Tesla verdoppelt KI-Rechenkapazität in Texas im zweiten Quartal 2026

Tesla erweitert zügig die KI-Infrastruktur, die für das Training von Autonomie-Modellen der nächsten Generation genutzt wird. Der Ergebnisbericht für das 2. Quartal 2026 des Unternehmens zeigt, dass die installierte Trainingsrechenleistung in der Gigafactory Texas in der ersten Jahreshälfte stark angestiegen ist.

Den Finanzunterlagen von Tesla zufolge hat sich die KI-Trainingsrechenleistung vor Ort in Texas von Januar bis Juni in Megawatt (MW) mehr als verdoppelt, wobei der Großteil der zusätzlichen Kapazität im 2. Quartal in Betrieb genommen wurde. Das historische Diagramm im Bericht zeigt, dass das Unternehmen das Jahr 2025 bei etwa 115 MW Trainingskapazität beendete, diese bis Ende des 1. Quartals 2026 auf rund 135 MW steigerte und sie dann bis Ende des 2. Quartals auf etwa 260 MW fast verdoppelte, was auf neu aktivierte Supercomputing-Cluster zurückzuführen ist.

Die aktuelle Trainingskapazität ist nun um ein Vielfaches höher als zu dem Zeitpunkt, als das Diagramm im 2. Quartal 2022 erstmals anstieg. Tesla skizzierte auch seine Pläne für den Rest des Jahres und prognostiziert bis Jahresende fast 400 MW an KI-Rechenleistung in der Giga Texas. Sollte dies erreicht werden, käme dies einer Verdreifachung der KI-Infrastruktur des Standorts im Laufe des Jahres 2026 gleich.

„Cortex 2 unterstützt die Entwicklung von Autonomie-Software für Fahrzeuge und humanoide Roboter gleichermaßen und wird im Laufe des restlichen Jahres weiter hochgefahren, um sicherzustellen, dass wir über ausreichende Rechenressourcen verfügen.“

Wofür Tesla seine enorme Rechenleistung nutzt

Das Training großer neuronaler Netze erfordert einen immensen Verarbeitungsdurchsatz. Tesla nutzt diese Cluster, um Milliarden von Videobildern zu verarbeiten, die von der weltweiten Fahrzeugflotte gesammelt wurden, und trainiert dabei End-to-End-neuronale Netze, die die Full Self-Driving-Software für Kunden und den fahrerlosen Robotaxi-Dienst antreiben.

Die erweiterte Kapazität unterstützt zudem Optimus und ermöglicht das Training der physischen Geschicklichkeit, des räumlichen Vorstellungsvermögens und der Ausführung realer Aufgaben bei humanoiden Robotern.

Mehr Rechenleistung ermöglicht es Ingenieuren, größere Modelle schneller zu trainieren und Software-Builds häufiger zu iterieren.

Antrieb für die nächste Generation autonomer Fahrzeuge

Die zusätzliche Rechenleistung unterstützt direkt mehrere wichtige Software-Initiativen im gesamten Autonomie-Stack von Tesla.

Bei der letzten Telefonkonferenz zu den Geschäftszahlen bestätigten Führungskräfte, dass auf den Tesla-Robotaxis bereits FSD v15 läuft, was den nächsten architektonischen Sprung für aktive Flotten vorzeitig ermöglicht. Tesla gab außerdem bekannt, dass seine Robotaxi-Fahrzeuge bereits über 380.000 Meilen ohne Aufsicht in mehreren Städten zurückgelegt haben.

Zusätzlich kündigte Elon Musk an, dass FSD für den Tesla Semi kommen wird. Teslas erweiterte Verarbeitungsressourcen werden wahrscheinlich auch dazu beitragen, neuronale Netze für die Handhabung eines schweren Lkw der Klasse 8 zu trainieren.

Die zusätzliche Rechenleistung befeuert auch einen Strategiewechsel beim Modelltraining: Aktuelle HW4-Kundenfahrzeuge der neuesten Generation betreiben tatsächlich destillierte FSD-Modelle, die von für das Cybercab trainierten Vorzeigemodellen abgeleitet wurden. Da Cortex 2 weiter ausgebaut wird, dürfte dies schnellere Modelliterationen sowohl für gewerbliche Flotten als auch für Privatfahrzeuge ermöglichen.