Questa settimana internet è letteralmente impazzito per i video dell’ultima beta del Full Self-Driving (FSD) di Tesla, e per una volta non c’entrano nulla i meme sull’auto che scambia un segnale di stop per un suggerimento facoltativo. Il nuovo visualizzatore “Reality View” mette in scena una ricostruzione 3D in tempo reale del mondo circostante con un livello di dettaglio mozzafiato direttamente sul display dell’auto. È così fluido e fotorealistico che qualcuno ha sentenziato: “è molto più assurdo di GTA VI”. Un’affermazione audace, certo, ma guardando il gemello digitale della propria auto che naviga tra le strade bagnate dalla pioggia e illuminate dai neon di una metropoli, è difficile dargli torto.
Ma ecco il colpo di scena: questo sfoggio di muscoli grafici e potenza computazionale non è stato pensato per l’auto che state guidando. È una demo pubblica della tecnologia di world-modeling che Tesla sta sviluppando per qualcosa di molto più ambizioso. In una serie di approfondimenti tecnici, il CEO Elon Musk ha alzato il sipario, rivelando non solo il funzionamento del visualizzatore, ma anche dove si trovano le vere priorità dell’azienda in fatto di IA. E, piccolo spoiler: camminano su due gambe.
Anatomia di un gemello digitale
Secondo Musk, la magia dietro le quinte è merito di un modello di diffusione, quella classe di intelligenza artificiale generativa diventata celebre per creare immagini dal nulla. Il sistema di Tesla, però, gioca in un’altra lega. Il processo inizia con il Tesla Universal Vision Encoder (UVE), che elabora i flussi video grezzi delle telecamere. Questi dati vengono poi sdoppiati: un flusso alimenta il modello di guida principale da 3 miliardi di parametri — il vero cervello dell’FSD che decide sterzo e velocità.
L’altro flusso finisce in un modello di diffusione separato da circa 1 miliardo di parametri. Il compito di quest’ultimo è creare la “Reality View”. Prende il fotogramma generato in precedenza, aggiunge un pizzico di rumore digitale e usa le ultime informazioni dell’UVE per “ripulirlo” (denoising), trasformandolo nella vista iper-realistica attuale. Il risultato è un frammento video di 8 fotogrammi renderizzato a 36 fps, il tutto girando su quelle che sono, in termini di potenza di calcolo, briciole.

Musk ha descritto i brutali vincoli hardware: l’intero processo gira su appena metà di uno dei tre motori TRIP (Tesla Inference Processor) presenti sull’hardware IA dell’auto, noto come SoC B. Ha sottolineato che il motore TRIP è un processore a soli 8 bit (integer-only) che deve emulare operazioni in virgola mobile come il softmax attraverso un laborioso processo in 28 passaggi. Il fatto che gli ingegneri di Tesla siano riusciti a far stare un modello di diffusione da 1 miliardo di parametri in questo silicio è, onestamente, un atto di pura stregoneria informatica o di estrema testardaggine.
Il vero obiettivo: un modello del mondo “pixel-perfect”
Ma perché darsi tanta pena? Perché dedicare preziose risorse di calcolo a creare un bel disegno quando l’FSD tratta ancora ogni tanto i ciclisti come ostacoli opzionali? La risposta è la generazione di dati sintetici. Musk ha dichiarato che Tesla possiede un “modello del mondo quasi perfetto a livello di pixel già dall’anno scorso”. Questo visualizzatore è solo il primo vero assaggio di quel modello in azione.
Una simulazione perfetta della realtà è il Sacro Graal per l’addestramento dei sistemi autonomi. Invece di dover macinare milioni di chilometri sperando di incappare in rari casi limite, Tesla può generare infinite varianti di scenari all’interno della sua simulazione. Può creare bufere di neve virtuali a luglio, testare la reazione a un canguro impazzito nel centro di Manhattan e, in generale, sottoporre la sua IA di guida a stress test che sarebbero impraticabili o pericolosi nel mondo reale. Le belle immagini sull’auto sono solo un sottoprodotto; il vero prodotto è la fabbrica di dati.
La bomba AI5: non è per voi, automobilisti
Proprio mentre tutti stavano digerendo l’impresa tecnica, Musk ha sganciato la bomba. Interpellato sui futuri miglioramenti dell’hardware, ha rivelato che la prossima generazione di silicio IA personalizzato di Tesla, AI5, rappresenterà un “miglioramento gigantesco” con circa 12 volte più potenza di calcolo. Poi è arrivato il colpo di scena.
“Andrà a Optimus. Le auto resteranno su AI4. È sufficiente per risolvere la guida sovrumana.”
Questa singola dichiarazione rimescola completamente le carte in tavola. L’azienda sostiene pubblicamente che l’attuale hardware AI4 sia sufficiente per raggiungere una guida autonoma “sovrumana” — un’affermazione che sarà sicuramente accolta con una sana dose di scetticismo da chiunque abbia provato il sistema. La vera notizia è che il chip IA più avanzato dell’azienda, con un salto prestazionale di un ordine di grandezza, sarà destinato esclusivamente al programma di robotica umanoide.
L’implicazione è chiara: Tesla vede la robotica embodied (incarnata) e generalista come un problema molto più difficile, e in definitiva più prezioso, da risolvere rispetto alla guida autonoma. Un’auto opera in un ambiente strutturato e regolato da norme (corsie, segnali, codice della strada). Un robot umanoide deve navigare nel caos infinito e imprevedibile degli spazi umani. Ha bisogno di una potenza di calcolo enormemente superiore per costruire un modello del mondo capace di capire non solo come stare in strada, ma come aprire una porta, far funzionare una macchina del caffè e piegare il bucato senza dare fuoco alla casa.
Così, mentre i proprietari di Tesla si godono un nuovo, sofisticato salvaschermo che sembra un videogioco, la vera IA di prossima generazione viene forgiata per un robot bipede. Il modello del mondo che alimenta questo splendido visualizzatore è solo il campo di addestramento. La vera prova del nove sarà quando quella stessa comprensione del mondo fisico non poggerà più su quattro ruote, ma su due gambe, spinta da un chip IA che fa sembrare quello della vostra auto una calcolatrice tascabile.
