Ted

[Ted @Tedmiles18]

@amitisinvesting Hell yes

[Conservatron @Conservatron1]

Yes. America has it all.
Literally.

[Ashok Elluswamy @aelluswamy]

FSD v14 Lite is now rolling out to AI3 early-access customers. Based on the feedback, will rollout to more customers over the next few weeks.

This build distills the driving behavior from AI4’s v14 series into both the camera and compute config of AI3. It includes destination options and speed profiles on city roads, but more importantly significantly improved safety.

We hope you’ll enjoy it, once the build ships wide.

[Joe Rogan Podcast News @joeroganhq]

Interview with Elon Musk from 2012: " My proceeds from PayPal after tax were about $180M, $100M of that went into SpaceX, $70M into Tesla, and $10M into SolarCity and I literally had to borrow money for rent."

[Brivael Le Pogam @brivael]

"Elon arrivera jamais à faire des usines de puces."

Je vois ce take dix fois par jour. C'est l'erreur de raisonnement la plus prévisible qui existe, et elle se démonte en deux minutes.

Les sceptiques raisonnent par analogie. Jamais par premiers principes.

Leur argument complet : personne ne l'a fait en moins de 40 ans, TSMC a brûlé 165 milliards en Arizona, une fab 2nm coûte 28 milliards et prend 38 mois rien qu'à construire, Tesla a zéro expérience des semis. Donc impossible.

Tout est vrai. Et tout est non pertinent.

"Ça a toujours pris 40 ans" n'est pas une loi de la physique. C'est juste la vitesse d'une industrie ossifiée qui n'a jamais été attaquée par quelqu'un qui pense aux atomes plutôt qu'au précédent.

Alors on décompose la chaîne, du sable au chip qui calcule.

Matière première (sable, silicium, wafers) : zéro contrainte physique, juste du capital et de l'énergie. Design : Tesla le fait déjà (FSD, Dojo). Lithographie EUV : le seul vrai goulot, mais c'est un problème de chèque et de file d'attente, pas de faisabilité. Process et yield : le vrai moat. Packaging, mémoire, test : coordination et capacité, pas de physique fondamentale.

Question de premier principe sur chaque ligne : contrainte dure, ou contrainte molle ?

Réponse : un seul goulot dur. Tout le reste est mou. Capital, coordination, yield, aversion au risque. C'est-à-dire, mot pour mot, la maison d'Elon.

Et voilà le coup que tout le monde rate.

TSMC est lent parce que c'est une foundry généraliste : 305 process différents, 12 000 produits, 500 clients. Chaque variante détruit le yield.

Terafab fait l'inverse exact. Une fab, un seul design de puce. Le problème combinatoire qui rend le yield infernal s'effondre. Ce n'est pas TSMC qu'il reconstruit, c'est In-N-Out face à un restaurant de 300 plats.

Ajoutez l'IA. La courbe de yield, ce truc qui prenait des années d'essais empiriques, c'est un problème d'optimisation et de détection de défauts. Exactement ce que l'IA compresse. Et qui a la flotte de GPU pour le faire ? Le mec qui construit la fab justement pour nourrir son IA. La boucle se referme sur elle-même.

Et le edge personnel, ce n'est pas du folklore.

SpaceX lui a appris à intégrer verticalement la supply chain la plus "impossible" qui existe et à diviser les coûts par 10. Tesla lui a appris le scaling manufacturing. Personne d'autre sur Terre n'a les deux cicatrices en même temps.

"Aucune expérience des semis." Il n'avait aucune expérience des fusées en 2002, aucune de l'auto en 2008. Le pattern est toujours identique : il entre dans une industrie mature qui le prend de haut, il la décompose, il intègre, il gagne.

"Qui va licencier l'IP de process ?" Intel a rejoint Terafab avec son node 18A. Le moat de 40 ans, il l'achète en un partenariat.

"Trop de capital." 55 milliards en phase 1, jusqu'à 119 au total. Et la demande est captive (Tesla, SpaceX, xAI), pas un pari spéculatif externe.

"Ses timelines slippent." Oui. C'est la seule concession honnête. Mais c'est un argument sur le quand, jamais sur le si. SpaceX était en retard. Tesla aussi. Les deux ont gagné. En retard n'a jamais voulu dire échec chez lui.

Décompose la chaîne : pas une seule impossibilité physique. Que du capital, de la coordination et du yield.

Les PNJ raisonnent par précédent. Le précédent vient de se faire annuler par premiers principes.

Comme d'hab.

[Sawyer Merritt @SawyerMerritt]

Robert Marks on @Tesla FSD (Supervised) after buying a Model Y:

"Its self-driving is the most impressively engineered consumer product since the smartphone. I say this as a practicing electrical and computer engineering professor with decades of experience in algorithms and artificial intelligence.

Among others, I’ve showed off my Tesla to a control theory professor, a retired Marine fighter pilot, and a retired police officer. All were agog.

Whether Tesla ultimately dominates the future of transportation or merely helps ignite it, one thing is clear: the automobile is being reinvented before our eyes. For those like me who grew up thinking of cars as engines, gears, and gas tanks, stepping into a Tesla feels less like buying a new car and more like getting a glimpse of tomorrow."

Full article: https://t.co/ZMF9QJcd45

[Ted @Tedmiles18]

@JeffMeeksq5 @DrTeslaFSD @RonDeSantis @technoking_420 $63,345 was MSRP. Want me to post the trade?

[Ted @Tedmiles18]

@JeffMeeksq5 @DrTeslaFSD @RonDeSantis @technoking_420 I lost 59% on my 22 Silverado sold this year. So maybe vehicles just depreciate?

[Marc Lehman @markflowchatter]

China trip off to a bang for $TSLA $AAPL

that's what Xi said

[CC Sabathia @CC_Sabathia]

Man!!!! Speechless! Thank you @Brewers 🙏🏾

[Ted @Tedmiles18]

@Hughwilliam8 @Bitcoin_Teddy We literally do have to defend Japan. That was part of the treaty from WWII.

[Ted @Tedmiles18]

@NeminiParco_ @TSLAFanMtl They are going to be added to the fleet. What do you think they need from regulators?

[Max Gagliardi @max_gagliardi]

Test drove a Tesla for an hour today and ran FSD nearly the entire time

It was ridiculously good. Almost certainly a better driver than humans

Navigated heavy traffic and construction, went around a stopped delivery truck, handled roundabouts, moved out of my lane when the car next to me drifted over the line, stopped for pedestrians. All flawlessly

I’ve always said if Tesla made a better car than an ICE vehicle, I’d consider buying one.

But this is beyond EV vs ICE. It’s AI car vs non-AI car. And owning one that drives itself is becoming undeniably compelling

A personal driver used to be a luxury only the ultra rich could afford. Now you can get one for $100 a month

The robots are coming quicker than we think. If we can solve driving, everything else isn’t far behind

[Andyland @andy1and]

FSD is shockingly good, I am completely gobsmacked. @Tesla team, bravo, truly. My god.

First drive in Amsterdam after 5 years on autopilot.

[Ted @Tedmiles18]

@yousei_anzukun Kids love Tesla. I hear kids tell my kids all the time “You have a Tesla!?!”

[Brivael Le Pogam @brivael]

Aujourd'hui grosse discussion avec mes ingés (chez Argil) sur pourquoi Elon a viré le LIDAR de ses voitures autonomes. Choix radical, moqué pendant des années, et comme d'hab il avait raison depuis le début.

Le LIDAR c'est un laser qui balaye l'environnement et crache un nuage de points 3D. Sur le papier tu obtiens la géométrie exacte du monde. Dans la vraie vie c'est une verrue technologique collée sur le toit parce qu'on sait pas faire mieux avec la vision seule.

Problème numéro un : ça rajoute une modalité dans le training du modèle. Ton réseau doit apprendre à fusionner vision + lidar + radar + ultrasons. Chaque capteur en plus c'est une source de désaccord à arbitrer, pas une source d'info supplémentaire. Sensor fusion artisanale = dette technique permanente.

Problème numéro deux, la bitter lesson de Rich Sutton : scaler le compute sur une seule modalité bat systématiquement les architectures bricolées à la main. Tesla a dropé le radar, puis les ultrasons, est passé full end-to-end vision. Leur courbe sur les edge cases s'est accélérée APRÈS, pas avant. Waymo fait l'inverse et reste stuck en ops géofencée.

Problème numéro trois, le plus fondamental : le LIDAR voit la géométrie, pas la sémantique. Il sait qu'il y a un truc, pas ce que c'est ni ce que ça va faire. Les derniers 9 de fiabilité sont des problèmes de cognition, pas de perception brute. Un capteur de plus résout rien, il ajoute du bruit.

Sébastien Loeb balance une 208 T16 à 180 dans un chemin boueux corse sous la pluie avec zéro LIDAR. Deux yeux, un cerveau. L'évolution a donné des yeux aux prédateurs pendant 500 millions d'années, pas des lasers. Il y a une raison.

Le LIDAR c'est l'équivalent du marxisme appliqué à l'économie. Une solution planifiée, centralisée, qui prétend modéliser explicitement ce qui doit émerger d'un système distribué et adaptatif. Tu remplaces l'intelligence par de la mesure, la compréhension par de la donnée, l'émergence par le contrôle. Ça rassure les ingénieurs qui veulent tout spécifier en amont, exactement comme la planif rassurait les économistes soviétiques. Et ça échoue pour les mêmes raisons : la réalité est trop riche pour être capturée par un capteur, comme elle est trop riche pour être capturée par un plan quinquennal.

La vraie intelligence, celle de Hayek comme celle de Tesla, c'est de faire confiance à un système qui apprend de l'expérience plutôt que de tout pré-encoder. L'élégance d'une solution c'est son rapport signal sur complexité. Le LIDAR explose le dénominateur.

Défendre le LIDAR en 2026 c'est préférer empiler des hacks plutôt que résoudre le vrai problème. C'est de la feignasserie intellectuelle maquillée en rigueur d'ingénieur. Les mêmes gens qui défendaient les systèmes experts en 2012 contre le deep learning. Ils finiront pareil.

Never bet against end-to-end. Never bet against la simplicité. Never bet against Elon.

[Tesla North America @tesla_na]

Place your order while en route to Tesla Diner & it will be ready right after you arrive

[Shanaka Anslem Perera ⚡ @shanaka86]

Nine billion miles of driving data just became a chip.

Tesla AI5 is finalized for production. The design files are at Samsung in Texas and TSMC in Arizona. The transistors are locked. There is no going back. Tape-out is the hardest gate in semiconductor engineering because everything before it is reversible and everything after it is silicon.

How this particular chip was designed is the most interesting part.

Nvidia builds general-purpose GPUs. They pack transistors into a full-reticle die, ship it with CUDA, and let customers figure out which operations matter. Blackwell B200 delivers 4.5 petaFLOPS at up to 1,000 watts. It runs any model for any customer. That generality is the moat and the tax. Every workload pays for circuits it never uses.

Tesla designed AI5 backward. They started with 9 billion miles of FSD inference data and asked one question: where does the neural network waste cycles? The answer was softmax computation and quantization precision loss. Two specific mathematical operations that consume disproportionate silicon area and power in every general-purpose GPU on Earth. Operations that Nvidia cannot optimize away because other customers need those transistors for different workloads.

Tesla hardened them. Burned custom quantization and softmax accelerator blocks directly into the die. Five times more efficient on those operations than any general-purpose equivalent. Then they added 10 times the raw compute and 9 times the memory capacity relative to AI4. The result: a single AI5 system-on-chip delivers roughly 5 times the useful compute of the current dual-chip AI4 configuration at an estimated 250 watts. Musk has framed a single AI5 as Nvidia Hopper class and dual AI5 as Blackwell class for Tesla workloads, at 3 to 5 times better power efficiency and roughly 10 times better performance per dollar.

This is not a chip designed to compete with Nvidia. This is a chip designed to run one thing: the learned differentiable physics engine that emerged from 9 billion miles of camera observation. Every transistor serves that engine. No wasted silicon. No generality tax. The neural network wrote its own hardware.

The chip goes to two foundries. Samsung in Taylor, Texas. TSMC in Arizona. Both American. Musk thanked both this morning and added: “It will be one of most produced AI chips ever.”

Samples arrive late 2026. Volume targets H2 2027. In the same post, Musk confirmed AI6, Dojo3, and “other exciting chips” are in active development. The 9-month cadence is real. AI6 targets tape-out by December. Dojo3 restarts on the unified architecture after Musk shut down Dojo2 last August as an “evolutionary dead end.” Intel joined Terafab eight days ago for advanced packaging. The $16.5 billion Samsung deal runs through 2033.

The chip that taped out this morning is not a product. It is the physical crystallization of 9 billion miles of learned physics into transistors optimized for the exact mathematical operations that physics requires. The software trained on the road. The silicon was designed from what the software learned. And the factory that will mass-produce it is being built in the same city where the cars that generated the training data roll off the line.

The loop is closed.

[Randy Kirk @RandyWKirk1]

Please @elonmusk Start serious advertising.

Please @TeslaBoomerMama - create a petition to present to Elon Musk that we start a serious Model Y and FSD advertising campaign.

When people find out how inexpensive the cars are, they are SHOCKED.

The time has come.

[@jason @Jason]

if anything remotely close to this CyberSUV concept drops, it will take over the entire SUV category

Would love to have hyper-lifted feature in this, in order to navigate Tahoe blizzards!