Tesla (TSLA) acaba de darle un doble golpe poco común a Nvidia (NVDA) durante el fin de semana.
El director ejecutivo, Elon Musk, dijo que los tan discutidos chips de conducción autónoma AI5 de Tesla están casi completos y que el próximo, el A16, ya está en desarrollo.
Al abordar la parte del hallazgo sobre inteligencia artificial, Musk dijo en X el domingo que Dojo 3 se está relanzando, lo que obliga a Tesla a regresar al entrenamiento de inteligencia artificial a gran escala después de un fracaso anterior.
Sin embargo, Nvidia golpeó primero con la presentación de “Alpamayo” (un conjunto de herramientas de inteligencia artificial de código abierto para vehículos autónomos) en CES 2026, con el objetivo de convertirse en la plataforma de autonomía predeterminada que admita múltiples marcas.
Musk respondió rápidamente, minimizando el riesgo.
Está claro que este es un momento muy interesante para la industria audiovisual, con un tira y afloja entre los dos gigantes Nvidia y Tesla.
Para Tesla, se trata de crear un circuito cerrado que abarque toda la pila AV.
Computación automotriz desarrollada por Tesla (incluido AI5, que está “casi listo” y AI6, que ya está en proceso) La pila de software centrada en cámaras de Tesla El volante de datos de Tesla funciona con su propia flota
Entonces, para Tesla, se trata de mantener algo de autonomía en su poderoso ecosistema mientras Nvidia se esfuerza por impulsar a todos los demás.
Para los inversores, estas promesas no son nuevas, lo que hace que cumplirlas sea aún más importante.
Elon Musk dice que el chip Tesla AI5 está a punto de completarse, avanzando la próxima generación de hardware de conducción autónoma
Foto de Bloomberg vía Getty Images
La hoja de ruta de los chips de Tesla señala un futuro más rápido e independiente
Tesla busca reforzar los controles sobre el hardware detrás de la tecnología de conducción autónoma.
Más acciones tecnológicas:
Morgan Stanley fijó un precio objetivo sorprendente para Micron después del evento. Olvídese de Blackwell, el futuro de Nvidia es el software del agente Vera Rubin. Quantum Computing realiza un movimiento de 110 millones de dólares que nadie esperaba.
El sábado, Musk anunció en Post X que el gigante de los vehículos eléctricos está cerca de completar el desarrollo del chip informático autónomo AI5 y que AI6 ya está en desarrollo.
Los chips AI5 fabricados por Taiwan Semiconductor Manufacturing Company comenzarán su producción en masa en 2027, reemplazando al hardware AI4, dijo Musk. Además, Tesla ha contratado a Samsung Electronics para producir chips en Estados Unidos.
Los chips AI5 y AI6 de Tesla en realidad están diseñados para la informática automotriz.
Es fácil perderse en la jerga de la IA, por lo que es importante comprender claramente lo que sucede en cada etapa.
Relacionado: El director ejecutivo de BlackRock emite una fuerte advertencia sobre la deuda nacional de EE. UU.
Los movimientos A15 y A16 son esencialmente “políticas arriesgadas”. Básicamente, utiliza las redes neuronales de conducción autónoma completa de Tesla dentro del automóvil en lugar de depender de una pila informática de terceros.
Por tanto, si Tesla utiliza software en sus propios chips, obtiene una importante ventaja competitiva:
Tesla no necesita el SoC automotriz de Nvidia (o su plataforma “DRIVE” completa) para sus autos. Tesla gana control sobre los costos unitarios, el apalancamiento de la cadena de suministro y el desarrollo de chips.
Sin embargo, es importante tener en cuenta que Tesla ya se había alejado de Nvidia en la informática automotriz en 2019, por lo que los últimos movimientos son más una duplicación que una transición.
Nvidia quiere hacer realidad los sueños de conducción autónoma de todos los demás
Nvidia ofrece a los fabricantes de automóviles una solución completa, esencialmente un atajo hacia la autonomía total. Bajo el paraguas de NVIDIA DRIVE, esencialmente vende un “cerebro, un sistema operativo y un conjunto de herramientas” integrados.
Relacionado: Goldman Sachs actualiza el precio objetivo de las acciones de Microsoft excluyendo las ganancias
Entonces, en lugar de crear sus propios chips, software, sistemas de seguridad y similares, los fabricantes de automóviles pueden simplemente conectarse al sólido ecosistema de Nvidia y comenzar. Gran parte de su atractivo es que es esencialmente un truco para las empresas que no cuentan con las décadas de esfuerzos de autonomía de Tesla o miles de millones de dólares para gastar en investigación y desarrollo.
Lo que Nvidia tiene en común:
Ordenadores de coche DRIVE AGX como Orin y Thor. Pila de software completa que incluye DRIVE OS y DriveWorks. DRIVE Hyperion, plataforma automotriz de referencia con sensores y arquitectura probada. Las herramientas de seguridad y verificación bajo el popular paraguas de NVIDIA Halos, así como potentes modelos de IA como Alpamayo, aceleran el entrenamiento y la simulación. Tesla ha vuelto a aprender, pero Nvidia sigue marcando el ritmo.
Tesla está mejorando sus chips de IA para automóviles, pero está claro que Nvidia todavía tiene una ventaja crítica en potencia informática.
AI5 y AI6 están diseñados específicamente para la inferencia de escala de borde, pero entrenar modelos de escala de borde es un desafío completamente diferente.
Entrenar sistemas modernos de inteligencia artificial requiere enormes recursos informáticos.
En comparación, Meta dijo que entrenó su modelo de IA Llama 3.1 (405B) utilizando más de 16.000 GPU Nvidia H100. Entonces, si sumamos 700 vatios por chip, son casi 11,2 megavatios de potencia solo para las GPU. Es a este nivel de escala donde la economía, la asequibilidad y el ecosistema de Nvidia siguen dominando.
Sin embargo, la decisión de Tesla de relanzar Dojo 3 ya que está a punto de participar nuevamente en el juego de entrenamiento.
Por ahora, sin embargo, creo que el regreso de Dojo 3 probablemente apunte a un futuro híbrido.
Tesla continuará ampliando sus capacidades de aprendizaje utilizando arquitecturas AI5 y AI6, sin dejar de apostar por Nvidia donde la escala y la economía importan.
Cuando vemos pruebas convincentes de grupos de formación a gran escala que se ejecutan en silicio de Tesla, respaldados por datos de rendimiento y costes, entonces la competencia en el frente de la formación realmente se intensifica.
Relacionado: Morgan Stanley ajusta el precio objetivo de las acciones de Rocket Lab después del repunte
