Los vehículos autónomos disponen de aproximadamente un latido de tiempo para leer la carretera, decidir qué está pasando y reaccionar. Esa franja tan estrecha es exactamente por lo que Waymo ha construido un chip de IA personalizado, diseñado para comprimir el procesamiento de sensores hasta el menor número posible de milisegundos. La empresa de robotaxis respaldada por Alphabet detalló el silicio en una publicación de blog esta semana, marcando la primera vez que ha desglosado públicamente el hardware que hay en el maletero de cada uno de sus coches sin conductor.
Conclusiones clave
Waymo ha diseñado su propio ASIC de IA, fabricado con el proceso de 5 nanómetros de TSMC, para procesar datos de sensores más rápido que el hardware listo para usar en el que se apoyaba anteriormente.
El diseño del chip se basa en más de 200 millones de millas de datos reales de conducción autónoma y puede ejecutar tanto redes neuronales convolucionales como modelos de transformadores.
Waymo dice que el ASIC ofrece más de 1.000 TOPS de rendimiento en IA, probablemente medidos con precisión INT8, aunque sigue sin estar claro el consumo de energía exacto.
La empresa todavía se apoya en proveedores externos, incluidos AMD, Micron, Samsung, Sandisk y Nvidia, para tareas que no son de aprendizaje automático, como el registro de datos y la orquestación.
Waymo usó anteriormente FPGA 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 un alud de datos en bruto de cámaras, radar y lidar en una decisión de conducción antes de que un momento peligroso llegue a desarrollarse por completo. La empresa lo describe como la primera línea de su pila de cómputo: limpia los flujos entrantes de sensores y ejecuta comprobaciones rápidas de IA en cuanto llega la información, en lugar de enviar datos en bruto y desordenados directamente al cerebro principal de procesamiento del coche.
Construido con el proceso de 5 nanómetros de TSMC
El chip se fabrica con la tecnología de proceso de 5 nanómetros de TSMC, colocando a Waymo junto a los principales fabricantes de chips que recurren al gigante fundidor taiwanés para obtener silicio de última generación. Elegir un nodo de proceso moderno importa porque permite a Waymo empaquetar más potencia de cómputo en un paquete más pequeño y eficiente en consumo de energía, 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: ambas representan enfoques convencionales de aprendizaje automático y modelos contemporáneos que impulsan hoy los chatbots de IA y los generadores de imágenes. Esta capacidad dual permite a Waymo actualizar su software de percepción con el tiempo sin necesitar un hardware completamente nuevo cada vez que evolucionan sus modelos.
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 real en el mundo que los chips comerciales no pueden igualar fácilmente. Ese volumen de historial de conducción influyó en cómo el silicio maneja la capacidad de respuesta, la confiabilidad y la redundancia en condiciones reales de la carretera, en lugar de simulaciones de laboratorio.
Minimización de la latencia como prioridad de seguridad
Reducir la latencia fue el objetivo central de diseño del chip, ya que los accidentes pueden desarrollarse más rápido 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 la ruta más segura hacia adelante”, explicó la empresa, describiendo cómo el sistema realiza reducción temporal de ruido en tiempo real para mejorar la visibilidad con poca luz.
Los líderes de ingeniería de Waymo plantearon el desafío en términos igual de 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 entorno operativo dentro de un vehículo y requisitos en tiempo real”, según The Verge. Describieron la pila de cómputo como guiada por tres principios innegociables: receptivo, robusto y redundante.
Toda esa capacidad de respuesta exige una potencia seria. Waymo afirma que su chip dedicado de primera línea ofrece más de 1.000 TOPS de rendimiento en IA, aunque la empresa no ha divulgado el nivel de precisión ni el consumo de energía detrás de esa cifra. Sin esos datos, las comparaciones directas con hardware de rivales en vehículos autónomos y robótica siguen siendo difíciles, aunque la cifra de TOPS probablemente se mide en precisión INT8, lo que la situaría en una clase de rendimiento similar a la plataforma Nvidia Drive AGX Thor.
Redundancia, enfriamiento y el resto de la pila de hardware
Solo la potencia de cómputo no basta cuando el hardware vive dentro de un auto expuesto a vibraciones constantes, golpes de la carretera y cambios extremos de temperatura que ningún chip de un centro de datos necesita soportar. Waymo lo resuelve con múltiples capas de redundancia: esencialmente ejecuta sistemas duplicados para que una sola falla no deje la percepción del vehículo fuera de línea. Los propios chips se enfrían con líquido, aprovechando el mismo sistema de refrigerante que regula el motor del vehículo, manteniendo el silicio en temperaturas de funcionamiento seguras independientemente del clima exterior.
Aquí es donde queda claro el cambio de Waymo respecto a su configuración anterior. Antes de implementar su propio ASIC, la empresa dependía de FPGA de Intel para el procesamiento de sensores. Las FPGA son muy adecuadas para tareas de baja latencia, razón por la cual a menudo las usan las firmas de trading de alta frecuencia, pero son notoriamente difíciles de programar y no pueden igualar la densidad de cómputo del silicio diseñado a medida.
Socios para tareas que no son de ML
Waymo no está construyendo cada pieza de su pila de cómputo desde cero. La empresa sigue recurriendo a proveedores externos para funciones que no son de aprendizaje automático, como la orquestación, el movimiento de datos y el registro, y nombra a AMD, Micron, Samsung, Sandisk y Nvidia como socios que proporcionan esos componentes. También se cita a Socionext por The Verge entre los proveedores de hardware involucrados. Waymo ha dicho que está desarrollando varios chips personalizados y sistemas adicionales, lo que significa que su ASIC actual es solo una pieza de una estrategia más amplia de silicio desarrollado internamente, en lugar de un reemplazo completo del hardware de terceros.
Ese enfoque heterogéneo refleja una compensación deliberada. En lugar de intentar construir internamente un sistema completo de cómputo, Waymo está concentrando su esfuerzo de ingeniería en la fusión de sensores en tiempo real y el aprendizaje automático de primera línea: las áreas donde el silicio personalizado ofrece la mayor ventaja de latencia. Para todo lo demás, se apoya en fabricantes de chips establecidos.
Waymo vs Tesla: una carrera de chips más amplia en robotaxis
Waymo no es la única empresa que apuesta por silicio personalizado para ganar la carrera del robotaxi. 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 compañías también divergen con fuerza en su filosofía: el CEO de Tesla, Elon Musk, ha descartado el lidar como una “ muleta” y “una tarea tonta”, argumentando que fusionar datos de múltiples tipos de sensores introduce ambigüedad peligrosa cuando las señales no coinciden.
El enfoque de Waymo va en la dirección contraria: apuesta por que combinar cámaras, radar y lidar mediante silicio dedicado hace que su sistema sea más confiable, no menos, y que los chips personalizados son lo que le permite desplegarlo 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 lugar que podría ofrecer la mirada más clara hasta ahora sobre cómo su estrategia de silicio se compara con la de 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 en bruto de sensores de 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 con 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 como modelos modernos basados en transformadores.
¿Cómo garantiza Waymo la confiabilidad de sus chips personalizados en vehículos?
Waymo emplea redundancia multicapa y sistemas de enfriamiento por líquido para mantener el rendimiento del chip en condiciones adversas.
Artículo producido con la asistencia de inteligencia artificial y revisado por el equipo editorial.