Hoy estoy hablando con Xinzhou Wu, director de automoción de Nvidia.  Obviamente, Nvidia aparece constantemente en las noticias debido al auge de la IA: es una de las empresas más valiosas del mundo, porque la industria de la IA no se cansa de las GPU de la empresa. Pero Nvidia también es un proveedor clave de la industria automotriz. Ha tenido chips en los automóviles desde hace años, y Xinzhou ha sido fundamental en la construcción de un sistema de conducción autónomo completo que los fabricantes de automóviles pueden utilizar. Ya está en los vehículos eléctricos Mercedes más nuevos, por ejemplo, como lo escucharás mencionar varias veces. Así que realmente quería conocer su perspectiva sobre cómo la industria automotriz está manejando la gran transición hacia los vehículos eléctricos autónomos. Ese es el objetivo que todos los fabricantes y proveedores de automóviles le dirán que está por alcanzar, pero que tal vez parezca más lejano que nunca en 2026. El ciclo de adopción de vehículos eléctricos en Estados Unidos está completamente desviado, la conducción autónoma parece estar estancada para siempre tratando de resolver el 20 por ciento final de las situaciones, y los propios automóviles siguen encareciendo incluso cuando los consumidores están sintiendo la presión de la inflación y el aumento de los precios de la energía en todos los ámbitos. Escuchará a Xinzhou decir que en realidad ha habido un progreso sorprendente en la reinvención de la naturaleza fundamental del automóvil en sí, algo que la industria llama el “vehículo definido por software”, controlado por sólo un puñado de poderosas computadoras en lugar de docenas o incluso cientos de unidades de control electrónico independientes, o ECU. Si escucha Decoder, habrá oído a muchos fabricantes de automóviles hablar sobre la necesidad de alejarse de las ECU; Xinzhou dice que ese momento básicamente ha llegado.  Hablamos mucho sobre la industria automotriz china y cómo esencialmente pudo obtener una ventaja porque comenzó a construir sobre arquitecturas y plataformas de vehículos eléctricos, en lugar de tener que gestionar una transición para alejarse de los automóviles de gasolina y todas esas ECU. Xinzhou solía trabajar en un fabricante de equipos originales (OEM) chino, por lo que tiene bastante conocimiento al respecto. También hablamos de trabajar en la propia Nvidia. Es una empresa única con un líder único en Jensen Huang, y Xinzhou dijo que sus tres años allí hasta ahora han sido una experiencia de aprendizaje rápido. No rehuyó la realidad de la necesidad de competir por recursos y capacidad contra el floreciente negocio de inteligencia artificial de la empresa. Su descripción de lo que gana esas discusiones, especialmente cuando sus clientes son tan lentos y reacios a los costos como los fabricantes de automóviles, fue fascinante. Por supuesto, tuvimos que discutir la IA y cómo el enfoque de Nvidia hacia la autonomía reúne lo que Xinzhou llama la pila “clásica” y la capacidad de los modelos razonados para operar el automóvil. Hay mucho aquí, incluida la idea de que tendrás un modelo de IA literalmente hablando solo para descubrir cómo conducir tu auto, lo cual me parece increíblemente interesante e increíblemente divertido. Y, por supuesto, no se puede hablar de coches eléctricos o de autonomía de los vehículos en EE.UU. sin hablar de Elon Musk y Tesla. Entonces le pregunté a Xinzhou de manera bastante directa si la conducción autónoma total de Tesla realmente puede hacer lo que Elon afirma que podrá hacer sin usar lidar. Dígame si cree que su respuesta es válida. De acuerdo: Xinzhou Wu, director de automoción de Nvidia. Aquí vamos. Esta entrevista ha sido ligeramente editada para mayor extensión y claridad. Xinzhou Wu, eres el director de automoción de Nvidia. Bienvenido a Decodificador. Gracias por invitarme. Estoy muy emocionado de hablar contigo. Parece que la naturaleza misma de lo que es un automóvil está en juego. Parece que la industria automotriz está en un período de realineamiento masivo, casi como si hubiera una sensación de dónde terminaría el automóvil como producto durante varios años, y eso se debe a las dificultades de la transición a los vehículos eléctricos, debido a las dificultades de la guerra comercial entre Estados Unidos y China. Todo eso parece más complicado que nunca. Muchos fabricantes de automóviles están recortando personal y parece que su posición en Nvidia le brinda una visión bastante amplia de lo que está sucediendo en la industria del automóvil, porque suministra a muchos de los principales fabricantes de automóviles en prácticamente todos los países. Así que comencemos por ahí. ¿Cuál es su opinión sobre dónde se encuentra la industria automovilística en este largo y sinuoso camino hacia la autonomía y la electrificación? Esa es una excelente pregunta. Llevo probablemente 15 años trabajando en el sector de la automoción, empezando por mi carrera en Qualcomm. Estuve al frente del equipo de automoción de Qualcomm durante un tiempo. Y, obviamente, hemos escuchado la frase “vehículo definido por software”. En este momento, la tecnología de IA está pasando a la siguiente fase, lo que esencialmente llamamos un “vehículo definido por IA”. Con estas enormes innovaciones tecnológicas, la industria automotriz ha cambiado con bastante rapidez durante la última década. Como saben, también trabajé como parte de un OEM chino durante cinco años, dirigiendo su equipo de conducción autónoma. Ahora estoy en Nvidia. Entonces, lo que he visto a lo largo de mis 15 años de carrera es la oportunidad de presenciar este cambio masivo. El automóvil pasó de, digamos, ser principalmente mecánico, además de máquinas eléctricas, a algunas cosas cuya capacidad podemos actualizar a través de software inalámbrico (OTA) con bastante rapidez. Eso es lo que llamamos la era del “vehículo definido por software”. Ahora, con la tecnología avanzando hacia la IA generativa, estamos utilizando IA para reescribir la mayor parte del software del automóvil. Eso es lo que llamamos el "vehículo definido por IA". Esto también, por un lado, ha acelerado el ritmo de desarrollo de las capacidades del vehículo. Y, por otro lado, también ha cambiado la forma en que definimos "vehículo". La IA está impactando a toda la industria en todos los niveles. Es realmente emocionante ver cómo evolucionará el mundo a partir de aquí con estas nuevas innovaciones tecnológicas. Permítanme separar algunos términos allí. Los escucho mucho de los fabricantes de automóviles a quienes les encanta venir al programa y decirme qué va a pasar con los automóviles. Pero creo que algunos de estos términos son un poco confusos en los bordes. Entonces dijiste "vehículo definido por software". Ese es un término bastante confuso. Creo que la idea es que nos deshagamos de todas las ECU de un automóvil que actualmente controla muchísimos sistemas diferentes. Y centralizaremos todos esos componentes en quizás uno o dos grandes centros de cómputo en un automóvil. Tesla es muy famosa por haber hecho esto. Rivian ha hecho una gran apuesta al respecto. Wassym Bensaid de Rivian estuvo en el programa hablando de eso. Otros fabricantes de automóviles tradicionales han intentado hacer esto. Tuvimos a GM en el programa. Dijeron: "Mira, no necesitamos hacer eso. Estamos bien. Lo haremos a nuestra manera". Ford intentó hacer esto a lo grande. Tuvieron que montar una fábrica y construir una forma completamente nueva de fabricar un automóvil del que están muy orgullosos. Se nos dice que pronto saldrá un camión de ese esfuerzo. No creo que la industria haya llegado allí. Eso es básicamente lo que estoy diciendo. Los nuevos fabricantes de automóviles llegaron al punto en el que podían afirmar que tenían un vehículo definido por software en el que había una o dos computadoras grandes en el automóvil que controlaban todos los sistemas. La mayoría de los fabricantes de automóviles heredados aún no lo han logrado.  Le pondré un asterisco. Quizás Ford tenga éxito con esta nueva camioneta, pero aún no lo sabemos. ¿Cree que la industria en general llegará a los vehículos definidos por software o cree que los fabricantes de automóviles heredados se quedarán donde están? 100%. Tuve la oportunidad de presenciar lo que sucedió en China entre 2018 y 2023. Toda la industria pasó por este cambio masivo en solo cinco años. Allí, no sólo los nuevos fabricantes de automóviles, sino también los antiguos tienen que adaptarse. Todo el mundo se está adaptando a un único tipo de arquitectura eléctrica de computación central porque así es como se compite.  También en el resto del mundo tenemos nuestros socios a través de la colaboración de vehículos autónomos (AV) Drive and Drive, por ejemplo, con nuestro socio Mercedes. Su generación actual es una arquitectura esencial basada en computadora. Estará en todos sus vehículos. Para los otros OEM básicos, estamos trabajando con todos ellos y tratando de ayudarlos a convertir o actualizar la arquitectura a una ruta de una o dos computadoras, porque habrá infoentretenimiento, habrá conducción básica o sistemas avanzados de asistencia al conductor (ADAS), ECU. Pero creo que el mundo se está moviendo bastante rápidamente en esa dirección. Algunos de ellos obviamente serán más lentos. Algunos de ellos serán más rápidos. Esa es la naturaleza de este negocio. Pero no tengo ninguna duda de que el mundo está evolucionando básicamente en esa dirección. De hecho, tengo curiosidad por tu historia. Trabajaste en XPeng, un fabricante de automóviles chino. Para mí, sentado donde estoy en Estados Unidos y siendo un fanático de los automóviles durante mucho tiempo, los fabricantes de automóviles chinos tenían una ventaja bastante única en el sentido de que no eran grandes fabricantes de automóviles globales. No estaban operando a gran escala. Llegó la electrificación. Obviamente, Tesla desarrolló una gran capacidad en China para fabricar automóviles. Todos sabemos cómo funciona el ecosistema de fabricación chino y tuvieron que reiniciarlo. Pudieron diseñar un montón de automóviles como vehículos eléctricos, desde cero, básicamente como lo hicieron los nuevos fabricantes de automóviles en los Estados Unidos, y construir automóviles globalmente competitivos a partir de una base totalmente nueva sin tener que preocuparse por un montón de cosas de las que los fabricantes de automóviles estadounidenses tradicionales tendrían que preocuparse. Y luego, el gobierno chino obviamente subsidió todo eso a tasas enormes. Trabajaste allí. ¿Fue esa tu experiencia? ¿Es así básicamente como fue que tuvieron que empezar de nuevo? Creo que ese es sólo un lado de la cuestión. Definitivamente tienen menos legado, menos carga de qué preocuparse y eso es una ventaja. Pero lo que también veo es que no sólo los nuevos fabricantes de equipos originales, sino también los actores globales tienen que adaptarse al ritmo chino. Al menos por lo que aprendí allí, todo el mundo va a ese ritmo. Una vez más, quieres poder competir.  Pero como dijiste, la ola... Los vehículos definidos por software han estado ahí durante mucho tiempo y Tesla es quien realmente los está llevando a plena producción. No estoy seguro de si son los primeros, pero definitivamente en mayor medida. No tengo ninguna duda de que los OEM del resto del mundo también seguirán este ejemplo. Creo que todos los OEM en este momento tendrán que hacer esto porque así es como se compite, eso es lo que hay que hacer para sobrevivir. La autonomía se convertirá casi en una necesidad para todos los fabricantes de equipos originales en sus vehículos. Todos creemos en ese futuro. Y la única manera de llegar allí es llegar a... En primer lugar, está la arquitectura que describí, que permite actualizaciones de software sin tener muchas, muchas ECU discretas. En realidad, últimamente no he oído a nadie argumentar en contra de eso. Quizás hayas escuchado algo diferente, pero creo que es un paso necesario para todos. En esta etapa, es casi como una apuesta para la arquitectura de la próxima generación. Obviamente estamos hablando con muchos fabricantes de equipos originales, pero la industria avanza hacia un consenso. Tengo curiosidad sobre el camino hasta allí, porque estoy de acuerdo contigo en que mucha, mucha gente ha dicho que ese es el estado final y que permite todo lo que vendrá después. Simplemente parece que el camino ha sido mucho más accidentado de lo que esperaba la industria. Parte de eso es, no sé, que a la administración Trump no le gustan los vehículos eléctricos. Entonces, las ventas de vehículos eléctricos y los créditos fiscales aquí desaparecieron y tal vez las ventas de vehículos eléctricos aumentaron a medida que toda esa demanda aumentó y tal vez todos quieran un automóvil de gasolina ahora. Y tal vez todo esto sea más difícil cuando no tienes una batería gigante que pueda alimentar todos estos sistemas a perpetuidad y realmente necesitas arrancar el motor para obtener energía para todos estos sistemas en lugar de tener una batería de 12 voltios. O tal vez es que los fabricantes de automóviles chinos son tan competitivos y están tan subsidiados que el costo de hacerlo para los fabricantes de automóviles heredados es difícil de superar, porque ellos tienen la infraestructura heredada y las redes de distribuidores en los Estados Unidos que cuidar y simplemente vamos a postergarlo. Hay algo en el camino hacia este estado futuro acordado del automóvil que parece más difícil de lo que pensé que sería o que cualquiera en el programa durante los últimos cinco años ha dicho que sería. Tengo curiosidad, desde tu perspectiva. Eres el proveedor, estás intentando vender la visión, estás intentando poner los chips en todos los coches. Desde su perspectiva, ¿qué ha hecho que ese camino sea más difícil? Bueno, has dicho bastantes cosas. La industria automotriz es muy pesada. Implica cadenas de suministro masivas y muchas empresas, muchos empleados. Y para hacer un cambio en la arquitectura, cada vez que sacas un coche, tienes que soportarlo durante 10 a 15 años. Nvidia, como proveedor, también asume un compromiso similar con nuestros clientes para cualquier tecnología que suministremos, incluidos conjuntos de chips, otras plataformas y nuestra tecnología AV. Tendremos el compromiso de soportar la misma generación durante 10-15 años, incluso para la generación actual de chips. Si lo piensas desde la perspectiva de un proveedor de Silicon Valley, es casi una locura. Pero esa es la naturaleza del negocio automotriz. La naturaleza del negocio es que ralentizará un poco las cosas. Y esa es una cosa. La otra cosa es que, debido a que la tecnología está cambiando tan rápido y de manera tan diferente de, digamos, el automóvil como lo conocíamos antes y el vehículo definido por software, el vehículo definido por IA, hay que pasar por un grupo de talentos diferente para poder configurar la empresa de manera adecuada y adaptarse a esta nueva ola de innovaciones tecnológicas. Por eso Nvidia puede venir y ayudar. Porque creemos que la tecnología está llegando a su fin; obviamente estamos hablando principalmente del vehículo autónomo. La tecnología está llegando a un nivel de madurez. Vamos a llevar esta tecnología a la producción en masa y puede entrar un proveedor. Es por eso que no solo proporcionamos la tecnología AV, sino que también brindamos toda la plataforma, desde un chip, hasta sistemas operativos, un modelo de código abierto y lo que llamamos Halos, el sistema operativo de seguridad que ayuda al OEM a poder adaptarse a este nuevo mundo más rápido.  La naturaleza del negocio es que no todos pueden correr a la misma velocidad. Sin duda, debido al peso de esta industria, a todos les llevará algún tiempo llegar a la meta. Pero nuevamente, mi trabajo en Nvidia es tratar de ayudar a todos a lograr que todo lo que se mueva sea autónomo, para lograr esta visión lo antes posible. Déjame preguntarte sobre tu papel en Nvidia ahora, porque creo que esto nos lleva a las preguntas sobre Decoder. Creo que todos los que escuchan el programa probablemente estén muy familiarizados con la carrera que ha realizado Nvidia con la IA. Es una de las empresas más valiosas del mundo. Se contabilizan todas las GPU que Nvidia puede fabricar. ¿Cuántas personas trabajan en Nvidia Automotive? De hecho, tenemos un equipo bastante considerable, del orden de miles de personas en el equipo automovilístico. Debido a que estamos trabajando en toda la plataforma, hay hardware, software, modelo e infraestructura. Es un equipo bastante grande. Nvidia también tiene muchas cosas que podemos aprovechar de los otros equipos. Por ejemplo, estoy bastante seguro de que has oído hablar de Cosmos y Nemotron. Estos son nuestros modelos básicos de código abierto. También estamos aprovechando mucho el trabajo de su parte. ¿Cómo está organizado tu equipo? Mencionaste que tienes hardware, software y modelos. ¿Es esa la estructura básica del equipo o está organizado de manera diferente? Sí. Bueno, en el lado de la ingeniería, obviamente tenemos producto, tenemos estrategia, tenemos algo detrás de escena. A veces los llamamos héroes anónimos. El equipo de mapas, por ejemplo, sigue siendo muy crítico para L3, L4, las rutas de autonomía de alto nivel. Y la infraestructura de datos. Los mapas de navegación literal, de eso estás hablando. Bueno, también hay mapas HD. A grandes rasgos, divido a mi equipo de esa manera. Sí. ¿Y entonces todo eso es global? ¿Eso es principalmente en los Estados Unidos? ¿Dónde está eso? Principalmente en Estados Unidos, pero también tenemos presencia en China y Europa. Obviamente, estamos construyendo un producto global, una plataforma global, por lo que necesitamos un equipo de soporte en todas partes. Mencionaste que confías en algunos de los modelos básicos que Nvidia ha desarrollado de manera más amplia. ¿Cómo está estructurado tu equipo dentro de Nvidia? ¿Encaja en la estrategia de IA? ¿Está apartado? ¿Estás más aislado? ¿Cómo funciona eso? Oh, esa es una gran pregunta. En Nvidia tenemos, digamos, un equipo de hardware centralizado, que es responsable de la hoja de ruta del hardware en nuestra GPU, la CPU, toda la estrategia del chipset y la productización. También contamos con un equipo de software centralizado. El equipo automotriz es una organización separada, que está mucho más enfocada en la automoción, con la misión de construir la plataforma automotriz para aprovechar el trabajo de nuestro equipo de hardware y software y adaptarse a la automoción. También tenemos el equipo modelo.  Nvidia también tiene una cultura de equipos virtuales. Por ejemplo, nuestro modelo de código abierto para Nemotron y Cosmos, todos ellos se encuentran frente a nuestro equipo de investigación, el equipo de software y el equipo de hardware. Pero son equipos virtuales que trabajan en estos modelos básicos de código abierto. Podemos aprovechar ese trabajo y luego, en la organización automotriz, construir un modelo para ayudar a la industria audiovisual a tener un poderoso modelo de código abierto en el que trabajar. Como dije, básicamente cada GPU que Nvidia puede fabricar se contabiliza de alguna manera. Es la naturaleza de la industria de la IA en este momento. Van a entrar en alguna neonube en alguna parte. ¿Hay que luchar por recursos y atención contra ese negocio, que está creciendo a la velocidad y escala a la que está creciendo? Sí, lo creas o no. [Risas] Incluso Nvidia tiene un suministro limitado de GPU para computación. Tenemos una prioridad interna y estoy trabajando con mis colegas básicamente casi semanalmente para decidir cómo reservar los diferentes cómputos, a veces para capacitación, a veces para pruebas o recursos para un hilo de trabajo diferente en la empresa. Y a veces necesitamos que Jensen [Huang, CEO de Nvidia] nos ayude, pero sí. ¿Cómo funciona eso? ¿Cómo es ese debate? ¿Es un debate sobre el retorno de la inversión? “¿Si invertimos tanto dinero, obtendremos esa misma cantidad de dinero de nuestros clientes”? ¿Es un debate sobre el tamaño del mercado? ¿Cuáles son los parámetros de la conversación? Es todo lo anterior, como puedes imaginar. Los ingresos son obviamente importantes, pero también Nvidia, como saben, es una empresa muy estratégica. Valoramos lo que Jensen a veces llama el negocio de cero billones de dólares. Buscamos constantemente nuevas oportunidades que puedan crear un negocio de billones de dólares. Por lo tanto, es necesario que establezcamos prioridades estratégicas dentro de las empresas en la nueva dirección que tomamos. Probablemente también sepa que no somos una empresa que comparte el mercado. Es un equilibrio básicamente entre lo que genera dinero en este momento y lo que puede crear el futuro, lo que puede crear oportunidades para la empresa en el futuro. Nvidia es una empresa gestionada de forma única. Como mencionaste, Jensen está profundamente involucrado en todo. He visto una entrevista con él en la que dijo que no tiene reuniones individuales. Simplemente se reúne con todos a la vez y todos simplemente lo discuten. ¿Cómo es eso? Llevo tres años en Nvidia. Es muy singular, sinceramente. Y obviamente no son todos a la vez. Son grupos diferentes. Todos tenemos un producto de estrategia técnica, una parte diferente de las revisiones comerciales con Jensen. De hecho, es muy emocionante para mí una experiencia para aprender de su pensamiento estratégico y de cómo piensa sobre un producto, cómo piensa sobre una estrategia. También es excepcionalmente profundo técnicamente. También es una experiencia bastante inspiradora ver cuánto se mantiene actualizado en el aspecto técnico. Es, diría yo, una experiencia única en la vida y una oportunidad para mí de poder aprender de Jensen. Cuando se describe la oportunidad de autonomía, particularmente en el futuro, esa parece ser la gran apuesta. "Vamos a aplicar la excelencia informática de Nvidia y el poder de la IA a los automóviles y hacer que se conduzcan solos". ¿Cómo es ese modelo de ingresos? ¿Parece como si sólo estuvieran vendiendo chips y software a fabricantes de automóviles? ¿Parece que los consumidores pagan una suscripción y parte de eso regresa a usted? ¿De dónde viene el billón de dólares? Esa también es una excelente pregunta. Ahora mismo creemos firmemente que todo lo que se mueva será autónomo. Cada kilómetro recorrido por el coche en el futuro será autónomo. Si nos fijamos, entre todos los coches, conducimos 13 billones de millas al año. En estos momentos el porcentaje de kilómetros autónomos entre todos los kilómetros recorridos es probablemente insignificante. Creo que es 0,006% o algo así. Entonces esta es la oportunidad que tenemos frente a nosotros. La opinión de Nvidia es que ayudaremos al ecosistema juntos lo antes posible proporcionando nuevamente todas las piezas tecnológicas básicas, desde chips hasta sistemas operativos y luego hasta lo que llamamos Halos. El sistema operativo Halos es realmente importante porque no solo proporciona el SDK y las API para que la gente desarrolle modelos en nuestro hardware, sino que también proporciona las barreras de seguridad para que los desarrolladores le pongan un modelo. También definimos lo que llamamos Hyperion como plataforma de hardware. Se trata de una plataforma lista para producción, que incluye los recursos informáticos, las ECU y también el conjunto de sensores. Creemos que es necesario alcanzar un nivel diferente de autonomía. Además de eso, proporcionamos Alpamayo, un modelo de código abierto, que entrenamos. Es de código abierto no solo en la arquitectura del modelo, sino también en los parámetros y los datos que puede utilizar para ajustar el modelo en nuestra plataforma. Además de eso, también proporcionamos toda la infraestructura necesaria. Por ejemplo, la simulación es realmente importante para el desarrollo audiovisual en este momento. Generalmente decimos que el problema AV se está convirtiendo en un problema de tres computadoras. Está la computadora de entrenamiento, está la computadora de simulación y luego está la computadora de inferencia en el auto. Queremos ofrecer todas estas piezas tecnológicas al ecosistema en una plataforma que llamamos Nvidia Drive, para que la gente pueda desarrollar esa tecnología sobre nuestra plataforma. Esperamos poder obtener un porcentaje de los ingresos que el ecosistema puede obtener por cada kilómetro recorrido de forma autónoma en el futuro. De aquí es de donde puede surgir la oportunidad del billón de dólares. Entonces, ingresos por milla. Esas parecen las métricas principales que estás persiguiendo. ¿De dónde provienen los ingresos por milla para un usuario? Cuando conduzco un coche, ¿pago una suscripción? ¿O estás pensando que hay robotaxis en todas partes y que se monetizan por viaje? ¿De dónde provienen los ingresos por milla y cómo aumenta esa cifra? Así es. Bueno, creo que el mundo adoptará ambos modelos. Uno es el robotaxis. Como puede ver, hay bastantes que han tenido éxito en China, Estados Unidos y el mundo. Con suerte, veremos más en este camino. Tendremos una flota tipo taxi donde podrás disfrutar llevándote del lugar A al lugar B sin conductor en el auto.  Creo que la flota de pasajeros también seguirá existiendo durante mucho tiempo porque hay mucha gente que todavía prefiere un espacio privado durante los viajes. Es como si muchas personas todavía prefirieran ser dueños de su casa en lugar de alquilar un apartamento. También hay una economía detrás de esto. Creemos que ambos modelos prosperarán. Es por eso que estamos trabajando tanto con las empresas de robotaxi como con otros OEM, así como con las empresas desarrolladoras de software AV para ayudarlos proporcionándoles diferentes piezas tecnológicas de Nvidia. Una de las dinámicas interesantes a lo largo de al menos la parte de electrificación, durante los últimos cinco años, ha sido que los fabricantes de automóviles tradicionales se dieron cuenta de que se habían convertido en compañías de seguros y financieras, y que sus proveedores fabricaban los automóviles. Habían perdido en gran medida el control del diseño de automóviles. Los proveedores de primer nivel de los grandes fabricantes de automóviles estaban en muchos sentidos a cargo de grandes subsistemas de los automóviles. Cuando querían hacer una actualización inalámbrica, tenían que hablar con 15 proveedores diferentes para hacerlo. He escuchado esta queja decenas y decenas de veces en el programa. Y todos se dieron cuenta de que "tenemos que recuperar la ingeniería del coche. Necesitamos tener un control mucho más firme de la plataforma del coche". Parece que en la autonomía, por diversas razones, Nvidia ve la oportunidad de convertirse en el principal proveedor de una amplia variedad de fabricantes de automóviles. Obviamente esa es la intención cuando piensan: "Necesitamos tomar el control del auto". Tesla podría usar chips Nvidia, pero están muy orgullosos del hecho de que escribieron cada línea de ese código, y esa es su plataforma, y ​​han hecho sus apuestas tecnológicas. Rivian, creo que Wassym está muy orgulloso del hecho de que está a cargo de esa empresa de plataformas y va a construir esa plataforma. RJ [Scaringe, CEO de Rivian] ciertamente está muy orgulloso del hecho de que Rivian sea ese tipo de empresa. ¿Cuál es la dinámica allí? Porque no parece que todos los fabricantes de automóviles puedan hacer frente a la apuesta tecnológica y seguir invirtiendo con la esperanza de que los ingresos valgan la pena. Necesitarán que un proveedor como Nvidia se presente con una plataforma y un modelo de negocio listos para usar. ¿Eso se está inclinando más a tu favor ahora? ¿Hemos salido de ese peligro o todavía está en el aire? Creo que la belleza del modelo de negocio de Nvidia en el sector automotriz es que nuestra plataforma es completamente abierta. Brindamos múltiples capas de servicios y dependemos de lo que necesiten las empresas OEM o de robótica. Pueden seleccionar qué quieren trabajar con nosotros y hasta qué capa, como mencionaste, Tesla. Algunos fabricantes de equipos originales son muy capaces. Incluso quieren construir su propia inferencia para pintar el coche. Incluso por eso, estamos bien. Seguiremos trabajando con ellos. En realidad, estamos trabajando con Tesla y muchos fabricantes de equipos originales que están construyendo utilizando su propio chip de inferencia colaborando con ellos en la nube. Incluso intentamos ayudar a optimizar sus modelos. Tenemos diferentes colaboraciones con diferentes OEM, porque todavía tenemos la computadora de simulación y la computación de capacitación en la infraestructura con la que estamos trabajando con ellos. A algunos de los OEM les gustaría tener una solución más llave en mano. Estamos muy contentos de trabajar con ellos también. En ese caso, vamos a llegar hasta el final. Estamos trabajando como un nivel uno, o un nivel 1.5, solo para ir de la mano. Estos son nuestros socios conductores AV, por ejemplo, Mercedes. Trabajamos muy de cerca con ellos para definir los productos que desean y luego también adaptamos nuestra pila AV de conductor para que funcione sin problemas en su vehículo. Los ingenieros de ambas partes trabajan muy de cerca para que se adapte bien al ADN de diseño de Mercedes y a la experiencia del cliente que les gustaría ofrecer. Esto es realmente importante para nosotros. No estamos eligiendo ganadores per se. Intentamos ayudar a los OEM en función de su capacidad en diferentes niveles. La apertura es realmente importante para nuestro modelo de interacción con los OEM. Una de las razones por las que tengo tanta curiosidad sobre esto es que mencionaste los modelos de capacitación. Mencionaste en otras entrevistas que estás sintetizando datos para entrenar la autonomía de diferentes maneras. Tengo mucha curiosidad sobre eso. Simplemente me sorprende, mirando la industria. Waymo tiene esta gigantesca ventaja en millas recorridas de forma autónoma, y ​​están muy orgullosos de ello, y eso ha ayudado a que sus autos sean tan exitosos como lo son en los mercados en los que se encuentran. Tesla también tiene una gran cantidad porque están entrenando en los autos reales que se conducen. No todos los fabricantes de automóviles pueden descubrir cómo llegar a mil millones de millas recorridas de forma autónoma. Así es. Sí. Tendrán que depender de algún tercero para que los lleve al menos al status quo, si no más allá. Se siente como si Nvidia estuviera ahí lista para ser ese tercero. ¿Es ese un gran argumento de venta para los fabricantes de automóviles? “¿Puede simplemente comprar nuestra tecnología en cualquier capacidad abierta que desee y rápidamente lo llevaremos a un estado competitivo”? Yo diría que este es el único punto convincente para que los OEM interactúen con Nvidia en el ecosistema Hyperion, en el ecosistema Drive. Porque una de las cosas clave que definen a Hyperion es la arquitectura informática, y también la arquitectura del sensor es el intercambio de datos. Para cualquiera que se involucre y se convierta en socio de Nvidia Drive, compartimos datos a través de nuestro programa existente, a través del cual recopilamos millones de horas de datos. A través de los diferentes programas de automóviles, también estamos acumulando esos datos de diferentes fabricantes de equipos originales. Y luego podemos construir un modelo, en primer lugar, que se entrena con todos estos datos. Nos aseguramos de que al menos los datos recopilados en nuestros diferentes programas de automóviles se compartan con el OEM. Ese es el número uno. El número dos está en la nueva era; creemos firmemente que la computación también son datos. Entonces, como mencionaste, hay muchos datos sintéticos.  Hay datos de neuroreconstrucción, que llamamos NuRec. Esta es una pieza muy importante de tecnología y simulación en la que recopilamos datos del campo, pero a veces podemos usar la neuroreconstrucción para modificar los datos y cambiar el fondo o cambiar la trayectoria del automóvil. Podemos generar muchas variantes de los mismos datos. Todos estos datos necesitan una computadora para generar estas decenas de millones de puntos de datos. Podemos compartir con todos los que participan en nuestro ecosistema. De esta manera, colectivamente entre todos los actores que participaron en el ecosistema de Drive, podemos ponernos al día con la brecha de datos, lo cual es muy importante. Entonces, estos son datos sintéticos, ¿verdad? Vas a recopilar un montón de ejemplos de conducción del mundo real. Lo pondrás en un simulador. Luego, el simulador difuminará los datos. Creo que el ejemplo que te escuché dar es que hubo un peatón que salió, y podemos simplemente retrasar al peatón y hacer que esa persona salga más tarde, y el auto tendrá que reaccionar como si fuera real. Así es. Y realizarás mucho entrenamiento con muchas variaciones diferentes de los mismos datos. Eso es fascinante para mí. Entiendo por qué todos los fabricantes de automóviles aceptarían eso. ¿Por qué aceptarían el intercambio de datos? ¿Es simplemente un reconocimiento de que colectivamente tienen más posibilidades de ponerse al día? ¿Es porque simplemente no quieren pagar el dinero? ¿Es más barato? ¿Por qué participarían con sus competidores en ese tipo de acuerdo para compartir datos? Ambas son absolutamente ciertas. En realidad, el ahorro de costes es enorme. La recopilación de datos para una flota de gran tamaño supone un gran gasto de capital para cualquiera que quiera hacerlo. También es repetitivo. Si puede encontrar, por ejemplo, lo que ofrecemos en la plataforma Drive o en el ecosistema de Drive, puede ahorrar mucho esfuerzo y dinero a nuestros clientes.  Tengo curiosidad sobre eso porque la idea es que vas a entrenar cosas y luego tendrás un modelo en el auto y tendremos un auto definido por IA. El enfoque clásico de la conducción autónoma era que íbamos a arrojar más y más datos al problema y, finalmente, el coche sabría cómo hacerlo todo, habría mapeado todas las carreteras encima de todo. Tengo un Cadillac EV y la forma en que funciona Super Cruise es que funciona en carreteras que están mapeadas. Con el tiempo, la apuesta es que mapearán más y más carreteras y más y más cosas, y el coche será más capaz. Parece que el enfoque de Nvidia es que el automóvil sea lo suficientemente inteligente como para hacer cualquier cosa, con o sin mapas. Y eso requiere un enfoque diferente para la recopilación de datos, un enfoque diferente para la computación y luego, obviamente, una apuesta mayor por la IA. ¿Es real esa división? ¿Acabas de dar ese salto? ¿Es ese el futuro de la plataforma o estás en el medio? El enfoque que adoptamos ahora para lo que llamamos L2+, que esencialmente no tiene mapas. Como dijiste correctamente, el modelo definitivamente necesitará más datos y cubrirá más casos de esquina. Y el modelo también se está haciendo más grande mientras hablamos, para esta generación, la próxima generación. Usaremos un modelo mucho más grande con más parámetros. Los modelos de cimientos también jugarán un papel importante aquí. Para poder hacer que este modelo sea muy capaz, es muy, muy crítico contar con más datos. Pero, por otro lado, la tendencia a utilizar un modelo básico, que ya está entrenado con datos de Internet, también puede ayudar. Es por eso que enfaticé varias veces la conexión con el esfuerzo del modelo básico dentro de Nvidia. Con el modelo de razonamiento y el modelo básico, podemos aprovechar la perspectiva del modelo de frontera y aprovechar Internet para escalar los datos y poder ayudar al vehículo a generalizar mejor, incluso sin los datos específicos del vehículo. Esta es la principal dirección por la que estamos apostando, hacia un mayor nivel de autonomía, especialmente el Nivel 4. Este es uno de los principales hilos de trabajo en los que nos estamos centrando ahora mismo. Volviendo a OEM, creo que poder aprovechar lo que hemos construido a través de nuestras colaboraciones con el compromiso existente y nuestra enorme capacidad de generación de datos utilizando conjuntos de datos sintéticos y neuroreconstrucción, además de poder aprovechar la capacidad del modelo básico que se entrena a partir de datos más generales, pero que ayudará al modelo a razonar mejor, a generalizar mejor, estas son las cosas que podemos ofrecer a nuestros clientes. Siento que tengo que preguntar sobre seguridad ahora. Estoy seguro de que es más complicado que esto, pero estás hablando de un modelo básico de razonamiento mediante la conducción autónoma. Y todo lo que tengo en mi cabeza es ChatGPT disculpándose porque se equivocó mientras el auto choca, o uno de esos horribles y largos bucles de latencia en los que el modelo se desvía en la dirección equivocada y se da cuenta. Y luego puedes mirar la cadena de pensamiento y decir, oh, se equivocó por completo. Se siente mal en la forma en que Anthropic cree que Claude se siente mal. Nada de eso parece compatible con la naturaleza en tiempo real de conducir un automóvil. ¿Cómo se cierra esa brecha? Latencia, la necesidad de tener uno de esos grandes modelos en segundo plano, el tipo de razonamiento tangente que los modelos pueden seguir. ¿Cómo es eso compatible con conducir un coche? La seguridad es muy importante para nosotros y es muy importante para la industria audiovisual. Permítame responder a su pregunta abordando diferentes capas de nuestra oferta. Obviamente, abordar la seguridad no es algo nuevo para la industria automotriz y hemos desarrollado un protocolo de desarrollo muy sofisticado y también un protocolo de validación para poder demostrar que el software es seguro. Eso se llama ISO 26262. De hecho, desarrollamos nuestro software a nivel de hardware y sistema operativo (SO) y el software a nivel de aplicación con el más alto nivel de seguridad, lo cual es muy importante y crítico para poder implementar cualquier cosa para conducir el automóvil. Ese es el número uno. El número dos es que adoptamos un enfoque ligeramente diferente al de algunos de los actores en este espacio. De hecho, tenemos una pila redundante incluso para nuestra función L2++ o ADAS. Aparte de eso, está el modelo de extremo a extremo, que es básicamente un píxel de entrada y una trayectoria de salida. También tenemos una pila clásica que está más desarrollada en base a este estándar de seguridad tal como lo conocemos. Es básicamente un componente. Es una pila con muchos componentes y cada componente se puede verificar utilizando este estándar conocido. A eso me refiero como pila clásica. Y cuando tienes dos pilas funcionando en paralelo, la pila clásica actúa como lo que a veces llamamos Gran Hermano, pero esencialmente es una barandilla de seguridad. Intenta verificar todas las trayectorias del modelo de extremo a extremo y utiliza el estándar de seguridad conocido para verificar que sea seguro en cada cuadro. Ese es un concepto muy importante que tenemos. Y no sólo un concepto, sino la implementación que tenemos en nuestra pila. Tomaremos este, que será tan crítico para un nivel superior de autonomía, L4. Esta es también la base de nuestra pila L4, donde tenemos redundancia total, no solo como conjunto de sensores, sino también como conjunto de arquitectura de software. Este segundo punto es para responder a su pregunta de seguridad. Número tres, cuando desarrollamos el modelo, también intentamos que el modelo reduzca la alucinación tanto como podamos. La forma de hacerlo es mediante una validación masiva. Estamos generando datos de prueba de simulación masivos para cada modelo que lanzamos. En este momento estamos pensando en ejecutar cinco millones de pruebas en nuestro programa todos los días. Aproximadamente todos los días tenemos 10 iteraciones del modelo, el modelo de extremo a extremo. Estamos haciendo una validación realmente masiva para asegurarnos de que en todos estos escenarios (puede considerarlo como cada escenario de prueba probado) el modelo esté generando la trayectoria correcta. Eso también es muy crítico para nosotros. Esto es lo que hacemos para asegurarnos de que nuestro producto sea seguro. Déjame hacerte una pregunta realmente tonta por la que tengo mucha curiosidad. Has hablado mucho sobre el modelo y cómo funcionará el coche. Y sí, la pila clásica es la barandilla de seguridad. ¿El modelo razona en el lenguaje como cualquier otro modelo? ¿Está ahí en el fondo diciendo: "Veo una señal de alto. ¿Qué hago? Será mejor que me detenga. Voy a pisar el freno", de la misma manera que cualquier tipo de modelo general razona en el lenguaje de fondo? La respuesta corta es sí. En nuestro modelo de próxima generación, que vamos a implementar en la próxima generación de vehículos... Debido a que la generación actual tiene una computadora más o menos limitada, la próxima generación está basada en SOAR. Tendremos el modelo entrenado con lenguaje embebido. Ser capaz de razonar a través del lenguaje es muy importante. También puedes chatear con la modelo. Puede preguntarle al modelo qué está haciendo y luego también puede pedirle que acelere o disminuya la velocidad y haga un cambio de carril, por ejemplo. Mientras literalmente conduce, se dice a sí mismo: "Veo un automóvil allí. Necesito cambiar de carril para prepararme para la salida que viene dentro de un par de millas". ¿Y eso se hace en el lenguaje para operar el auto? Creo que es una combinación de cosas. El lenguaje ya está incrustado en el modelo, pero la señal visual también es muy importante, como sabes. Quiero decir que es multimodelo, pero el lenguaje es parte de ello. Como sabes, el modelo es de caja negra. No sabemos exactamente qué está haciendo exactamente, pero puede preguntar al respecto y luego el modelo responderá lo que está tratando de hacer.  Solo tengo esta visión de un modelo de chatbot enloqueciendo mientras corre en la carretera a 55 millas por hora. De hecho, GTC Taiwan publicó un video que muestra que la modelo habla constantemente. Puede resultar bastante molesto si realmente intentas escuchar todo sobre lo que el modelo intenta razonar. ¿Cuál es la latencia en eso? Obviamente estás implementando los sistemas, deben estar funcionando, pero ¿hay algún intento de reducir la latencia de eso? Siento que el lenguaje es intrínsecamente lento en comparación con lo que hay que hacer para conducir. No pienso en el lenguaje cuando conduzco mi auto. 100%. Por eso dije que es multimodelo. Pero reducir la latencia de un extremo a otro es muy importante. En realidad, esa es una de las principales ventajas de implementar, conducir el coche con un modelo. Porque si lo piensas bien, la pila antigua o la pila clásica que tiene múltiples componentes, generalmente toma varios cientos de milisegundos. Pero con un modelo, debido a que es solo tiempo de inferencia, está separado de la entrada, que es el píxel y la trayectoria. Puedes reducir la latencia, dependiendo de la capacidad del ordenador que tengas, obviamente. Pero incluso en la generación actual, controlamos que esté dentro de los 100 milisegundos, lo cual es bastante rápido. En cuanto al razonamiento del lenguaje, si lo piensas bien, bueno, ese es el cerebro humano, ¿verdad? Si lo piensas bien, diría que la tasa de información ya está abstraída. La tasa de información no es muy alta. Y estamos utilizando datos de Internet para entrenar este tipo de capacidad de razonamiento basado en el lenguaje. Creo que la latencia está bajo control, déjenme decirlo de esa manera. Y repito, no estás conduciendo el coche sólo con el lenguaje. Eso es algo clave, como dije. Por lo general, creo que la parte del razonamiento es más lenta. Nuevamente, no sabemos exactamente qué está haciendo el modelo, pero la parte del píxel es la que impulsa la reacción instantánea básica del vehículo. Sí. Si le preguntas a Anthropic, te dirán que Claude tiene sentimientos y emociones y puede asustarse. Ajá. ¿Piensas en eso? ¿Crees que tus modelos tienen emociones cuando conducen el coche? Usaremos la barandilla para asegurarnos de que no se ponga demasiado de mal humor. [Risas] Solo tengo curiosidad. Quiero decir, como dijiste, no sabemos cómo funcionan los modelos. Literalmente tengo una visión del modelo diciendo: "Dios mío, voy tan rápido". Pero tal vez el sistema clásico lo reduzca. Sí. Sí. ¿Todo esto funciona localmente en el coche? No, no, no, no. Todos estos se validan sin conexión. Pero la segunda parte con la barandilla de seguridad, cuando colocamos dos pilas en paralelo, definitivamente está en el vagón. Y en cada cuadro del automóvil, el software en nuestra ECU ADAS, comparamos la trayectoria tanto de la pila clásica como del modelo de extremo a extremo para asegurarnos de que el modelo genere una trayectoria básica segura. Entonces, ¿los coches requieren una conectividad rápida para ser autónomos según su enfoque? No necesariamente, pero sí requerimos cierta conectividad para obtener información de navegación y cierta información de mapas. La mayoría de estos son mapas de navegación. Entonces, para ayudar no solo al lado del modelo y también a la pila clásica, utilizamos parte de la información del mapeo de navegación para ayudarnos a comprender mejor el mundo. Solo lo pregunto porque cubrí con gran detalle el lanzamiento de las redes 5G y todas las compañías de telecomunicaciones me prometieron que 5G permitiría autos autónomos. Y parece que su enfoque es el que se apoyará más en redes de baja latencia en ese sentido. Esto no está mal, pero, por otro lado, el coche también tiene que conducir de forma autónoma en un ángulo completamente ciego. La baja latencia en tiempo real, yo diría que la dependencia del contenido, tiene esa dependencia en la nube. Al menos para el tipo de aplicación ADAS (L2+ es como la llamamos) que está destinada a funcionar en todas partes, crear esa dependencia no es una buena idea. Sí. Cuando llegas al Nivel 4, Nivel 5, es cuando tienes dependencia de la conectividad. Así es. Sí. Sí. ¿Qué pasa cuando se pierde la conectividad en el Nivel 4 de autonomía? Cuando estás en el nivel 5 y ya no tienes volante y pierdes conectividad, ¿qué pasa? En el Nivel 4, puedes pensar en la conectividad como una especie de sensor. La capacidad de conducción básica no puede depender mucho de eso. Y uno de los conceptos centrales del desarrollo de la tecnología de Nivel 4 es tener redundancia de sensores. Eso no es sólo para el GPS, sino también para la cámara, el radar, todo lo que ves. Para cada punto de falla, el automóvil debe poder conducir con seguridad. Es como si de repente perdieras el GPS, pero el coche tiene una percepción local, necesita poder llegar a un punto seguro y detenerse. Ese es un requisito mínimo que debe tener un sistema L4. Este es el principio básico de L4 para poder desarrollar un sistema de este tipo. Tengo mucha curiosidad sobre dónde se encuentran todas las pilas de sensores en el automóvil, cuánta computación hay en el automóvil, cuánta RAM necesitamos poner en los automóviles en un momento en que los precios de la RAM aumentan. Todo esto parece un gran costo adicional para agregar a automóviles que cada vez son más caros y contra los cuales los consumidores, al menos en Estados Unidos, sienten que se están rebelando de muchas maneras. Así es. Puedo ver el tráfico de nuestro propio sitio web; Todo el mundo quiere comprar un camión Slate por 25.000 dólares y ni siquiera tiene radio. Eso es sólo una batería sobre ruedas. Ese es todo ese auto. Ni siquiera tiene pintura. Ahora nos estamos deshaciendo de los trabajos de pintura de los autos para mantener bajos los costos. Estamos hablando de mucha computación en el automóvil, mucha conectividad, tal vez mucha RAM para cargar los modelos. Así es. ¿Cómo se desarrolla eso? ¿Eso te empuja más hacia el modelo de robotaxi o crees que la gente simplemente va a comprar autos caros y autónomos? Definitivamente, construir autos autónomos necesita mucho hardware, pero la otra tendencia es que el costo del hardware está cayendo bastante rápidamente a medida que la tecnología se vuelve más madura. Por ejemplo, radares. Incluso en mi carrera, he visto que los precios de los radares probablemente caen al menos cuatro o cinco veces en 15 años, debido a que el volumen es cada vez mayor que el costo. También he sido testigo de la caída de los precios de los sensores de las cámaras. Hay más competidores y la competencia trae precios más bajos cuando el volumen aumenta. El efecto de escala definitivamente está ahí ahora en ADAS y todos los componentes se vuelven mucho más maduros y hasta cierto nivel de productos básicos. Como usted sabe, la computadora está creciendo a un ritmo muy rápido. Hablamos de la Ley de Moore en la industria de los semiconductores hace algún tiempo, pero en el segmento de la conducción autónoma, la necesidad de ordenadores ha ido creciendo a un ritmo realmente asombroso. Aproximadamente estamos hablando de 10 veces cada dos años. Es una locura. Y ahora mismo, con el éxito de la IA y, obviamente, de Nvidia, podremos ofrecer este tipo de computación masiva a los automóviles a un precio asequible. ¿En la nube o en el coche? En el auto. Te pregunté antes sobre la lucha por la capacidad de entrenamiento. ¿Hay que luchar también por la capacidad de fabricación? Oh sí. Porque esos costos están aumentando para todos. Sí, claro. Sí. Tengo curiosidad, es la demanda de Nvidia la que está elevando el costo para todos. Entonces, ¿cómo se puede conseguir una capacidad fabulosa cuando las otras divisiones de Nvidia están dispuestas a pagar las tarifas que cualquiera exija? Bueno, es la misma respuesta que te he dado. No sé si hay algo más que pueda decir porque somos una empresa muy estratégica y nuestro negocio automotriz también está funcionando bien, pero obviamente no al ritmo de nuestro negocio de centros de datos. Pero creemos firmemente (el propio Jensen también) en el futuro audiovisual. Seguimos invirtiendo en esta tecnología y en este futuro, no solo asignando computación interna, sino también con una capacidad fabulosa. Definitivamente esa es una de las cosas que estamos investigando.  En realidad, lo más probable es que incluso el precio del chip tenga que subir, debido a esta intensa demanda de cada chip al que todo el mundo pueda acceder. El lado positivo es que la tecnología se está volviendo realmente [buena]. Hablé del lado del chip y también hablé un poco del lado del sensor. Hablé de Hyperion, que es una especie de plataforma de computación más sensor lista para el producto. Así que realmente estamos tratando de equilibrar el costo y lo que podemos hacer. Estamos ante lo que llamamos el conjunto de sensores necesario suficiente para conseguir un alto nivel de autonomía. En Hyperion 10, por ejemplo, realmente ofrecemos dos versiones. Una es una base, que consta principalmente de cámaras: 10 cámaras, tres radares, ningún lidar. Es una forma muy rentable de construir un vehículo tipo ADAS L2++. Y por otro lado, para la gama alta, está lo que llamamos Hyperion High: proporcionamos el conjunto de sensores necesarios, que tiene, creo, 14 cámaras, tres lidares y siete radares para tener suficiente redundancia de sensores para poder conducir L4. También necesita redundancia de ECU. Necesita nuestra próxima generación; bueno, en realidad, para ser más precisos, la plataforma informática basada en SOAR de la generación actual. Imagínese que tiene un automóvil que realmente puede conducirse solo. Creemos que con este conjunto de sensores y esta arquitectura informática podemos alcanzar ese nivel de autonomía que pueda justificar el coste. El sensor mínimo establecido para la autonomía es objeto de acalorados debates. Se ha debatido acaloradamente durante mucho tiempo. Creo que Elon Musk dijo que pensaba que lidar era un máximo local hace años y fue el comienzo de este debate. Este debate no se ha sofocado de ninguna manera o forma. ¿Crees que el nivel 4 requiere lidar? La respuesta corta es sí. Creemos que lidar es el sensor importante para proporcionar la seguridad y la redundancia necesarias para la autonomía de Nivel 4. Pero, por otro lado, es difícil decir que es 100% necesario. Creemos que este es un camino muy factible basado en la configuración de alto sensor de Hyperion 10 para alcanzar una capacidad de nivel 4 tanto urbana como de carretera de muy alto nivel. Por otro lado, en teoría, las personas pueden demostrar con un gran kilometraje que el LIDAR puede no ser necesario. Pero esencialmente vendrá con la limitación ODD. Lo siento, ¿cuál es la limitación IMPAR? El dominio de diseño operativo (ODD) es básicamente un dominio aplicable. Puedes implementar la tecnología. Hemos hecho bastante análisis sobre esto. Según nuestro conocimiento actual y el marco que utilizamos para realizar este análisis, creemos que para implementar esta tecnología L4 en todos los ODD de los que nuestro cliente puede beneficiarse, es mucho mejor tener lidar que no tenerlo. Cuando observas dónde se encuentra Tesla con la conducción totalmente autónoma y sus vehículos y su compromiso absoluto de ser un sistema basado en visión, ¿crees que actualmente están por delante de ti? ¿Crees que están en paridad? ¿Crees que están detrás de ti? Hay dos niveles de respuesta a esta pregunta. Para la tecnología básica L2++, Elon probablemente esté por delante de todos. Tuvo una división hace mucho tiempo y se ha apegado a la visión durante mucho tiempo de desarrollar y probar la tecnología en una flota masiva. Nadie diría que Elon está por delante de todos en el mercado de ADAS y que, esencialmente, todos están tratando de ponerse al día. Y estamos muy contentos, de hecho, de que Elon tenga tanto éxito. Obviamente, Elon también es un gran cliente para nosotros, tanto para SpaceX como para Tesla en el lado de las computadoras GPU. Lo apoyamos a él y a su equipo para asegurarnos de que tengan éxito. Para el Nivel 4, creo que es más abierto. Hay jugadores establecidos que están probados, como Waymo, que ya están llevando a los clientes a experimentar realmente el L4 utilizando las metodologías que utilizan. Probablemente Tesla todavía esté tratando de encontrar el camino hasta allí. No intentamos elegir ganadores, pero intentamos ayudar a todos a poder desarrollar esa tecnología. Nuestra misión es realmente intentar que el ecosistema AV llegue a esta visión de que cada kilómetro, todo lo que se mueva será autónomo. Este tipo de visión se hace realidad. ¿Ha tenido conversaciones con ejecutivos de Tesla sobre el uso de lidar? Parece extrañamente religioso sin ningún motivo, especialmente si los costos están bajando como usted dice. En algún momento, si la mejor solución tecnológica está ahí, parece que todos deberían usarla. ¿Has tenido esas conversaciones? Bueno, en realidad no, yo no. Mi equipo definitivamente lo ha hecho. Estoy deseando tener esa conversación con ellos. Gran parte de esto es sólo ciencia y razonamiento básicos. También es bueno escuchar sus opiniones. Quiero terminar hablando de algo que tal vez sea lo que menos esté bajo su control. Los modelos seguirán mejorando, Nvidia seguirá fabricando chips y tal vez los clientes sigan exigiendo la conducción autónoma. Todo eso se siente como algo que puedes controlar. Pero el mercado del automóvil, la vanguardia del mercado del automóvil, está sucediendo en China. Creo que podemos estar de acuerdo en esto. Los consumidores estadounidenses abren TikTok y ven a personas influyentes en el sector automovilístico hablando sobre los vehículos BYD y se quejan en los comentarios de que no pueden conseguir esos coches. Vi un video de un Buick que está en China. Es un Buick EV que no se puede conseguir en Estados Unidos y los clientes estadounidenses están furiosos porque Buick está fabricando mejores automóviles en China que los que fabrica aquí. Existen muchas barreras comerciales entre Estados Unidos y China. Nvidia se encuentra en medio de esa lucha en todo tipo de formas, ya sean aranceles a las importaciones de componentes de automóviles o bloqueos literales sobre qué chips se pueden vender y adónde van los ingresos de esos chips. Mientras se intenta impulsar el mercado automovilístico, ¿qué influencia tiene el caos comercial entre Estados Unidos y China? ¿Es eso algo en lo que piensas? ¿Es algo que está frenando la industria? ¿Es algo que puedas superar? Bueno, ciertamente creo que los formuladores de políticas tienen sus razonamientos y razones para formular la política tal como la vemos ahora. Como Nvidia, somos un actor de ecosistema abierto. Todavía tenemos muchos clientes en China. Intentamos ayudar... Por ejemplo, todavía suministramos chips de inferencia para automóviles porque todavía están por debajo del umbral de lo que las GPU pueden vender en el mercado chino. También estamos trabajando con todos los OEM chinos. En realidad, no todos, obviamente, pero sí bastantes, para ayudar en el aspecto de la infraestructura proporcionando herramientas de simulación. Estamos trabajando con ellos en modelos de código abierto, Cosmos y Alpamayo. Por un lado, podemos ayudarles a mejorar sus modelos. Por otro lado, también podemos aprender de la competencia en el mercado chino. También estamos trabajando muy estrechamente con el resto de los OEM del mundo e intentamos suministrar todas las plataformas Nvidia y en diferentes capas a diferentes OEM para ayudarlos a tener éxito también. Nuevamente, no elegimos ganadores e intentamos trabajar con todos. La misión es muy clara e intentamos que esta visión se haga realidad en la medida de lo posible. Cuando se habla de compartir datos entre OEM para entrenar mejor los modelos y hacerlos más capaces, ¿existen obstáculos regulatorios o obstáculos competitivos entre el intercambio de datos de OEM chinos y OEM estadounidenses y europeos? Ah, sí, por supuesto. No sólo China sino también otras regiones tienen restricciones. Por ejemplo, Europa tiene ciertas regulaciones en materia de datos. Cumplimos con todas las regulaciones locales para asegurarnos de que cumplimos con las diferentes regiones. ¿Eso significa que las variantes regionales de los modelos tienen diferentes capacidades o son mejores en diferentes cosas? Porque si los datos de entrada son diferentes, parece que tal vez la salida también sea diferente. Absolutamente. Bueno, en primer lugar, para el modelo de producción, tratamos de no bifurcarlo tanto como podamos, pero habrá diferencias regionales básicas. El modelo se comportará de manera diferente en diferentes regiones según la entrada. Algunas de las cosas son lo que llamamos codificadas por países. Obviamente, las reglas son bastante diferentes en diferentes regiones, como Europa, en comparación con Estados Unidos. Se requiere cierta adaptación y algunos parámetros también son diferentes. Sí, es un viaje bastante interesante intentar llevar la tecnología a diferentes partes del mundo. ¿Cree que, basándose en los diferentes enfoques regulatorios, los diferentes enfoques de datos, los diferentes datos de entrada, la diferente configuración de los OEM y en qué están dispuestos a invertir, los diferentes subsidios de los gobiernos, China llegará primero al Nivel 4 como una experiencia de conducción autónoma convencional? Porque si tuviera que mirarlo, apostaría a que la conducción autónoma de nivel 4 ocurrirá en China mucho antes de que suceda en los Estados Unidos como una experiencia generalizada. De hecho, no creo que eso sea cierto. Como saben, Waymo ya está llevando a todos a una experiencia L4, al menos en ciertos ODD en San Francisco, y están escalando bastante rápido. Obviamente, China es un mercado competidor mucho más dinámico y hay bastantes actores allí. Pero mi experiencia es que todos tienen la madurez de Waymo, al menos en San Francisco. Estamos tratando de ayudar a todos en el ecosistema. Desde la perspectiva de los OEM, es un panorama de competencia diferente, pero incluso en el lado de los OEM, creo que diferentes regiones tienen diferentes tipos de... Bueno, por un lado, las calles chinas también son mucho más desafiantes en comparación con las calles de Estados Unidos. Y el Nivel 4, a veces lo llamaría un juego de pne cero. O lo tienes o no lo tienes. A día de hoy, creo que el único que realmente ha demostrado que L4 se puede implementar de forma segura para todos los clientes sin conductor en una región del tamaño de una ciudad sin ninguna limitación sigue siendo Estados Unidos o China. Sí, ese es Waymo. Creo que Waymo se sentirá muy halagado al escuchar que se los describa como una experiencia convencional. Acepto que, para un subconjunto de personas en San Francisco, Waymo es una experiencia generalizada. Creo que para la gran mayoría de los estadounidenses todavía no lo es. Y ese es el gran giro, ¿verdad? ¿Cuándo puede funcionar un Waymo en la nieve? ¿Cuándo los desplegarán en Chicago? Y en la ciudad de Nueva York. Como alguien que estuvo en Chicago durante mucho tiempo, tengo mucha curiosidad por saber cómo sucede eso en Chicago y en la ciudad de Nueva York. La pregunta que tengo es si la experiencia general se siente como si simplemente compraras un automóvil y el ADAS de nivel 2 sea una especie de mercancía en los automóviles ahora. El nivel 4 será un producto básico en los automóviles. Presionas el botón y comienza a conducirse solo. ¿Qué tan lejos crees que estamos de eso? Esa es exactamente mi misión, intentar ayudar a la industria a llegar allí. Yo diría que si necesito dar un tiempo, no diría cinco años, sino menos de cinco años. Ésa es una predicción audaz. Creo que lo vamos a dejar ahí, porque estamos en el momento. Has sido realmente genial, Xinzhou. Estoy emocionado de hablar contigo nuevamente. Lo invitaremos a regresar antes de cinco años para verificar esa predicción. Pero, ¿qué deberíamos buscar a continuación de Nvidia? Hay bastantes cosas que estamos planeando. En primer lugar, para finales de este año, implementaremos nuestra tecnología en el lado ADAS en todos los vehículos Mercedes y también en algunos otros socios, en todo Estados Unidos. A partir de los próximos años, intentaremos implementar esta tecnología en el resto del mundo. Mientras tanto, también colaboramos estrechamente con nuestros socios, por ejemplo, Uber. Anunciamos que en GTC estamos intentando implementar nuestro servicio L4 en los próximos años. Es súper emocionante. Además de eso, somos, nuevamente, un actor del ecosistema. Trabajamos con casi todos los OEM. En este momento, diría que el 80% de los OEM de producción en masa están en el ecosistema Hyperion de Nvidia para L4. Estamos construyendo este futuro con todos. Con suerte, verá más anuncios interesantes de nuestra parte en el futuro.  Bueno, como dije, tendremos que tenerte de regreso pronto. Muchas gracias por estar en Decoder. Gracias por invitarme, Nilay. Es muy agradable charlar contigo. ¿Preguntas o comentarios? Contáctenos a [email protected]. ¡Realmente leemos cada correo electrónico!