Los vehículos autónomos disponen de aproximadamente el tiempo de un latido del corazón para leer la carretera, decidir qué está ocurriendo y reaccionar. Esa ventana extremadamente estrecha es exactamente la razón por la que Waymo ha creado un chip de IA personalizado diseñado para comprimir el procesamiento de sensores al menor número posible de milisegundos. La empresa de robotaxis respaldada por Alphabet detalló el silicio en una entrada de blog esta semana, marcando la primera vez que desglosa públicamente el hardware que se encuentra en el maletero de cada uno de sus coches sin conductor.
Summary
Conclusiones clave
- Waymo ha diseñado su propio ASIC de IA, fabricado con el proceso de 5 nanómetros de TSMC, para procesar los datos de los sensores más rápido que el hardware comercial del que dependía anteriormente.
- El diseño del chip se basa en más de 200 millones de millas de datos de conducción autónoma en el mundo real y puede ejecutar tanto redes neuronales convolucionales como modelos transformadores.
- Waymo afirma que el ASIC ofrece más de 1.000 TOPS de rendimiento de IA, probablemente medidos con precisión INT8, aunque el consumo exacto de energía sigue sin estar claro.
- La empresa sigue apoyándose en proveedores externos, incluidos AMD, Micron, Samsung, Sandisk y Nvidia, para tareas no relacionadas con el aprendizaje automático, como el registro de datos y la orquestación.
- Waymo utilizó anteriormente FPGAs de Intel para el procesamiento de sensores antes de pasar a su propio silicio, uniéndose a Tesla en la carrera por construir chips personalizados para la conducción autónoma.
El chip de IA personalizado de Waymo diseñado para decisiones en fracciones de segundo
El nuevo chip de Waymo existe para convertir una avalancha de datos sin procesar de cámaras, radares y lidares en una decisión de conducción antes de que un momento peligroso pueda desarrollarse por completo. La empresa lo describe como la primera línea de su pila de cómputo, limpiando los flujos de sensores entrantes y ejecutando comprobaciones rápidas de IA en el instante en que llega la información, en lugar de enviar datos sin procesar y desordenados directamente al cerebro principal de procesamiento del coche.
Construido con el proceso de 5 nanómetros de TSMC
El chip se fabrica utilizando la tecnología de proceso de 5 nanómetros de TSMC, situando a Waymo junto a los principales fabricantes de chips que dependen del gigante taiwanés de fundición para obtener silicio de vanguardia. Elegir un nodo de proceso moderno es importante porque permite a Waymo concentrar más potencia de cómputo en un paquete más pequeño y eficiente energéticamente que tiene que sobrevivir dentro de un vehículo en movimiento en lugar de en un centro de datos con control climático.
Tan importante como la densidad bruta es la flexibilidad. El ASIC está diseñado para ejecutar tanto redes neuronales convolucionales como arquitecturas comparables basadas en transformadores, que representan tanto los enfoques convencionales de aprendizaje automático como los modelos contemporáneos que impulsan los chatbots de IA y generadores de imágenes actuales. Esa doble capacidad permite a Waymo actualizar su software de percepción con el tiempo sin necesitar hardware completamente nuevo cada vez que sus modelos evolucionan.
Cómo el chip aprendió de 200 millones de millas de conducción
Waymo afirma que la arquitectura del chip refleja lecciones extraídas de más de 200 millones de millas de datos acumulados de conducción autónoma, lo que da al diseño una base en el mundo real que los chips comerciales no pueden igualar fácilmente. Ese volumen de historial de conducción dio forma a cómo el silicio gestiona la capacidad de respuesta, la fiabilidad y la redundancia en condiciones reales de carretera en lugar de simulaciones de laboratorio.
Minimización de la latencia como prioridad de seguridad
Reducir la latencia fue el objetivo central del diseño del chip, ya que los accidentes pueden desarrollarse más rápido de lo que cualquier operador humano remoto podría intervenir. «Dentro de esos milisegundos críticos, los modelos avanzados de ML construyen una comprensión de alta fidelidad del entorno para evaluar el camino más seguro a seguir», explicó la empresa, describiendo cómo el sistema realiza una reducción de ruido temporal en tiempo real para agudizar la visibilidad con poca luz.
Los líderes de ingeniería de Waymo plantearon el desafío en términos igualmente urgentes. Satish Jeyachandran, vicepresidente de Ingeniería, y Daniel Rosenband, responsable de Cómputo, escribieron que la empresa está «diseñando un sistema de última generación que se consideraría impresionante para un centro de datos, con la complejidad añadida de un dominio operativo dentro del vehículo y requisitos en tiempo real», según The Verge. Describieron la pila de cómputo como guiada por tres principios innegociables: capacidad de respuesta, robustez y redundancia.
Toda esa capacidad de respuesta exige una potencia de cálculo seria. Waymo afirma que su chip dedicado de front-end ofrece más de 1.000 TOPS de rendimiento de IA, aunque la empresa no ha revelado el nivel de precisión ni el consumo de energía detrás de esa cifra. Sin esos detalles, las comparaciones directas con el hardware de vehículos autónomos y robótica de la competencia siguen siendo difíciles, aunque es probable que la cifra de TOPS se mida con precisión INT8, lo que lo situaría en una clase de rendimiento similar a la plataforma Drive AGX Thor de Nvidia.
Redundancia, refrigeración y el resto de la pila de hardware
La potencia de cómputo por sí sola no es suficiente cuando el hardware vive dentro de un coche expuesto a vibraciones constantes, impactos de la carretera y cambios extremos de temperatura que ningún chip de centro de datos tiene que soportar. Waymo aborda esto con múltiples capas de redundancia, ejecutando esencialmente sistemas duplicados para que un único fallo no deje fuera de servicio la percepción del vehículo. Los propios chips se refrigeran por líquido, aprovechando el mismo sistema de refrigeración que regula el motor del vehículo, manteniendo el silicio a temperaturas de funcionamiento seguras independientemente del clima exterior.
Aquí es donde se hace evidente el cambio de Waymo respecto a su configuración anterior. Antes de desplegar su propio ASIC, la empresa dependía de FPGAs de Intel para el procesamiento de sensores. Las FPGAs son muy adecuadas para trabajos de baja latencia, lo que es una de las razones por las que las empresas de trading de alta frecuencia suelen utilizarlas, pero son notoriamente difíciles de programar y no pueden igualar la densidad de cómputo del silicio diseñado específicamente.
Socios que gestionan tareas no relacionadas con ML
Waymo no está construyendo desde cero cada pieza de su pila de cómputo. La empresa sigue confiando en proveedores externos para funciones no relacionadas con el aprendizaje automático, como la orquestación, el movimiento de datos y el registro, mencionando a AMD, Micron, Samsung, Sandisk y Nvidia como socios que proporcionan esos componentes, con Socionext también citada por The Verge entre los proveedores de hardware implicados. Waymo ha dicho que está desarrollando varios chips y sistemas personalizados adicionales, lo que significa que su ASIC actual es solo una pieza de una estrategia más amplia de silicio interno en lugar de un reemplazo completo del hardware de terceros.
Ese enfoque heterogéneo refleja una compensación deliberada. En lugar de intentar construir internamente todo un sistema de cómputo, Waymo está concentrando su esfuerzo de ingeniería en la fusión de sensores en tiempo real y el aprendizaje automático de front-end, las áreas en las que el silicio personalizado ofrece la mayor ventaja de latencia, mientras se apoya en fabricantes de chips consolidados para todo lo demás.
Waymo vs Tesla: una carrera de chips más amplia en los robotaxis
Waymo no es la única empresa que apuesta por el silicio personalizado para ganar la carrera de los robotaxis. Tesla ha pasado años desarrollando sus propios chips para la conducción autónoma y recientemente lanzó un servicio limitado de Robotaxi en Austin tras repetidos retrasos. Las dos empresas también divergen drásticamente en filosofía: el CEO de Tesla, Elon Musk, ha descartado el lidar como una «muleta» y «una pérdida de tiempo», argumentando que fusionar datos de múltiples tipos de sensores introduce una ambigüedad peligrosa cuando las señales no coinciden.
El enfoque de Waymo va en la dirección opuesta, apostando a que combinar cámaras, radares y lidares mediante silicio dedicado hace que su sistema sea más fiable, no menos, y que los chips personalizados son lo que le permite desplegarse a una escala significativa. La empresa planea compartir más detalles sobre sus aceleradores de aprendizaje automático la próxima semana en la conferencia Hot Chips en Stanford, un escenario que podría ofrecer la visión más clara hasta la fecha de cómo su estrategia de silicio se compara con la de sus rivales que corren hacia el mismo objetivo.
Preguntas frecuentes
¿Cuál es la función principal del chip de IA personalizado de Waymo?
Procesa rápidamente los datos de sensores sin procesar de los vehículos autónomos, convirtiéndolos en respuestas de conducción con una latencia mínima.
¿Qué tecnología de fabricación se utiliza para el chip de Waymo?
El chip se fabrica utilizando la tecnología de proceso de 5 nanómetros de TSMC.
¿Qué modelos de aprendizaje automático puede ejecutar el chip de Waymo?
Puede ejecutar tanto modelos tradicionales como redes neuronales convolucionales y modelos transformadores modernos.
¿Cómo garantiza Waymo la fiabilidad de sus chips personalizados en los vehículos?
Waymo emplea redundancia de múltiples capas y sistemas de refrigeración líquida para mantener el rendimiento del chip en condiciones adversas.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»¿Cuál es la función principal del chip de IA personalizado de Waymo?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Procesa rápidamente los datos de sensores sin procesar de los vehículos autónomos, convirtiéndolos en respuestas de conducción con una latencia mínima.»}},{«@type»:»Question»,»name»:»¿Qué tecnología de fabricación se utiliza para el chip de Waymo?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»El chip se fabrica utilizando la tecnología de proceso de 5 nanómetros de TSMC.»}},{«@type»:»Question»,»name»:»¿Qué modelos de aprendizaje automático puede ejecutar el chip de Waymo?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Puede ejecutar tanto modelos tradicionales como redes neuronales convolucionales y modelos transformadores modernos.»}},{«@type»:»Question»,»name»:»¿Cómo garantiza Waymo la fiabilidad de sus chips personalizados en los vehículos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Waymo emplea redundancia de múltiples capas y sistemas de refrigeración líquida para mantener el rendimiento del chip en condiciones adversas.»}}]}
Artículo producido con la ayuda de inteligencia artificial y revisado por el equipo editorial.
