 40 倍。这对特斯拉 Optimus 至关重要，它的电池组容量为 2.3 千瓦时，约为 Model 3 的三十分之一。通过GPU上的32位处理，它将在不到4个小时内耗尽所有电量，光是 “思考 “就需要超过500瓦特。

需求是万物之母

所以特斯拉把计算的功耗限制降低到了100瓦热障问题解决了安卓机现在可以在八小时的工作时间内 保持平衡和意识而不会过热

该专利提到了一种 “硅桥”，它可以让 Optimus 和 FSD 系统实现超高智能，而不会削减其工作半径或使芯片过热。因此，特斯拉的适度硬件变成了超级计算机级别的机器。

此外，还解决了丢失标志上下文的问题。在以前版本的 FSD 中，车辆会看到停车标志，但如果卡车遮挡了它大约 5 秒钟，车辆就会忘记它的存在。

特斯拉现在使用 扩展上下文窗口，允许人工智能访问 30 秒或更久之前的数据。然而，在较长的时间间隔内，标准定位方法容易产生偏差。

特斯拉的多级系统通过保持高定位精度消除了这一缺陷。这使得人工智能能够记住那个重叠的停车标志的准确位置，即使车辆已经绕着它行驶了一段时间。特斯拉的工程师声称，RoPE 的旋转变换足够精确，可以让标志在车辆的心智模型中保持三维坐标。

该专利描述了一种使用对数求和近似法分析音频数据的特殊方法。在保持对数平面的同时，它允许只使用 8 位处理器处理巨大的声音动态范围–从几乎听不到的沙沙声到消防车的轰鸣声，而不必切断响亮的信号，丢失安静的信号。这样，机器就能以 32 位的细节听到并识别周围的环境。

特斯拉使用量化感知训练（QAT）。特斯拉不在 理想的 32 位环境中训练人工智能，然后再将其缩小（这往往会导致人工智能不稳定、不正确），而是从一开始就在具有 8 位限制的模拟环境中训练神经网络。这从根本上开辟了将特斯拉人工智能集成到比汽车小得多的设备中的可能性。