Os veículos autônomos ganham aproximadamente o equivalente a um batimento cardíaco de tempo para ler a estrada, decidir o que está acontecendo e reagir. Essa janela tão estreita é exatamente por isso que a Waymo construiu um chip de IA personalizado, projetado para comprimir o processamento dos sensores até o menor número possível de milissegundos. A empresa de robotáxis apoiada pela Alphabet detalhou o silício em um post no blog esta semana, marcando a primeira vez que ela divulgou publicamente a decomposição do hardware presente no porta-malas de cada um de seus carros sem motorista.
Principais conclusões
A Waymo projetou seu próprio ASIC de IA, fabricado no processo de 5 nanômetros da TSMC, para processar dados de sensores mais rapidamente do que o hardware pronto para uso no qual ela dependia anteriormente.
O projeto do chip se baseia em mais de 200 milhões de milhas de dados reais de direção autônoma e pode executar tanto redes neurais convolucionais quanto modelos transformer.
A Waymo afirma que o ASIC entrega mais de 1.000 TOPS de desempenho de IA, provavelmente medidos em precisão INT8, embora o consumo de energia exato ainda não esteja claro.
A empresa ainda depende de fornecedores externos, incluindo AMD, Micron, Samsung, Sandisk e Nvidia, para tarefas que não envolvem aprendizado de máquina, como registro de dados e orquestração.
Anteriormente, a Waymo usava FPGAs da Intel para processamento de sensores antes de migrar para seu próprio silício, juntando-se à Tesla na corrida para criar chips personalizados para direção autônoma.
Chip de IA personalizado da Waymo feito para decisões em frações de segundo
O novo chip da Waymo existe para transformar uma avalanche de dados brutos de câmera, radar e lidar em uma decisão de condução antes que um momento perigoso possa se desenrolar completamente. A empresa descreve isso como a linha de frente de sua pilha de computação: limpar os fluxos de sensores recebidos e executar verificações rápidas de IA assim que a informação chega, em vez de enviar dados brutos e bagunçados diretamente para o principal cérebro de processamento do carro.
Construído no processo de 5 nanômetros da TSMC
O chip é fabricado usando o processo de 5 nanômetros da TSMC, colocando a Waymo ao lado dos principais fabricantes de chips que dependem do gigante de fundição taiwanês para um silício de ponta. Escolher um nó de processo moderno importa porque permite à Waymo empacotar mais poder de computação em um pacote menor e mais eficiente em termos de energia, que precisa sobreviver dentro de um veículo em movimento, e não em um data center com controle climático.
Assim como a densidade bruta, a flexibilidade é igualmente importante. O ASIC foi construído para executar tanto redes neurais convolucionais quanto arquiteturas comparáveis baseadas em transformers. Isso representa tanto abordagens convencionais de aprendizado de máquina quanto modelos contemporâneos que impulsionam os chatbots de IA e os geradores de imagem de hoje. Essa capacidade dupla permite que a Waymo atualize seu software de percepção ao longo do tempo sem precisar de um hardware totalmente novo toda vez que seus modelos evoluem.
Como o chip aprendeu com 200 milhões de milhas de condução
A Waymo diz que a arquitetura do chip reflete lições extraídas de mais de 200 milhões de milhas de dados acumulados de direção autônoma, oferecendo uma base no mundo real que chips prontos para uso não conseguem igualar facilmente. Esse volume de histórico de condução moldou como o silício lida com responsividade, confiabilidade e redundância em condições reais de estrada, e não em simulações de laboratório.
Minimização de Latência como Prioridade de Segurança
Reduzir a latência era o objetivo central do chip, já que acidentes podem se desenrolar mais rápido do que qualquer operador humano remoto poderia intervir. “Nesses milissegundos críticos, modelos avançados de ML constroem uma compreensão de alta fidelidade do ambiente para avaliar o caminho mais seguro a seguir”, explicou a empresa, descrevendo como o sistema executa redução temporal de ruído em tempo real para aumentar a visibilidade em baixa luz.
Os líderes de engenharia da Waymo enquadraram o desafio em termos igualmente urgentes. Satish Jeyachandran, vice-presidente de Engenharia, e Daniel Rosenband, líder de Computação, escreveram que a empresa está “projetando um sistema de ponta que seria considerado impressionante para um data center, com a complexidade adicional de um ambiente de operação no veículo e exigências de tempo real”, segundo o The Verge. Eles descreveram a pilha de computação como guiada por três princípios inegociáveis: responsivo, robustecido (ruggedized) e redundante.
Toda essa responsividade exige potência de verdade. A Waymo afirma que seu chip dedicado de front-end entrega mais de 1.000 TOPS de desempenho de IA, embora a empresa não tenha divulgado o nível de precisão nem o consumo de energia por trás desse número. Sem esses detalhes, comparações diretas com hardware rival de veículos autônomos e robótica continuam difíceis, embora a cifra de TOPS provavelmente seja medida em precisão INT8, o que a colocaria em uma classe de desempenho semelhante à plataforma Nvidia Drive AGX Thor.
Redundância, Resfriamento e o Resto da Pilha de Hardware
Apenas poder de computação não basta quando o hardware fica dentro de um carro exposto a vibração constante, impactos da estrada e oscilações extremas de temperatura, condições que nenhum chip de data center precisa suportar. A Waymo enfrenta isso com múltiplas camadas de redundância, essencialmente executando sistemas duplicados para que uma falha única não tire do ar a percepção do veículo. As próprias chips são resfriadas a líquido, usando o mesmo sistema de fluido refrigerante que regula o motor do veículo, mantendo o silício em temperaturas operacionais seguras independentemente do clima externo.
É aqui que a mudança da Waymo em relação ao seu setup anterior fica clara. Antes de lançar seu próprio ASIC, a empresa dependia de FPGAs da Intel para processamento de sensores. FPGAs são bem adequadas para tarefas de baixa latência — razão pela qual empresas de high-frequency trading frequentemente as usam —, mas são notoriamente difíceis de programar e não conseguem igualar a densidade de computação do silício feito sob medida.
Parceiros que Lidam com Tarefas Não-ML
A Waymo não está construindo cada peça de sua pilha de computação do zero. A empresa continua a depender de fornecedores externos para funções que não envolvem aprendizado de máquina, como orquestração, movimentação de dados e registro (logging). Ela cita a AMD, Micron, Samsung, Sandisk e Nvidia como parceiras que fornecem esses componentes, e a Socionext também é mencionada pelo The Verge, entre os fornecedores de hardware envolvidos. A Waymo disse que está desenvolvendo vários chips e sistemas personalizados adicionais, o que significa que seu ASIC atual é apenas uma parte de uma estratégia mais ampla de silício feito internamente — e não uma substituição completa do hardware de terceiros.
Essa abordagem heterogênea reflete um compromisso deliberado. Em vez de tentar construir todo um sistema de computação internamente, a Waymo está concentrando seus esforços de engenharia em fusão de sensores em tempo real e aprendizado de máquina na “frente” (front-end), as áreas em que o silício personalizado oferece a maior vantagem de latência. Para o restante, a empresa recorre a fabricantes de chips já estabelecidos.
Waymo vs Tesla: Uma Corrida Mais Ampla de Chips em Robotaxis
A Waymo não é a única empresa apostando em silício personalizado para vencer a corrida do robotaxi. A Tesla passou anos desenvolvendo seus próprios chips para direção autônoma e recentemente lançou um serviço limitado de Robotaxi em Austin após atrasos repetidos. As duas empresas também divergem fortemente em filosofia: o CEO da Tesla, Elon Musk, descartou o lidar como uma “muleta” e uma “tarefa tola”, argumentando que fundir dados de múltiplos tipos de sensores introduz ambiguidade perigosa quando os sinais discordam.
A abordagem da Waymo segue o caminho oposto: apostar que combinar câmeras, radar e lidar por meio de silício dedicado torna o sistema mais confiável, não menos, e que os chips personalizados é que permitem que a empresa implemente em escala relevante. A empresa planeja compartilhar mais detalhes sobre seus aceleradores de aprendizado de máquina na semana que vem, na conferência Hot Chips, na Stanford, um evento que pode oferecer até a visão mais clara de como sua estratégia de silício se compara à de rivais correndo em direção ao mesmo objetivo.
Perguntas frequentes
Qual é a função principal do chip de IA personalizado da Waymo?
Ele processa rapidamente dados brutos de sensores de veículos autônomos, convertendo-os em respostas de condução com latência mínima.
Que tecnologia de fabricação é usada no chip da Waymo?
O chip é fabricado usando o processo de 5 nanômetros da TSMC.
Quais modelos de aprendizado de máquina o chip da Waymo consegue executar?
Ele pode executar tanto modelos tradicionais, como redes neurais convolucionais, quanto modelos modernos baseados em transformers.
Como a Waymo garante a confiabilidade de seus chips personalizados em veículos?
A Waymo utiliza redundância multicamadas e sistemas de resfriamento a líquido para manter o desempenho do chip em condições adversas.
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.