Tesla - נהיגה אוטונומית ורובוטיקה

למה Tesla בכלל פרופיל AI

קל לפספס את זה בתוך הכותרות על מחירי מניות וסייברטראק, אבל Tesla היא היום אחת מחברות הבינה המלאכותית הגדולות בעולם לפי היקף חישוב. היא לא מוכרת מודל שפה, ולא מוכרת API למפתחים — היא בונה מערכת AI סגורה שמסתובבת על הכביש, במחסן ובבית, על גבי צי של מיליוני מכוניות שאוסף נתונים אמיתיים מהעולם. זה סוג אחר לגמרי של יתרון תחרותי: לא עוד פרמטרים במודל, אלא נתונים שאי אפשר לקנות מקבצי אימון.

החזון שלה, שמנוסח לאורך השנים במסמכי Master Plan, הוא לסגור מעגל אחד: רכב חשמלי אוסף נתונים, הנתונים מאמנים רשתות נהיגה, הרשתות משתפרות בענן, והשיפור נשלח חזרה לכל הצי בעדכון תוכנה. לאורך הדרך אותו מנוע חישובי משמש גם את Optimus, הרובוט ההומנואידי, וגם מוצרי אנרגיה. זה ההסבר האמיתי למה שווי השוק של החברה מתומחר כמו חברת AI ולא כמו יצרנית רכב.

Full Self-Driving: ראייה בלבד, בלי לידאר

מערכת Full Self-Driving (FSD) של Tesla בחרה בגישה שונה מרוב המתחרים: היא מוותרת על חיישני לידאר יקרים ומסתמכת על מצלמות בלבד, ועל רשת נוירונים אחת שמתרגמת פיקסלים ישירות להחלטות נהיגה. לפי התיאור הרשמי, גרסת FSD מלאה מורכבת מכ-48 רשתות שונות שמעבדות את הסצנה — מזיהוי נתיבים והולכי רגל ועד חיזוי כוונות של כלי רכב אחרים.

מה שמבדל את הגישה הוא מנוע הנתונים: במקום צי רכבי ניסוי קטן, כל רכב Tesla בעולם משמש כחיישן אימון. תרחישי קצה נדירים — סימון כביש מחוק, צומת לא שגרתי, מזג אוויר קיצוני — נשלפים מהצי האמיתי, מתויגים ומשמשים לאימון חוזר. כך עולה כיסוי התרחישים הרבה יותר מהר ממה שמאפשרות סימולציות בלבד. מצד שני, הגישה הזו מעלה שאלות רגולציה: היעדר לידאר אומר פחות יתירות חיישנים, והמחלוקת האם ראייה בלבד מספיקה לרמת בטיחות מלאה עדיין פתוחה.

בפועל, גם אחרי שנים של הבטחות, המערכת עדיין מנוטרת על ידי נהג אנושי ברוב השווקים. זה לא כשל טכני בהכרח — זה ההבדל בין "מודל שמצליח ב-99% מהמקרים" ל"מערכת בטיחותית שנדרשת ל-99.9999%". זה בדיוק הפער שהמהנדסים שמגיעים מעולם הפרודקשן מכירים היטב: המייל האחרון הוא 90% מהעבודה.

מ-Dojo ל-Cortex: הסיפור האמיתי של התשתית

במשך שנים Tesla ניסתה לבנות שבב אימון ייעודי משלה — פרויקט Dojo — כדי לא להיות תלויה ב-NVIDIA. באוגוסט 2025 דווח שצוות Dojo פורק, והפרויקט הוקפא, בעוד Tesla ממשיכה להרחיב את אשכול ה-GPU המסחרי שלה — Cortex — שמבוסס על שבבי NVIDIA. לפי דיווחים עדכניים, הפרויקט חזר לחיים מחדש בראשית 2026, אבל הלקח ברור: בניית שבב אימון היא מיזם של שנים ושל מיליארדים, והמעבר לחומרה סטנדרטית אפשר ל-Tesla להאיץ אימון במקום לחכות לשבב משלה.

התוצאה המעשית: אשכול Cortex פועל בתפוסה מלאה לעיבוד וידאו ואימון רשתות נהיגה, ו-Cortex 2 נמצא בבנייה. זה אומר שהמחסום של Tesla כבר לא "כמה כסף לבזבז על שבבים", אלא "כמה מהר אפשר להפוך נתונים לשיפור מדיד ברכב". עבור מי שבונה מערכות AI, זה לקח ארכיטקטוני חשוב: לפעמים הפתרון הנכון הוא לקנות חומרה סטנדרטית ולהשקיע בנתונים ובצינור האימון, ולא לבנות חומרה ייעודית.

Optimus: מהבמה לרצפת הייצור

הרובוט ההומנואידי Optimus הוא ההימור ארוך הטווח של החברה: רובוט דו-רגלי למטרות כלליות שמשתמש באותן רשתות ראייה וניווט שפותחו ל-FSD. הדור החדש מיוצר בקו פיילוט בפרמונט, והשבב שנחשף לדורות הבאים — AI5 — אמור להריץ את חישובי הראייה והתנועה בזמן אמת על הרכב ועל הרובוט כאחד.

ההיגיון העסקי כפול: ראשית, רובוטים הומנואידיים משתלבים בסביבות שנבנו לבני אדם בלי להנדס מחדש את המפעל. שנית, Tesla בונה את הרובוטים שלה בשרשרת הייצור שלה עצמה — כלומר היא גם היצרנית וגם הלקוחה הראשונה, מה שנותן לה לולאת משוב מהירה. השימושים הראשונים הם פנימיים: העברת חלקים, מיון ואריזה. הבית הפרטי — ניקיון, בישול, קיפול כביסה — רחוק יותר, גם מבחינת עלות וגם מבחינת בטיחות.

Robotaxi והכלכלה של התחבורה האוטונומית

המוצר שסביבו סובב רוב הערך בטווח הבינוני הוא ה-Robotaxi — צי רכבים אוטונומי ללא נהג שמשווק כשירות תחבורה. ההיגיון הכלכלי פשוט: נהג אנושי הוא שורת העלות הגדולה ביותר בנסיעה, ולכן הסרתו משנה את כלכלת היחידה של ענף שלם. Tesla בונה לזה את כל השכבות — הרכב, השבב, התוכנה ורשת הטעינה — מה שאומר שאם הרגולציה תאשר, היא יכולה לפרוס מהר יותר ממי שצריך להרכיב את כל החלקים מספקים שונים.

הסיכון הוא תזמון. אישור רגולטורי לנהיגה אוטונומית מלאה תלוי בהוכחת בטיחות שמצטברת לאט, והמתחרים — ובראשם Waymo של Alphabet — כבר מפעילים שירות מסחרי בערים נבחרות. הפער בין "הטכנולוגיה עובדת" ל"השירות מרוויח" הוא גדול, והוא המקום שבו תוכרע ההבטחה.

מנוע הנתונים: למה קשה להעתיק את Tesla

הנכס העמוק ביותר של Tesla הוא לא רכב, שבב או מודל — אלא לולאת נתונים שנסגרת. כל רכב שנמכר הוא גם חיישן נייד שמזין תרחישים אמיתיים למערכת האימון, וכל שיפור תוכנה חוזר אל הצי כולו. זה אפקט רשת במובן ההנדסי: ככל שנמכרים יותר רכבים, כך הנתונים עשירים יותר, כך המודל טוב יותר, כך המוצר אטרקטיבי יותר. למתחרה שרוצה לשחזר זאת אין דרך קצרה — צריך גם צי גדול וגם זמן.

מצד שני, אותו מודל יוצר ריכוזיות: אוסף נתונים ממאות מיליוני כלי רכב מעלה שאלות פרטיות ורגולציה שלא קיימות אצל חברת תוכנה רגילה. זה שיעור כפול למי שבונה מערכות נתונים — יתרון הנתונים הוא אדיר, אבל הוא מגיע עם אחריות שצריך לתמחר מראש.

המבחן האמיתי

מה שהופך את Tesla למעניינת בעיני מהנדסים הוא לא הבטחות, אלא שהיא אוכפת שילוב נדיר של חומרה, תוכנה, נתונים ומוצר פיזי תחת קורת גג אחת. הסיכון המרכזי הוא ריכוזיות: כשכל ההימור יושב על ציר נתונים אחד וחזון אחד, טעות בתזמון הרגולציה או בהבשלת הטכנולוגיה מהדהדת לכל שאר הזרועות. למי שעוקב אחרי AI כדי לבנות מערכות, Tesla היא מקרה בוחן מצוין ל"איך נראה AI שנמדד בתוצאה פיזית, לא בציון בנצ'מרק".