Pomodo
HomeTeknologiBisnisSainsFinansial

Tesla Bangun Superkomputer Cortex 2.0 untuk Robot dan Mobil Swakemudi

Teknologi
Kecerdasan Buatan
InterestingEngineering InterestingEngineering
15 Mei 2025
293 dibaca
1 menit
Tesla Bangun Superkomputer Cortex 2.0 untuk Robot dan Mobil Swakemudi

Rangkuman 15 Detik

Tesla sedang membangun superkomputer baru, Cortex 2.0, untuk mendukung program AI dan robotika mereka.
Giga Texas akan menjadi lokasi utama untuk pengembangan teknologi baru termasuk superkomputer.
xAI, yang juga didirikan oleh Elon Musk, telah mencapai kemajuan signifikan dalam pengembangan kecerdasan buatan dengan superkomputer Colossus.
Tesla sedang membangun superkomputer baru bernama Cortex 2.0 di fasilitas Giga Texas, Austin. Superkomputer ini akan menjadi yang terbesar dan paling canggih dari Tesla untuk mendukung kebutuhan AI perusahaan yang semakin meningkat. Cortex 2.0 diharapkan bisa membantu program robot humanoid Optimus dan teknologi full self-driving yang ada di kendaraan listrik Tesla. Fasilitas ini sedang dibangun di sisi utara Giga Texas dan akan beroperasi pada akhir 2025 atau awal 2026. Sebelumnya, Tesla telah membuat Cortex 1.0 dengan 50,000 GPU Nvidia H100, dan sekarang jumlah GPU ini direncanakan naik sampai 350,000. Cortex 2.0 kemungkinan akan memiliki jumlah GPU yang jauh lebih besar dari itu. Selain Tesla, Elon Musk juga mengembangkan superkomputer untuk startup AI-nya, xAI, yang telah menyelesaikan Colossus dengan 200,000 GPU. Colossus digunakan untuk melatih model AI canggih bernama Grok 3 dan bertujuan mencapai 1 juta GPU. Dengan kapasitas komputasi yang besar, Tesla berharap dapat meluncurkan layanan robotaxi di Austin, Texas dalam beberapa minggu ke depan, serta mempercepat produksi robot humanoid Optimus secara massal di masa mendatang.

Analisis Ahli

Andrew Ng
Peningkatan skala GPU dalam superkomputer seperti Cortex 2.0 sangat penting untuk maju dalam training model AI besar, yang akan mempercepat inovasi di sektor otomotif dan robotika.
Fei-Fei Li
Tesla memanfaatkan superkomputer secara bijak untuk AI aplikatif, namun tantangan utama adalah bagaimana memaksimalkan data dan algoritme untuk hasil yang optimal di dunia nyata.