Hoje estou conversando com Xinzhou Wu, chefe do setor automotivo da Nvidia.  Obviamente, a Nvidia está constantemente nos noticiários por causa do boom da IA ​​– é uma das empresas mais valiosas do mundo, porque a indústria de IA não se cansa das GPUs da empresa. Mas a Nvidia também é um fornecedor importante da indústria automobilística. Há anos que há chips em carros, e Xinzhou tem sido fundamental na construção de um sistema de direção autônomo completo que as montadoras podem usar. Já está nos Mercedes EVs mais recentes, por exemplo, como você o ouvirá mencionar várias vezes. Então, eu realmente queria saber a perspectiva dele sobre como a indústria automobilística está lidando com a grande transição para veículos elétricos autônomos. Esse é o objetivo que todos os fabricantes e fornecedores de automóveis lhe dirão que está a chegar, mas que talvez pareça mais distante do que nunca em 2026. O ciclo de adopção de veículos eléctricos nos Estados Unidos está totalmente fora do caminho, a condução autónoma parece estar para sempre presa na tentativa de resolver os últimos 20 por cento das situações, e os próprios automóveis continuam a ficar mais caros, mesmo quando os consumidores sentem o aperto da inflação e o aumento dos preços da energia em todos os níveis. Você ouvirá Xinzhou dizer que houve realmente um progresso surpreendente na reinvenção da natureza fundamental do próprio carro – algo que a indústria chama de “veículo definido por software”, controlado por apenas um punhado de computadores poderosos em vez de dezenas ou mesmo centenas de unidades de controle eletrônico independentes, ou ECUs. Se você é um ouvinte do Decoder, já ouviu muitas montadoras falarem sobre a necessidade de se afastar das ECUs; Xinzhou diz que esse momento está basicamente aqui.  Falámos muito sobre a indústria automóvel chinesa e como esta conseguiu essencialmente obter uma vantagem porque começou a construir arquitecturas e plataformas EV, em vez de ter de gerir uma transição para longe dos carros a gasolina e de todas aquelas ECUs. Xinzhou trabalhava em um fabricante de equipamento original (OEM) chinês, então ele tem bastante conhecimento sobre isso. Também falamos sobre trabalhar na própria Nvidia. É uma empresa única, com um líder único, Jensen Huang, e Xinzhou disse que seus três anos lá até agora foram uma experiência de aprendizado rápido. Ele não se esquivou da realidade da necessidade de competir por recursos e capacidade contra o crescente negócio de IA da empresa. Sua descrição do que vence esses argumentos, especialmente quando seus clientes são tão lentos e avessos a custos como as montadoras, foi fascinante. Claro, tivemos que discutir a IA e como a abordagem da Nvidia à autonomia reúne o que Xinzhou chama de pilha “clássica” e a capacidade de modelos de raciocínio para operar o carro. Há muita coisa aqui, incluindo a ideia de que você terá um modelo de IA literalmente falando consigo mesmo para descobrir como dirigir seu carro, o que acho incrivelmente interessante e engraçado. E, claro, não se pode falar de carros elétricos ou de autonomia dos veículos nos EUA sem falar de Elon Musk e Tesla. Então perguntei diretamente a Xinzhou se o Tesla totalmente autônomo pode realmente fazer o que Elon afirma que será capaz de fazer sem usar o lidar. Diga-me se acha que a resposta dele se sustenta. Ok: Xinzhou Wu, chefe do setor automotivo da Nvidia. Aqui vamos nós. Esta entrevista foi levemente editada para maior extensão e clareza. Xinzhou Wu, você é o chefe do setor automotivo da Nvidia. Bem-vindo ao Decodificador. Obrigado por me receber. Estou muito animado para falar com você. Parece que a própria natureza do que é um carro está em jogo. Parece que a indústria automóvel está num período de realinhamento massivo, quase como se houvesse uma sensação de onde o carro iria acabar como produto durante vários anos, e isso se deve às dificuldades de transição do VE, às dificuldades da guerra comercial entre os EUA e a China. Tudo isso parece mais confuso do que nunca. Muitos fabricantes de automóveis estão se reduzindo e parece que sua posição na Nvidia lhe dá uma visão bastante ampla do que está acontecendo na indústria automobilística, porque você fornece muitos dos principais fabricantes de automóveis em praticamente todos os países. Então, vamos começar por aí. Qual é a sua opinião sobre a situação da indústria automóvel neste longo e sinuoso caminho para a autonomia e a eletrificação? Essa é uma excelente pergunta. Trabalho no setor automotivo há provavelmente 15 anos, começando pela minha carreira na Qualcomm. Eu chefiei a equipe automotiva da Qualcomm por um tempo. E, obviamente, ouvimos a frase “veículo definido por software”. No momento, com a tecnologia de IA, está chegando à próxima fase, o que chamamos essencialmente de “veículo definido por IA”. Com estas enormes inovações tecnológicas, a indústria automobilística mudou muito rapidamente na última década. Como vocês sabem, também trabalhei como parte de uma OEM chinesa durante cinco anos, liderando sua equipe de direção autônoma. Agora estou na Nvidia. Portanto, o que tenho visto ao longo dos meus 15 anos de carreira é a oportunidade de testemunhar esta enorme mudança. O carro passou de, digamos, principalmente máquinas mecânicas, além de máquinas elétricas, para algumas coisas cuja capacidade podemos atualizar por meio de software over-the-air (OTA) muito rapidamente. Isso é o que chamamos de era do “veículo definido por software”. Agora, com a tecnologia avançando em direção à IA generativa, estamos usando a IA para reescrever a maior parte do software do carro. Isso é o que chamamos de “veículo definido por IA”. Isso também acelerou, por um lado, o ritmo de desenvolvimento da capacidade do veículo. E por outro lado, também mudou a forma como definimos “veículo”. A IA está impactando toda a indústria em todos os níveis. É realmente emocionante ver como o mundo evoluirá a partir daqui com essas novas inovações tecnológicas. Deixe-me separar alguns termos aí. Eu ouço muito isso de fabricantes de automóveis que adoram participar do programa e me contar o que vai acontecer com os carros. Mas acho que alguns desses termos são um pouco confusos. Então você disse “veículo definido por software”. Esse é um termo bastante confuso. Acho que a ideia é nos livrarmos de todas as ECUs de um carro que atualmente controla muitos e muitos sistemas diferentes. E centralizaremos todos esses componentes em talvez um ou dois grandes centros de computação em um carro. Tesla é muito famoso por ter feito isso. Rivian fez uma grande aposta nisso. Wassym Bensaid, de Rivian, estava no programa falando sobre isso. Outros fabricantes de automóveis antigos tentaram fazer isso. Tivemos GM no programa. Eles disseram: “Olha, não precisamos fazer isso. Estamos bem. Faremos do nosso jeito”. Ford tentou fazer isso de maneira grandiosa. Eles tiveram que montar uma fábrica de gambás e construir uma maneira totalmente nova de fabricar um carro do qual eles se orgulham. Haverá um caminhão saindo desse esforço em breve, fomos informados. Não acho que a indústria chegou lá. Isso é basicamente o que estou dizendo. Os fabricantes de automóveis iniciantes chegaram ao ponto em que podiam alegar ter um veículo definido por software, onde havia um ou dois grandes computadores no carro controlando todos os sistemas. A maioria das montadoras tradicionais ainda não teve sucesso.  Vou colocar um asterisco nisso. Talvez a Ford tenha sucesso com este novo caminhão, mas ainda não sabemos. Você acha que a indústria em geral chegará aos veículos definidos por software ou você acha que as montadoras legadas permanecerão onde estão? 100%. Tive a oportunidade de testemunhar o que aconteceu na China entre 2018 e 2023. Toda a indústria passou por esta grande mudança em apenas cinco anos. Lá, não apenas os novos OEMs de automóveis, mas também os legados precisam se adaptar. Todo mundo está se adaptando a um único tipo de arquitetura elétrica de computação central porque é assim que você compete.  Também no resto do mundo – também temos os nossos parceiros através da colaboração Drive and Drive em veículos autónomos (AV), por exemplo, com o nosso parceiro Mercedes. Sua geração atual é uma arquitetura baseada em computador essencial. Estará em todos os seus veículos. Para os outros OEMs básicos, estamos trabalhando com todos eles e tentando ajudá-los a converter ou atualizar a arquitetura para uma rota de um ou dois computadores, porque haverá infoentretenimento, haverá condução básica ou sistemas avançados de assistência ao motorista (ADAS), ECU. Mas acho que o mundo está se movendo muito rapidamente nessa direção. Alguns deles obviamente serão mais lentos. Alguns deles serão mais rápidos. Essa é a natureza deste negócio. Mas não tenho dúvidas de que o mundo está basicamente evoluindo nessa direção. Na verdade, estou curioso sobre sua história. Você trabalhou na XPeng, uma montadora chinesa. Parece-me, sentado onde estou nos Estados Unidos e sendo um fã de carros há muito tempo, que as montadoras chinesas tinham uma vantagem bastante única por não serem grandes montadoras globais. Eles não estavam operando em grande escala. A eletrificação veio. A Tesla obviamente construiu muitas capacidades na China para fabricar carros. Todos nós sabemos como funciona o ecossistema manufatureiro chinês e eles precisam ser reiniciados. Eles tiveram que projetar um monte de carros como EVs, em branco, basicamente como os fabricantes de automóveis iniciantes nos Estados Unidos fizeram, e construir carros globalmente competitivos a partir de uma base totalmente nova, sem ter que se preocupar com um monte de coisas com as quais os fabricantes de automóveis americanos legados teriam que se preocupar. E então, o governo chinês obviamente subsidiou tudo isso a taxas altíssimas. Você trabalhou lá. Essa foi a sua experiência? Foi basicamente assim que eles começaram do zero? Acho que isso é apenas um lado da questão. Eles definitivamente têm menos legado, menos fardo com que se preocupar e isso é uma vantagem. Mas o que vejo também não são apenas os novos OEM, mas até os intervenientes globais que têm de se adaptar ao ritmo chinês. Pelo menos pelo que aprendi lá, todo mundo está nesse ritmo. Novamente, você quer poder competir.  Mas como você disse, a onda… Os veículos definidos por software já existem há muito tempo e a Tesla é quem realmente está levando-os à plena produção. Não tenho certeza se eles são os primeiros, mas definitivamente em maior medida. Não tenho dúvidas de que os OEMs do resto do mundo também seguirão o exemplo. Acho que todos os OEMs agora terão que fazer isso porque é assim que você compete, é isso que você precisa fazer para sobreviver. A autonomia se tornará quase uma necessidade que todos os OEMs terão em seus veículos. Todos nós acreditamos nesse futuro. E a única maneira de chegar lá é… Em primeiro lugar, existe a arquitetura que descrevi, que permite atualizações de software sem ter muitas, muitas ECUs discretas. Na verdade, não ouvi pessoas argumentando contra isso recentemente. Talvez você tenha ouvido algo diferente, mas acho que é um passo necessário para todos. Nesta fase, é quase como uma aposta para a arquitetura da próxima geração. Obviamente estamos conversando com muitos OEMs, mas esse é um consenso para o qual a indústria está caminhando. Estou curioso sobre o caminho até lá, porque concordo com você que muitas, muitas pessoas disseram que esse é o estado final e que permite tudo o que virá a seguir. Parece que o caminho até lá foi muito mais difícil do que a indústria esperava. Parte disso é, não sei, que a administração Trump não gosta de VEs. Então, as vendas de EV e os créditos fiscais aqui desapareceram e talvez as vendas de EV dispararam à medida que toda essa demanda aumentou e talvez todo mundo queira um carro a gasolina agora. E talvez tudo isso seja mais difícil quando você não tem uma bateria gigante que possa alimentar todos esses sistemas para sempre e você realmente precisa ligar o motor para fornecer energia a todos esses sistemas, em vez de ter uma bateria de 12 volts. Ou talvez seja porque as montadoras chinesas são tão competitivas e tão subsidiadas que o custo para fazer isso para as montadoras tradicionais é difícil de superar, porque elas têm a infraestrutura legada e as redes de revendedores nos Estados Unidos para cuidar e nós simplesmente vamos adiar isso. Há algo no caminho para esse estado futuro acordado do carro que parece mais difícil do que pensei que seria ou do que qualquer pessoa no programa nos últimos cinco anos disse que seria. Estou curioso, da sua perspectiva. Você é o fornecedor, está tentando vender a visão, está tentando colocar chips em todos os carros. Do seu ponto de vista, o que tornou esse caminho mais difícil? Bem, você disse algumas coisas. A indústria automobilística é muito pesada. Envolve enormes cadeias de abastecimento e muitas empresas, muitos funcionários. E para fazer uma mudança na arquitetura e sempre que você lança um carro, você tem que apoiá-lo por 10 a 15 anos. A Nvidia, como fornecedora, também assume um compromisso semelhante com nossos clientes para qualquer tecnologia que fornecemos, incluindo chipsets, outras plataformas e nossa tecnologia AV. Teremos o compromisso de apoiar a mesma geração durante 10-15 anos, mesmo para a atual geração de chips. Se você pensar nisso da perspectiva de um fornecedor do Vale do Silício, é quase uma loucura. Mas essa é a natureza do negócio automobilístico. A natureza do negócio é que vai desacelerar um pouco as coisas. E isso é uma coisa. A outra coisa é que, como a tecnologia está a mudar tão rapidamente e de forma tão diferente, digamos, do automóvel como conhecíamos antes e do veículo definido por software, do veículo definido pela IA, é necessário passar por um conjunto de talentos diferente para poder configurar a empresa de forma adequada e adaptar-se a esta nova onda de inovações tecnológicas. É por isso que a Nvidia pode entrar e ajudar. Porque acreditamos que a tecnologia está chegando – estamos falando principalmente do veículo autônomo aqui, obviamente. A tecnologia está chegando a um nível de maturidade. Vamos levar essa tecnologia para produção em massa e um fornecedor pode entrar. É por isso que não fornecemos apenas a tecnologia AV, mas também fornecemos toda a plataforma a partir de um chip, bem como sistemas operacionais, um modelo de código aberto e o que chamamos de Halos, o sistema operacional de segurança que ajuda o OEM a se adaptar mais rapidamente a este novo mundo.  A natureza do negócio é que nem todos podem funcionar na mesma velocidade. Então, com certeza, devido ao peso desta indústria, levará algum tempo para que todos cheguem à linha de chegada. Mas, novamente, meu trabalho na Nvidia é tentar ajudar todos a chegarem a tudo que se move e que será autônomo, para chegar a essa visão o mais rápido possível. Deixe-me perguntar sobre sua parte na Nvidia agora, porque acho que isso nos leva às questões do decodificador. Acho que todos que estão ouvindo o programa provavelmente estão muito familiarizados com a jornada que a Nvidia tem feito com a IA. É uma das empresas mais valiosas do mundo. Cada GPU que a Nvidia pode fabricar é contabilizada. Quantas pessoas trabalham na Nvidia Automotive? Na verdade, temos uma equipe bastante considerável, da ordem de milhares de pessoas na equipe automotiva. Como estamos trabalhando em toda a plataforma, há hardware, software, modelo e infraestrutura. É uma equipe bastante considerável. A Nvidia também tem muitas coisas que podemos aproveitar de outras equipes. Por exemplo, tenho certeza que você já ouviu falar do Cosmos e do Nemotron. Estes são nossos modelos básicos de código aberto. Também estamos aproveitando fortemente o trabalho da parte deles. Como sua equipe está organizada? Você mencionou que tem hardware, software e modelos. Essa é a estrutura básica da equipe ou está organizada de forma diferente? Sim. Bem, do lado da engenharia, obviamente temos produto, temos estratégia, temos algo nos bastidores. Às vezes nós os chamamos de heróis anônimos. A equipe do mapa, por exemplo, que ainda é muito crítica para L3, L4, os caminhos de autonomia de alto nível. E a infraestrutura de dados. Os mapas de navegação literais, é disso que você está falando. Bem, há mapa HD também. Então, aproximadamente, eu divido minha equipe dessa forma. Sim. E então isso é tudo global? Isso ocorre principalmente nos Estados Unidos? Onde isso está localizado? Principalmente nos Estados Unidos, mas também temos presença na China e na Europa. Obviamente, estamos construindo um produto global, uma plataforma global, por isso precisamos de uma equipe de suporte em todos os lugares. Você mencionou que confia em alguns dos modelos básicos que a Nvidia desenvolveu de forma mais ampla. Como sua equipe está estruturada dentro da Nvidia? Isso se encaixa na estratégia de IA? É separado? Você está mais isolado? Como isso funciona? Ah, essa é uma ótima pergunta. Na Nvidia, temos, digamos, uma equipe de hardware centralizada, que é responsável pelo roadmap de hardware em nossa GPU, pela CPU, por toda a estratégia de chipset e pela produtização. Também temos uma equipe de software centralizada. A equipe automotiva é uma organização separada, muito mais focada no setor automotivo, com a missão de construir a plataforma automotiva para aproveitar o trabalho de nossa equipe de hardware e da equipe de software e se adaptar ao setor automotivo. Temos a equipe modelo também.  A Nvidia também possui uma cultura de equipes virtuais. Por exemplo, nosso modelo de código aberto para Nemotron e Cosmos, todos eles ficam em frente à nossa equipe de pesquisa, à equipe de software e à equipe de hardware. Mas são equipes virtuais que trabalham nesses modelos básicos de código aberto. Podemos aproveitar esse trabalho e, então, na organização automotiva, construir um modelo para ajudar a indústria audiovisual a ter um poderoso modelo de código aberto para trabalhar. Como eu disse, basicamente toda GPU que a Nvidia pode fabricar é contabilizada de alguma forma. É a natureza da indústria de IA neste momento. Eles irão para alguma neonuvem em algum lugar. Você tem que lutar por recursos e atenção contra aquele negócio que cresce na velocidade e na escala em que cresce? Sim, acredite ou não. [Risos] Até a Nvidia tem um suprimento limitado de GPU para computação. Temos uma prioridade interna e estou trabalhando com meus colegas basicamente quase semanalmente para decidir como reservar os diferentes cálculos, às vezes para treinamento, às vezes para testes, ou recursos para um segmento de trabalho diferente na empresa. E às vezes precisamos da ajuda de Jensen [Huang, CEO da Nvidia], mas sim. Como isso funciona? Como é esse debate? É um debate sobre ROI? “Se investirmos tanto dinheiro, retiraremos tanto dinheiro de nossos clientes”? É um debate sobre o tamanho do mercado? Quais são os parâmetros da conversa? É tudo isso, como você pode imaginar. A receita é obviamente importante, mas a Nvidia também, como vocês sabem, é uma empresa muito estratégica. Valorizamos o que Jensen às vezes chama de negócio de zero trilhões de dólares. Estamos sempre em busca de novas oportunidades que possam criar um negócio de trilhões de dólares. Portanto, é necessário que definamos prioridades estratégicas dentro das empresas na nova direção que seguiremos. Você provavelmente também sabe que não somos uma empresa com participação de mercado. É um equilíbrio entre basicamente o que traz dinheiro agora e o que pode criar o futuro, o que pode criar oportunidades para a empresa no futuro. A Nvidia é uma empresa administrada de maneira única. Como referiste, o Jensen está profundamente envolvido em tudo. Eu vi uma entrevista com ele onde ele disse que não tem reuniões individuais. Ele simplesmente se encontra com todos ao mesmo tempo e todos discutem. Como é isso? Estou na Nvidia há três anos. É muito único, honestamente. E obviamente não são todos de uma vez. São grupos diferentes. Todos temos um produto de estratégia técnica, uma parte diferente das análises de negócio com o Jensen. Na verdade, é muito emocionante para mim uma experiência aprender com seu pensamento estratégico e como ele pensa sobre um produto, como ele pensa sobre uma estratégia. Ele também é excepcionalmente profundo tecnicamente. Também é uma experiência bastante inspiradora ver o quanto ele se mantém atualizado no lado técnico. É, eu diria, uma experiência única na vida e uma oportunidade para eu poder aprender com o Jensen. Quando você descreve a oportunidade de autonomia, principalmente no futuro, essa parece ser a grande aposta. “Vamos aplicar a excelência computacional da Nvidia e o poder da IA ​​​​aos carros, e fazer com que eles dirijam sozinhos.” Como é esse modelo de receita? Parece que você está apenas vendendo chips e software para montadoras? Parece que os consumidores pagam uma assinatura e parte disso flui de volta para você? De onde vêm os trilhões de dólares? Essa também é uma excelente pergunta. Neste momento acreditamos firmemente que tudo o que se move será autónomo. Cada quilômetro percorrido pelo carro no futuro será autônomo. Se você olhar para isso, entre todos os carros, dirigimos 21 trilhões de quilômetros por ano. Neste momento, a percentagem de quilómetros autónomos entre todos os quilómetros percorridos é provavelmente insignificante. Acho que é 0,006%, ou algo parecido. Então esta é a oportunidade que temos diante de nós. A visão da Nvidia é que ajudaremos o ecossistema juntos o mais rápido possível, fornecendo novamente todas as peças tecnológicas básicas, começando dos chips aos sistemas operacionais e depois ao que chamamos de Halos. O sistema operacional Halos é realmente importante porque não apenas fornece o SDK e as APIs para que as pessoas desenvolvam modelos em nosso hardware, mas também fornece as proteções de segurança para os desenvolvedores colocarem um modelo nele. Também definimos o que chamamos de Hyperion como plataforma de hardware. É uma plataforma pronta para produção, que inclui o recurso computacional, as ECUs e também o conjunto de sensores. Achamos que é necessário alcançar um nível diferente de autonomia. Além disso, disponibilizamos o Alpamayo, um modelo open source, que treinamos. É de código aberto não apenas na arquitetura do modelo, mas também nos parâmetros e nos dados que você pode usar para ajustar o modelo em nossa plataforma. Além disso, também fornecemos toda a infraestrutura necessária. Por exemplo, a simulação é realmente importante para o desenvolvimento de AV no momento. Costumamos dizer que o problema AV está se tornando um problema de três computadores. Há o computador de treinamento, há o computador de simulação e depois há o computador de inferência no carro. Queremos fornecer todas essas peças de tecnologia ao ecossistema em uma plataforma que chamamos de Nvidia Drive, para que as pessoas possam desenvolver essa tecnologia em cima da nossa plataforma. Esperamos poder obter uma percentagem da receita que o ecossistema pode obter de cada quilómetro percorrido de forma autónoma no futuro. É daí que pode surgir a oportunidade de um trilhão de dólares. Então, receita por milha. Essas parecem ser as principais métricas que você está buscando. De onde vem a receita por milha de um usuário? Quando dirijo um carro, pago uma assinatura? Ou você está pensando que há robotáxis em todos os lugares e eles estão sendo monetizados por viagem? De onde vem a receita por milha e como esse número aumenta? Isso mesmo. Bem, acho que o mundo adotará ambos os modelos. Um deles é o robotáxi. Como você pode ver, existem alguns bem-sucedidos na China, nos EUA e no mundo. Veremos mais esperançosamente seguindo esse caminho. Teremos uma frota tipo táxi onde você poderá levá-lo do lugar A ao lugar B sem motorista no carro.  Acho que a frota de passageiros também vai continuar a existir por muito tempo porque há muita gente que ainda prefere um espaço privado durante as viagens. É como se muitas pessoas ainda preferissem ter uma casa própria em vez de alugar um apartamento. Há uma economia por trás disso também. Acreditamos que ambos os modelos prosperarão. É por isso que estamos trabalhando com as empresas de robotáxi e outros OEMs, bem como com as empresas desenvolvedoras de software AV para ajudá-los, fornecendo diferentes peças de tecnologia da Nvidia. Uma das dinâmicas interessantes, pelo menos na parte da eletrificação, ao longo dos últimos cinco anos, tem sido os fabricantes de automóveis tradicionais a perceberem que se tinham tornado companhias de seguros e empresas de financiamento, e que os seus fornecedores estavam a fabricar os carros. Eles haviam perdido enormemente o controle do design do carro. Os fornecedores de primeira linha das grandes montadoras eram, em muitos aspectos, responsáveis ​​pelos grandes subsistemas dos carros. Quando quiseram fazer uma atualização over-the-air, tiveram que conversar com 15 fornecedores diferentes para fazer isso. Já ouvi essa reclamação dezenas e dezenas de vezes no programa. E todos perceberam: "Precisamos retomar a engenharia do carro. Precisamos ter um controle muito mais firme da plataforma do carro". Parece que em autonomia, por vários motivos, a Nvidia vê uma oportunidade de se tornar o principal fornecedor de uma ampla variedade de fabricantes de automóveis. Essa é obviamente a intenção deles pensarem: “Precisamos assumir o controle do carro”. A Tesla pode usar chips Nvidia, mas eles estão muito orgulhosos do fato de terem escrito cada linha desse código, e essa é a sua plataforma, e eles fizeram suas apostas tecnológicas. Rivian, acho que Wassym está muito orgulhoso do fato de ser o responsável por essa empresa de plataforma e de construir essa plataforma. RJ [Scaringe, CEO da Rivian] certamente está muito orgulhoso do fato de a Rivian ser esse tipo de empresa. Qual é a dinâmica aí? Porque não parece que todos os fabricantes de automóveis consigam manter a aposta na tecnologia e investir na esperança de que a receita seja recompensada. Eles precisarão de um fornecedor como a Nvidia para apresentar uma plataforma e um modelo de negócios prontos. Isso está mais inclinado a seu favor agora? Já saímos daquela floresta ou ainda está no ar? Acho que a beleza do modelo de negócios da Nvidia no lado automotivo é que nossa plataforma é totalmente aberta. Fornecemos várias camadas de serviços e dependemos do que as empresas OEM ou de robótica precisam. Eles podem selecionar o que desejam trabalhar conosco até qual camada, como você mencionou, Tesla. Alguns OEMs são tão capazes. Eles querem até construir sua própria inferência para pintar o carro. Mesmo por isso, estamos bem. Ainda continuaremos trabalhando com eles. Na verdade, estamos trabalhando com a Tesla e muitos OEMs que estão construindo usando seu próprio chip de inferência, colaborando com eles na nuvem. Até tentamos ajudar a otimizar seus modelos. Com diferentes OEMs, temos colaborações diferentes, porque ainda temos o computador de simulação e a computação de treinamento na infraestrutura com a qual trabalhamos. Para alguns dos OEMs, eles gostariam de ter uma solução mais pronta para uso. Estamos muito felizes em trabalhar com eles também. Nesse caso, iremos até o fim. Estamos trabalhando como um nível um, ou nível 1.5, apenas para andar lado a lado. Este é o nosso tipo de parceiro AV motorista, por exemplo, Mercedes. Trabalhamos em estreita colaboração com eles para definir os produtos que desejam e, em seguida, também adaptamos nossa pilha AV de motorista para funcionar perfeitamente em seus veículos. Os engenheiros de ambos os lados trabalham em estreita colaboração para que ele se adapte bem ao DNA do design da Mercedes e à experiência do cliente que eles gostariam de oferecer. Isto é muito importante para nós. Não estamos escolhendo vencedores por si só. Tentamos ajudar os OEMs com base em suas capacidades em diferentes níveis. A abertura é muito importante para o nosso modelo de envolvimento com os OEMs. Uma das razões pelas quais estou tão curioso sobre isso é que você mencionou modelos de treinamento. Você mencionou em outras entrevistas que está fazendo dados sintéticos para treinar a autonomia de diferentes maneiras. Estou muito curioso sobre isso. Isso simplesmente me impressiona, olhando para a indústria. Waymo tem essa liderança gigantesca em milhas autônomas percorridas, e eles estão muito orgulhosos disso, e isso ajudou a tornar seus carros tão bem-sucedidos quanto nos mercados em que atuam. A Tesla também tem um número enorme porque eles estão treinando nos carros reais que estão sendo dirigidos. Nem toda montadora consegue descobrir como chegar a um bilhão de milhas autônomas dirigidas. Isso mesmo. Sim. Eles terão que contar com terceiros para levá-los pelo menos ao status quo, se não além. Parece que a Nvidia está pronta para ser esse terceiro. Isso é muito discurso de vendas para as montadoras? “Você pode simplesmente comprar nossa tecnologia em qualquer capacidade aberta que desejar, e rapidamente o levaremos a um estado competitivo”? Eu diria que este é o único ponto convincente para os OEMs se envolverem com a Nvidia no ecossistema Hyperion, no ecossistema Drive. Porque uma das principais coisas que definem o Hyperion é a arquitetura de computação, e também a arquitetura do sensor é o compartilhamento de dados. Para qualquer pessoa que se envolva e se torne parceiro do Nvidia Drive, compartilhamos dados por meio de nosso programa existente, por meio do qual coletamos milhões de horas de dados. Através dos diferentes programas de automóveis, também acumulamos dados de diferentes OEMs. E então podemos construir um modelo, antes de tudo, que é treinado com todos esses dados. Garantimos que pelo menos os dados coletados em nossos diferentes programas automotivos sejam compartilhados com o OEM. Esse é o número um. O número dois está na nova era, acreditamos fortemente que computação também são dados. Então, como você mencionou, há muitos dados sintéticos.  Existem dados de reconstrução neurológica, que chamamos de NuRec. Esta é uma peça muito importante de tecnologia e simulação onde coletamos os dados do campo, mas às vezes podemos usar a reconstrução neurológica para falsificar os dados e alterar o fundo ou alterar a trajetória do carro. Podemos gerar muitas variantes dos mesmos dados. Todos esses dados precisam de um computador para gerar dezenas de milhões de pontos de dados. Podemos compartilhar com todos que estão envolvidos em nosso ecossistema. Desta forma, coletivamente de todos os players que se envolvem com o ecossistema Drive, podemos compensar a lacuna de dados, o que é muito importante. Então, esses são dados sintéticos, certo? Você coletará vários exemplos de direção do mundo real. Você o colocará em um simulador. O simulador irá então desfocar os dados. Acho que o exemplo que ouvi você dar é que um pedestre saiu, e podemos simplesmente atrasar o pedestre e fazer essa pessoa sair mais tarde, e o carro terá que reagir a isso como se fosse real. Isso mesmo. E você realizará muito treinamento com diversas variações diferentes dos mesmos dados. Isso é fascinante para mim. Eu entendo por que todos os fabricantes de automóveis acreditariam nisso. Por que eles aceitariam o compartilhamento de dados? Será apenas um reconhecimento de que, colectivamente, têm mais hipóteses de recuperar o atraso? É porque eles simplesmente não querem pagar o dinheiro? É mais barato? Por que eles participariam com seus concorrentes nesse tipo de acordo de compartilhamento de dados? Ambos são absolutamente verdadeiros. Na verdade, a economia de custos é enorme. A coleta de dados para administrar uma frota enorme representa um grande gasto de capital para quem deseja fazer isso. Também é repetitivo. Se você encontrar, por exemplo, o que oferecemos na plataforma Drive ou no ecossistema Drive, isso poderá economizar muito esforço e dinheiro de nossos clientes.  Estou curioso sobre isso porque a ideia é que você treine coisas, e então você terá um modelo no carro, e teremos um carro definido por IA. A abordagem clássica para a direção autônoma é que vamos lançar cada vez mais dados sobre o problema e, eventualmente, o carro saberá fazer tudo, terá mapeado todas as estradas, além de tudo. Eu tenho um Cadillac EV e a forma como o Super Cruise funciona é que funciona em estradas mapeadas. Eventualmente, a aposta é que eles mapearão cada vez mais estradas e mais e mais coisas, e o carro se tornará mais capaz. Parece que a abordagem da Nvidia é que o carro seja inteligente o suficiente para fazer qualquer coisa, com ou sem mapas. E isso requer uma abordagem diferente à recolha de dados, uma abordagem diferente à computação e, obviamente, uma aposta maior na IA. Essa divisão é real? Você acabou de dar aquele salto? Esse é o futuro da plataforma ou você está no meio? A abordagem que adotamos agora para o que chamamos de L2+, que essencialmente não tem mapa. Como você disse corretamente, o modelo definitivamente precisará de mais dados e para cobrir mais casos extremos. E o modelo também está ficando maior neste momento, para esta geração, a próxima geração. Usaremos um modelo muito maior e com mais parâmetros. Os modelos de fundação também desempenharão um grande papel aqui. Para poder tornar este modelo muito capaz, mais dados são muito, muito críticos. Mas por outro lado, a tendência de usar um modelo básico, que já é treinado com dados da internet, também pode ajudar. É por isso que enfatizei algumas vezes a conexão com o esforço do modelo básico dentro da Nvidia. Com o modelo de raciocínio e o modelo básico, podemos aproveitar a perspectiva do modelo de fronteira e aproveitar a Internet para dimensionar os dados para poder ajudar o veículo a generalizar melhor, mesmo sem os dados específicos do veículo. Esta é a principal direção em que apostamos, rumo a um maior nível de autonomia, especialmente o Nível 4. Este é um dos principais eixos de trabalho em que estamos focados neste momento. Voltando ao OEM, acho que ser capaz de aproveitar o que construímos por meio de nossas colaborações com o envolvimento existente e nossa enorme capacidade de geração de dados usando conjuntos de dados sintéticos e reconstrução neurológica - bem como ser capaz de aproveitar a capacidade do modelo básico que é treinado a partir de dados mais gerais, mas que ajudará o modelo a raciocinar melhor, a generalizar melhor - essas são as coisas que podemos oferecer aos nossos clientes. Sinto que tenho que perguntar sobre segurança agora. Tenho certeza de que é mais complicado do que isso, mas você está falando sobre um modelo básico de raciocínio por meio da direção autônoma. E tudo que tenho na cabeça é o ChatGPT se desculpando comigo porque errou enquanto o carro bate, ou um daqueles horríveis loops de latência longos em que o modelo vai na direção errada e percebe isso. E então você pode olhar para a cadeia de pensamento e pensar, ah, entendi totalmente errado. É uma sensação ruim da maneira que a Anthropic acredita que Claude se sente mal. Nada disso parece compatível com a natureza em tempo real de dirigir um carro. Como você preenche essa lacuna? Latência, a necessidade de ter um daqueles grandes modelos em segundo plano, o tipo de tangente de raciocínio que os modelos podem seguir. Como isso é compatível com dirigir um carro? A segurança é muito importante para nós e é muito importante para a indústria audiovisual. Deixe-me responder à sua pergunta abordando diferentes camadas da nossa oferta. Obviamente, abordar a segurança não é novidade para a indústria automobilística e desenvolvemos um protocolo de desenvolvimento muito sofisticado e também um protocolo de validação para poder provar que o software é seguro. Isso se chama ISO 26262. Na verdade, desenvolvemos nosso software em nível de hardware e sistema operacional (SO) e software em nível de aplicativo com o mais alto padrão de segurança, o que é muito importante e crítico para poder implantar qualquer coisa para dirigir o carro. Esse é o número um. O número dois é que adotamos uma abordagem ligeiramente diferente de alguns dos participantes neste espaço. Na verdade, temos uma pilha redundante mesmo para nossa função L2++ ou ADAS. Fora isso, está o modelo ponta a ponta, que é basicamente pixel-in e trajetória out. Também temos uma pilha clássica que é mais desenvolvida com base neste padrão de segurança como o conhecemos. É basicamente um componente. É uma pilha com muitos componentes e cada componente pode ser verificado usando este padrão conhecido. Isso é o que chamo de pilha clássica. E quando você tem duas pilhas funcionando em paralelo, a pilha clássica funciona como o que às vezes chamamos de Big Brother, mas essencialmente é uma proteção de segurança. Ele tenta verificar todas as trajetórias do modelo ponta a ponta e usar o padrão de segurança conhecido para verificar se é seguro em cada quadro. Esse é um conceito muito importante que temos. E não apenas um conceito, mas a implementação que temos em nossa pilha. Tomaremos isto, que será tão crítico para a autonomia de nível superior, L4. Esta é também a base da nossa pilha L4, onde temos redundância total, não apenas como conjunto de sensores, mas como conjunto de arquitetura de software. Este segundo ponto é para responder à sua pergunta de segurança. Número três, quando desenvolvemos o modelo, também tentamos fazer com que o modelo reduza a alucinação tanto quanto possível. A maneira de fazer isso é através da validação massiva. Estamos construindo enormes dados de teste de simulação para cada modelo que lançamos. No momento, esperamos realizar cinco milhões de testes em nosso programa todos os dias. Aproximadamente todos os dias temos 10 iterações do modelo, o modelo ponta a ponta. Estamos fazendo uma validação realmente massiva para garantir que em todos esses cenários – você pode pensar nisso como cada cenário de teste testado – o modelo está gerando a trajetória correta. Isso também é muito crítico para nós. Então é isso que fazemos para garantir que nosso produto seja seguro. Deixe-me fazer uma pergunta realmente idiota sobre a qual estou muito curioso. Você falou muito sobre o modelo e como ele irá operar o carro. E sim, a pilha clássica é o guarda-corpo de segurança. O modelo raciocina em linguagem como qualquer outro modelo? Está ali no fundo dizendo: "Vejo um sinal de pare. O que devo fazer? É melhor parar. Vou pisar no freio", da mesma forma que qualquer tipo de modelo geral raciocina na linguagem de fundo? A resposta curta é sim. No nosso modelo de próxima geração, que iremos implantar na próxima geração de veículos… Como a geração atual tem um computador mais ou menos limitado, a próxima geração é baseada em SOAR. Teremos o modelo treinado com linguagem incorporada. Ser capaz de raciocinar através da linguagem é muito importante. Você também pode conversar com a modelo. Você pode perguntar ao modelo o que ele está fazendo e também pode pedir a um modelo para acelerar ou desacelerar e fazer uma mudança de faixa, por exemplo. Enquanto está literalmente dirigindo, ele diz para si mesmo: "Vejo um carro ali. Preciso mudar de faixa para me preparar para a saída que está chegando daqui a alguns quilômetros". E está fazendo isso na linguagem para operar o carro? Eu acho que é uma combinação de coisas. A linguagem já está incorporando o modelo, mas o sinal de visão também é super importante, como vocês sabem. Quero dizer que é multimodelo, mas a linguagem faz parte disso. Como você sabe, o modelo é caixa preta. Não sabemos exatamente o que ele está fazendo, mas você pode perguntar sobre isso e então o modelo responderá o que está tentando fazer.  Acabei de ter a visão de um modelo de chatbot enlouquecendo enquanto avança na rodovia a 88 quilômetros por hora. Na verdade, a GTC Taiwan divulgou um vídeo que mostrou que a modelo fala constantemente. Pode ser muito chato se você realmente tentar ouvir tudo o que a modelo está tentando raciocinar. Qual é a latência disso? Obviamente você está implantando os sistemas, deve estar funcionando, mas existe uma tentativa de reduzir a latência disso? Sinto que a linguagem é inerentemente lenta em comparação com o que você precisa fazer para dirigir. Não estou pensando em linguagem quando dirijo meu carro. 100%. É por isso que eu disse que é multimodelo. Mas reduzir a latência ponta a ponta é muito importante. Na verdade, essa é uma das principais vantagens de implantar, dirigir o carro com um modelo. Porque se você pensar bem, a pilha antiga ou a pilha clássica que tem vários componentes, geralmente leva várias centenas de milissegundos. Mas com um modelo, porque é apenas o tempo de inferência, é separado da entrada, que é pixel e trajetória. Você pode reduzir a latência, dependendo da capacidade do computador, obviamente. Mas mesmo na geração atual, controlamos isso em 100 milissegundos, o que é bastante rápido. Em relação ao raciocínio da linguagem, se você pensar bem, bom, esse é o cérebro humano, certo? Se você pensar bem, eu diria que a taxa de informação já está abstraída. A taxa de informação não é muito alta. E estamos usando os dados da Internet para treinar esse tipo de capacidade de raciocínio baseado na linguagem. Acho que a latência está bem sob controle, deixe-me colocar dessa forma. E, novamente, você não está dirigindo o carro apenas com a linguagem. Isso é uma coisa fundamental, como eu disse. Normalmente a parte do raciocínio é, acredito, mais lenta. Novamente, não sabemos exatamente o que o modelo está fazendo, mas a parte do pixel é o que impulsiona a reação instantânea básica do veículo. Sim. Se você perguntar ao Anthropic, eles dirão que Claude tem sentimentos e emoções e pode ficar com medo. Uh-huh. Você pensa sobre isso? Você acha que seus modelos têm emoções quando dirigem o carro? Usaremos o guarda-corpo para garantir que não fique muito temperamental. [Risos] Estou apenas curioso. Quer dizer, como você disse, não sabemos como os modelos estão funcionando. Eu literalmente tenho uma visão da modelo dizendo: “Oh meu Deus, estou indo tão rápido”. Mas talvez o sistema clássico reduza isso. Sim. Sim. Tudo isso está rodando localmente no carro? Não, não, não, não. Tudo isso é validado offline. Mas a segunda parte com o guarda-corpo de segurança, quando colocamos duas pilhas em paralelo, definitivamente está no carro. E no carro, em cada quadro, o software em nossa ECU ADAS, estamos comparando a trajetória da pilha clássica e do modelo ponta a ponta para garantir que o modelo esteja gerando uma trajetória básica segura. Então, os carros exigem conectividade rápida para serem autônomos na sua abordagem? Não necessariamente, mas precisamos de alguma conectividade para obter informações de navegação e algumas informações de mapa. A maioria deles são mapas de navegação. Portanto, para ajudar não apenas o lado do modelo e também a pilha clássica, usamos algumas informações do mapeamento de navegação para nos ajudar a entender melhor o mundo. Só estou perguntando porque abordei detalhadamente o lançamento das redes 5G e todas as empresas de telecomunicações me prometeram que o 5G permitiria carros autônomos. E parece que sua abordagem é a que mais se apoiará em redes de baixa latência dessa forma. Isso não está errado, mas por outro lado, o carro também precisa dirigir de forma autônoma em um ponto cego completo. A baixa latência em tempo real, eu diria dependência de conteúdo, tem essa dependência na nuvem. Pelo menos para o tipo de aplicativo ADAS – L2+ é como o chamamos – que deve funcionar em qualquer lugar, construir essa dependência não é uma boa ideia. Sim. Quando você chega ao Nível 4, Nível 5, é quando você tem dependência de conectividade. Isso mesmo. Sim. Sim. O que acontece quando você perde a conectividade no nível 4 de autonomia? Quando você está no nível 5 e não tem mais volante e perde a conectividade, o que acontece? No Nível 4, você pode pensar na conectividade como uma espécie de sensor. A capacidade básica de condução não pode depender muito disso. E um dos principais conceitos do desenvolvimento da tecnologia Level 4 é a redundância de sensores. Isso não serve apenas para GPS, mas também para câmera, radar, tudo que você vê. Para cada ponto de falha, o carro deve ser capaz de dirigir com segurança. É como se você perdesse repentinamente um GPS, mas o carro tem uma percepção local, precisa chegar a um ponto seguro e encostar. Esse é um requisito mínimo que um sistema L4 precisa ter. Este é o princípio básico do L4 para poder desenvolver tal sistema. Estou muito curioso para saber onde estão todas as pilhas de sensores no carro, quanta computação há no carro, quanta RAM precisamos colocar nos carros em um momento de aumento nos preços da RAM. Tudo isto parece ser um custo extra muito grande para incluir em carros que estão cada vez mais caros e contra os quais os consumidores, pelo menos nos Estados Unidos, sentem que estão a rebelar-se de várias maneiras. Isso mesmo. Posso analisar o tráfego do nosso próprio site; todo mundo quer comprar um caminhão Slate por US$ 25 mil e ele nem tem rádio. Isso é apenas uma bateria sobre rodas. Esse é o carro inteiro. Não tem nem pintura. Estamos nos livrando das pinturas dos carros agora para manter os custos baixos. Você está falando de muita computação no carro, muita conectividade, talvez um monte de RAM para carregar os modelos. Isso mesmo. Como isso funciona? Isso o empurra mais para o modelo robotáxi ou você acha que as pessoas simplesmente vão comprar carros autônomos caros? Definitivamente, construir carros autônomos precisa de muito hardware, mas a outra tendência é que o custo do hardware caia rapidamente à medida que a tecnologia se torna mais madura. Por exemplo, radar. Mesmo na minha carreira, vi os preços dos radares provavelmente caírem pelo menos quatro ou cinco vezes ao longo de 15 anos, devido ao volume ficar cada vez maior do que o custo. Também testemunhei a queda nos preços dos sensores de câmera. Há mais concorrentes e a concorrência traz preços mais baixos quando o volume aumenta. O efeito de escala está definitivamente presente agora no ADAS e todos os componentes se tornam muito mais maduros e em algum nível de commodity. Como você sabe, o computador está crescendo em um ritmo muito rápido. Falamos sobre a Lei de Moore na indústria de semicondutores há algum tempo, mas no segmento de condução autônoma, a necessidade de computadores tem crescido a um ritmo realmente surpreendente. Aproximadamente estamos falando de 10 vezes a cada dois anos. É uma loucura. E agora, com o sucesso da IA ​​e, obviamente, da Nvidia, seremos capazes de fornecer esse tipo de computação massiva para carros a um preço acessível. Na nuvem ou no carro? No carro. Eu perguntei a você sobre a luta pela capacidade de treinamento anteriormente. Você também tem que lutar pela capacidade de fabricação? Oh sim. Porque esses custos estão subindo para todos. Sim claro. Sim. Estou curioso, é a demanda da Nvidia que está aumentando o custo para todos. Então, como você consegue capacidade fabulosa quando as outras divisões da Nvidia estão dispostas a pagar quaisquer taxas que alguém exigir? Bem, é a mesma resposta que dei a você. Não sei se há mais alguma coisa que possa dizer porque somos uma empresa muito estratégica e o nosso negócio automóvel também está a ir bem, mas não ao ritmo do nosso negócio de data center, obviamente. Mas acreditamos firmemente – o próprio Jensen também – no futuro AV. Continuamos investindo nessa tecnologia e nesse futuro, não só com alocação de computação interna, mas também com capacidade fabulosa. Essa é definitivamente uma das coisas que estamos investigando.  Na verdade, muito provavelmente até o preço do chip precisará subir, devido a essa intensa demanda por cada chip que todos possam adquirir. O lado positivo é que a tecnologia está realmente ficando [boa]. Falei sobre o lado do chip e também falei um pouco sobre o lado do sensor. Falei sobre o Hyperion, que é uma plataforma do tipo computação mais sensor, pronta para o produto. Então, estamos realmente tentando equilibrar o custo e o que podemos fazer. Estamos analisando o que chamamos de conjunto de sensores suficiente e necessário para atingir um alto nível de autonomia. No Hyperion 10, por exemplo, oferecemos duas versões. Uma é uma base, composta principalmente de câmeras: 10 câmeras, três radares, sem lidar. É uma maneira muito econômica de construir um veículo do tipo L2++ ADAS. E por outro lado, para o topo de linha, é o que chamamos de Hyperion High: fornecemos o conjunto de sensores necessário, que tem, eu acho, 14 câmeras, três lidars e sete radares para ter redundância de sensor suficiente para poder acionar L4. Você também precisa de redundância de ECU. Você precisa da nossa próxima geração – bem, na verdade, para ser mais preciso, a plataforma de computador baseada em SOAR da geração atual. Imagine que você tem um carro que realmente pode dirigir sozinho. Acreditamos que com este conjunto de sensores e esta arquitetura de computador podemos chegar a esse nível de autonomia que pode justificar o custo. O conjunto mínimo de sensores para autonomia é muito debatido. Tem sido calorosamente debatido há muito tempo. Acho que Elon Musk dizendo que achava que o lidar era um máximo local há muito tempo foi o início deste debate. Este debate não foi reprimido de forma alguma. Você acha que o nível 4 requer lidar? A resposta curta é sim. Acreditamos que lidar é o sensor importante para fornecer a segurança e a redundância necessárias para a autonomia de nível 4. Mas por outro lado, é difícil dizer que é 100% necessário. Acreditamos que este é um caminho muito viável com base na configuração do sensor de alto nível do Hyperion 10 para obter capacidade urbana e rodoviária de nível 4 realmente alto. Por outro lado, teoricamente, as pessoas podem provar com grande quilometragem que o lidar pode não ser necessário. Mas virá com a limitação ODD, essencialmente. Desculpe, qual é a limitação do ODD? O domínio de design operacional (ODD) é basicamente um domínio aplicável. Você pode implantar a tecnologia. Fizemos algumas análises sobre isso. Com base em nosso entendimento atual e na estrutura que usamos para fazer esta análise, acreditamos que para implantar essa tecnologia L4 em todos os ODDs dos quais nosso cliente pode se beneficiar, é muito melhor ter lidar do que não tê-lo. Quando você olha para onde a Tesla está com direção totalmente autônoma e seus veículos e seu compromisso absoluto em ser um sistema baseado em visão, você acha que eles estão atualmente à sua frente? Você acha que eles estão em paridade? Você acha que eles estão atrás de você? Existem dois níveis de resposta a esta pergunta. Para a tecnologia básica L2++, Elon provavelmente está à frente de todos. Ele teve uma divisão há muito tempo e manteve a visão por muito tempo de desenvolver e testar a tecnologia em uma frota enorme. Ninguém argumentaria que Elon está à frente de todos no mercado de ADAS e que todos estão essencialmente jogando um jogo de recuperação. E estamos muito felizes, na verdade, que Elon tenha tanto sucesso. Obviamente, Elon também é um grande cliente para nós, tanto para a SpaceX quanto para a Tesla, no lado do computador GPU. Estamos apoiando ele e sua equipe para garantir que tenham sucesso. Para o nível 4, acho que é mais aberto. Existem players consagrados e comprovados, como a Waymo, que já estão levando os clientes para realmente vivenciar o L4 usando as metodologias que utilizam. Tesla provavelmente ainda está tentando encontrar o caminho até lá. Não tentamos escolher vencedores, mas tentamos ajudar todos a desenvolver essa tecnologia. Nossa missão é realmente tentar fazer com que o ecossistema AV chegue a essa visão de que cada quilômetro, tudo que se move será autônomo. Esse tipo de visão se torna realidade. Você conversou com executivos da Tesla sobre o uso do lidar? Parece estranhamente religioso sem motivo, especialmente se os custos estão diminuindo, como você diz. Em algum momento, se a melhor solução tecnológica estiver ali, parece que todos deveriam simplesmente usá-la. Você já teve essas conversas? Bem, na verdade não, eu não. Minha equipe definitivamente tem. Estou ansioso para ter essa conversa com eles. Muito disso é apenas ciência e raciocínio básicos. É bom ouvir a opinião deles também. Quero encerrar falando sobre algo que talvez esteja menos sob seu controle. Os modelos continuarão melhorando, a Nvidia continuará fabricando chips, talvez os clientes continuem exigindo a direção autônoma. Tudo isso parece algo que você domina. Mas o mercado automobilístico, a vanguarda do mercado automobilístico, está acontecendo na China. Acho que podemos simplesmente concordar sobre isso. Os consumidores norte-americanos abrem o TikTok e veem influenciadores automotivos falando sobre os veículos BYD e reclamam nos comentários que não conseguem esses carros. Assisti a um vídeo de um Buick que está na China. É um Buick EV que você não consegue nos Estados Unidos e os clientes dos EUA estão furiosos porque a Buick está fabricando carros melhores na China do que aqui. Existem muitas barreiras comerciais entre os Estados Unidos e a China. A Nvidia está no meio dessa luta de todas as maneiras, sejam tarifas sobre importações de componentes automotivos ou bloqueios literais sobre quais chips podem ser vendidos e para onde vai a receita desses chips. À medida que se tenta impulsionar o mercado automóvel, como é que o caos comercial entre os EUA e a China contribui para isso? Isso é algo que você pensa? É algo que está desacelerando a indústria? É algo que você pode superar? Bem, acredito certamente que os decisores políticos têm os seus argumentos e razões para elaborar a política tal como vemos neste momento. Como Nvidia, somos um player de ecossistema aberto. Ainda temos muitos clientes na China. Tentamos ajudar… Por exemplo, ainda fornecemos chips de inferência para automóveis porque eles ainda estão abaixo do limite que a GPU pode vender no mercado chinês. Também estamos trabalhando com todos os OEMs chineses. Na verdade, nem todos, obviamente, mas alguns deles, para ajudar no lado da infraestrutura, fornecendo ferramentas de simulação. Estamos trabalhando com eles em modelos de código aberto, Cosmos e Alpamayo. Por um lado, podemos ajudá-los a melhorar os seus modelos. Por outro lado, também podemos aprender com a concorrência no mercado chinês. Também estamos trabalhando em estreita colaboração com o resto dos OEMs do mundo e tentamos fornecer todas as plataformas Nvidia e em diferentes camadas para diferentes OEMs para ajudá-los a ter sucesso também. Novamente, não escolhemos vencedores e tentamos trabalhar com todos. A missão é super clara e tentamos fazer com que essa visão se torne realidade o máximo possível. Quando você fala sobre o compartilhamento de dados entre OEMs para treinar melhor os modelos e torná-los mais capazes, há algum obstáculo regulatório ou competitivo entre o compartilhamento de dados de OEMs chineses e OEMs americanos e europeus? Ah, sim, claro. Não só a China, mas também outras regiões têm restrições. Por exemplo, a Europa tem certas regulamentações relativas a dados. Estamos em conformidade com todas as regulamentações locais para garantir que estamos em conformidade com as diferentes regiões. Isso significa que as variantes regionais dos modelos têm capacidades diferentes ou são melhores em coisas diferentes? Porque se os dados de entrada forem diferentes, parece que talvez a saída também seja diferente. Absolutamente. Bem, em primeiro lugar, para o modelo de produção, tentamos não desembolsar o máximo que podemos, mas haverá diferenças regionais básicas. O modelo se comportará de maneira diferente em diferentes regiões com base na entrada. Algumas das coisas são o que chamamos de código de país. Obviamente, as regras são bastante diferentes em diferentes regiões, como na Europa, em comparação com os EUA. É necessária alguma adaptação e alguns parâmetros também são diferentes. Sim, é uma jornada bastante interessante tentar expandir a tecnologia para diferentes partes do mundo. Você acha que – com base nas diferentes abordagens regulatórias, nas diferentes abordagens de dados, nos diferentes dados de entrada, nas diferentes configurações dos OEMs e no que eles estão dispostos a investir, nos diferentes subsídios dos governos – a China chegará primeiro ao Nível 4 como uma experiência de direção autônoma convencional? Porque se eu tivesse que olhar para isso, apostaria que a direção autônoma de nível 4 acontecerá na China muito antes de acontecer nos Estados Unidos como uma experiência convencional. Na verdade, não acho que isso seja verdade. Como você sabe, a Waymo já está levando todos a uma experiência L4, pelo menos em alguns ODDs em São Francisco, e eles estão crescendo muito rapidamente. A China é obviamente um mercado concorrente muito mais dinâmico e existem alguns intervenientes no país. Mas minha experiência é que todos eles têm a maturidade do Waymo, pelo menos em São Francisco. Estamos tentando ajudar todos no ecossistema. Do ponto de vista dos OEM, é um cenário de concorrência diferente, mas mesmo do lado dos OEM, acho que diferentes regiões têm diferentes tipos de… Bem, um lado é que as ruas chinesas também são muito mais desafiadoras em comparação com as ruas dos EUA. E o Nível 4, às vezes eu chamaria de jogo sem dor. Ou você tem ou não tem. Até hoje, acho que o único que realmente provou que o L4 pode ser implementado com segurança para todos os clientes, sem motorista, em uma região do tamanho de uma cidade, sem qualquer limitação, ainda está nos EUA ou na China. Sim, esse é o Waymo. Acho que Waymo ficará muito lisonjeado ao ouvi-los serem descritos como uma experiência convencional. Aceitarei que, para algum subconjunto de pessoas em São Francisco, o Waymo seja uma experiência convencional. Acho que para a grande maioria dos americanos ainda não é. E essa é a grande virada, certo? Quando um Waymo pode trabalhar na neve? Quando eles vão implantá-los em Chicago? E na cidade de Nova York. Como alguém que esteve em Chicago por muito tempo, estou muito curioso para saber como isso acontece em Chicago e na cidade de Nova York. A questão que tenho é se a experiência convencional parece que você acabou de comprar um carro e o ADAS Nível 2 é uma espécie de mercadoria nos carros agora. O nível 4 será uma commodity dominante em automóveis. Você aperta o botão e ele começa a dirigir sozinho. A que distância você acha que estamos disso? Essa é exatamente a minha missão, tentar ajudar a indústria a chegar lá. Eu diria que se precisar dar um tempo, não diria cinco anos, mas menos de cinco anos. Essa é uma previsão ousada. Acho que vamos deixar por aí, porque estamos na hora. Você foi realmente ótimo, Xinzhou. Estou animado para falar com você novamente. Teremos você de volta antes de cinco anos para verificar essa previsão. Mas o que devemos procurar a seguir na Nvidia? Há algumas coisas que estamos planejando. Em primeiro lugar, até ao final deste ano, iremos implementar a nossa tecnologia no lado ADAS em todos os veículos Mercedes e também em alguns outros parceiros, em todos os Estados Unidos. A partir dos próximos anos, tentaremos implementar esta tecnologia no resto do mundo. Entretanto, também estamos a trabalhar em estreita colaboração com os nossos parceiros, por exemplo, a Uber. Anunciamos que na GTC estamos tentando implementar nosso serviço L4 nos próximos anos. É muito emocionante. Além disso, somos, novamente, um player do ecossistema. Estamos trabalhando com quase todos os OEMs. No momento, eu diria que 80% dos OEMs de produção em massa estão no ecossistema Hyperion da Nvidia para L4. Estamos construindo esse futuro com todos. Esperamos que você veja mais anúncios interessantes nossos em algum lugar no futuro.  Bem, como eu disse, precisaremos de você de volta em breve. Muito obrigado por estar no Decoder. Obrigado por me receber, Nilay. É muito bom conversar com você. Perguntas ou comentários? Contate-nos em [email protected]. Nós realmente lemos todos os e-mails!