Ni el autor, Tim Fries, ni este sitio web, The Tokenist, proporcionan asesoramiento financiero. Por favor, consulte nuestra política del sitio web antes de tomar decisiones financieras.
En la Feria de Electrónica de Consumo (CES) en Las Vegas, Nvidia mostró avances en tres categorías principales: juegos y gráficos, vehículos autónomos e inteligencia artificial y centros de datos. Anteriormente, cubrimos cómo Nvidia alcanzó la cima con su bloqueo irreversible en IA, ya que la posición de la empresa parece ahora aún más consolidada con la última plataforma Vera Rubin. Esta vez, examinamos los esfuerzos de Nvidia para hacer realidad los vehículos sin conductor. ¿Y cómo se compara esta iniciativa con los avances autónomos en China?
El control de extremo a extremo de la pila de vehículos autónomos por parte de Nvidia
Al igual que Nvidia proporciona una pila completa de IA para la implementación en centros de datos, lo mismo ocurre en la carrera de conducción autónoma. Y al igual que Nvidia depende de las fábricas TSMC para producir sus chips diseñados, otras empresas, como Waymo de Alphabet y Tesla, dependen cada vez más de Nvidia como el principal proveedor de componentes para la conducción autónoma.
Hasta la última CES 2026, que terminó el viernes, Nvidia desarrolló los siguientes pilares para la conducción autónoma:
Plataforma Nvidia DRIVE AGX Hyperion – Ofrece a los fabricantes de automóviles una arquitectura de sensores y cómputo lista para producción y certificada en seguridad. Desde cámaras hasta lidar, estos componentes precalificados reducen los costos de los fabricantes de automóviles
Nvidia DRIVE AGX Thor Compute – Como una actualización de Orin, Thor utiliza la arquitectura de GPU Blackwell con un motor de IA generativa, que ofrece un rendimiento de cómputo 4 a 8 veces mayor. Thor unifica entretenimiento, funciones de cabina y conducción autónoma en un único modelo de visión-lenguaje-acción (VLA) para la autonomía de nivel 4.
Sistema de seguridad Nvidia Halos – Colaborando con socios como Bosch, Wayve, Omnivision, Continental, ANAB y otros, Halos es el marco integral de seguridad de Nvidia que abarca desde el diseño de chips hasta la implementación, incluyendo un laboratorio de inspección acreditado y un programa de evaluación certificado.
Nvidia Omniverse – Un conjunto de bibliotecas que permiten simular condiciones como un gemelo digital del mundo físico, validando efectivamente los enfoques de conducción autónoma para el entrenamiento. Dado que existen miles de millones de casos extremos posibles, Omniverse permite a los fabricantes de automóviles tener en cuenta estos escenarios en ciudades virtuales con precisión física que ejecutan vehículos, sensores, peatones, clima, tráfico y otros factores.
En resumen, Nvidia está siguiendo el enfoque de Google que funcionó tan bien para difundir Android, pero en una capa de infraestructura más profunda. Al igual que Google estandarizó APIs y herramientas para OEMs como Samsung para que se diferenciaran, Android ganó la batalla del sistema operativo móvil, actualmente con una cuota de mercado de alrededor del 71%.
Asimismo, Nvidia ya se ha convertido en el sustrato de IA por defecto que estandariza la simulación, el entrenamiento y la implementación para vehículos autónomos (AV). Y no solo existe una pila completa de software con Omniverse/DRIVE/CUDA, sino también una pila de hardware que complementa perfectamente el software y la certificación.
El arraigo de Nvidia es mucho más profundo, sin embargo, porque validar la autonomía desde cero sería prohibitivamente costoso. Una vez dentro de este ecosistema, cambiar sería irracional. Además, ninguna otra empresa individual proporciona una suite tan completa de servicios. El último anuncio de AV de la CES 2026 solo confirma esta trayectoria.
Únete a nuestro grupo de Telegram y no te pierdas ninguna historia importante sobre activos digitales.
Nvidia aborda el problema de la caja negra de la IA
Hasta ahora, Nvidia ha proporcionado GPUs para entrenamiento, Omniverse para simulación, DRIVE para inferencia y herramientas de seguridad para validación. Aunque ya impresionante, esta pila carece de un componente clave. En la CES 2026, Nvidia anunció el modelo de código abierto Alpamayo para abordarlo.
Primero, ¿cuál es el problema subyacente para la conducción autónoma?
Cuando las personas usan modelos de lenguaje grandes (LLM), pueden tener la impresión de estar interactuando con entidades razonadoras. Sin embargo, bajo esa capa de ilusión (abordada por Apple) se encuentra un modelo de aprendizaje automático probabilístico que calcula la probabilidad de cada palabra posible en el diccionario. La siguiente palabra se selecciona según los patrones aprendidos durante el entrenamiento.
Los modelos de lenguaje grandes son solo parcialmente deterministas en el sentido de que pueden generar salidas basadas en búsquedas en internet o al resolver problemas de programación. En otras palabras, si la IA se enfrenta a un problema no suficientemente representado en los datos de entrenamiento, como conducir en condiciones ambientales novedosas, generalmente inventa una respuesta.
Incluso si perciben objetos deteriorados, los humanos pueden detectar pistas sutiles para identificarlos correctamente sin importar qué. En cambio, la IA puede detectar patrones de píxeles mal alineados que deberían constituir una señal de alto y malinterpretarla por completo.
En otras palabras, no saber lo que realmente es una señal de alto, como lo hacen los humanos, constituye un problema de "caja negra" para la IA. Hasta ahora, se ha utilizado principalmente un enfoque de fuerza bruta para abordarlo, lo que exige costos de cómputo cada vez mayores y una expansión de centros de datos.
El siguiente paso para resolver el problema de la caja negra de la IA, con el fin de la conducción autónoma, es la nueva familia de modelos, herramientas y conjuntos de datos de IA de Nvidia denominada Alpamayo. Como un modelo de visión-lenguaje-acción (VLA) de gran tamaño, Alpamayo 1 no solo responde a patrones, sino que también proporciona razonamiento en cadena de causalidad para cada acción realizada.
Junto con AlpaSim de código abierto y conjuntos de datos físicos de IA de código abierto, los fabricantes de automóviles tienen más herramientas que nunca para hacer que la conducción autónoma sea tan segura y robusta como sea posible.
"Alpamayo crea nuevas oportunidades emocionantes para la industria para acelerar la IA física, mejorar la transparencia e incrementar los despliegues seguros de nivel 4."
Sarfraz Maredia, jefe de movilidad autónoma y entrega en Uber
El CEO de Nvidia, Jensen Huang, llamó al lanzamiento de Alpamayo "el momento ChatGPT para la IA física". Sin embargo, a diferencia de OpenAI, que enfrenta muchos competidores, es seguro decir que Nvidia está en una posición superior para avanzar como infraestructura de software/hardware.
¿Puede China amenazar la pila de IA de Nvidia?
Según los datos de Counterpoint de diciembre para el tercer trimestre de 2025, el Grupo Geely Holding de China es el proveedor líder de vehículos eléctricos en el mundo, con una cuota de mercado del 61%. BYD Auto de China está en el 16%, dejando a Tesla con una cuota global del 13% en el mercado de vehículos eléctricos.
Curiosamente, Waymo de Alphabet está utilizando la plataforma de vehículos eléctricos Zeekr, como una de las subsidiarias dentro del Grupo Geely Holding. Anteriormente, llegamos a la conclusión de que Tesla es más probable que gane la carrera de robotaxis debido a un enfoque más unificado y al control de plataformas.
No obstante, está claro que China domina la economía de escala, impulsada además por no gastar energía en conflictos raciales que aquejan al Occidente. Por ejemplo, los inversores deben tener en cuenta las tasas de delincuencia urbana al considerar exposición a empresas como Serve Robotics (SERV).
Al carecer de esa fragmentación social, es justo decir que China es más enfocada y eficiente. Para 2024, más del 60% de los nuevos vehículos vendidos en la China continental ya incluían alguna forma de capacidad de conducción autónoma.
A pesar de los controles de exportación sobre las chips de IA, China también ha construido su industria autónoma sobre Nvidia. Sin embargo, la supuesta animosidad geopolítica está haciendo que el sector autónomo de China sea más diversificado, mientras que se deben implementar complejas soluciones alternativas para adquirir chips de IA más potentes como Blackwell.
En conjunto, los proveedores de IA de pila completa de China provienen de las siguientes empresas:
Baidu proporciona mapas de alta definición, algoritmos y el sistema operativo para el automóvil DuerOS, que incluye capacidades de conversación de IA y una unificación más amplia de la conducción autónoma. Baidu colabora estrechamente con Geely, Chery y GAC para construir su flota de robotaxis Apollo Go. Para mediados de 2025, Baidu desplegó más de 1.000 robotaxis, lo que la coloca ligeramente por delante de Waymo y Tesla.
En el lado del hardware, Huawei está trabajando para sacar a China del ecosistema de Nvidia con sus procesadores de IA Ascend y su Sistema de Conducción Autónoma (ADS), que es un sustituto del FSD de Tesla. Además, Huawei desarrolló el chip 5G Balong 5000 para comunicaciones V2X y sistemas LiDAR. La respuesta de Huawei a los marcos de Nvidia es el modelo de código abierto MindSpore, pero es probable que se mantenga limitado a China.
Entre otras empresas destacadas, Pony.AI y WeRide se centran en pilas de software completas para el despliegue de nivel 4 de autonomía en transporte de pasajeros y carga. Complementándolas está Horizon Robotics con su NPU (procesador de redes neuronales) propio, así como Hesai Technology y RoboSense para sensores LiDAR.
Aunque más diversificada, la ecosistema autónomo de China colabora estrechamente a todos los niveles. Esto probablemente sea un artefacto de que la clase política del país está por encima de la clase mercantil, como lo demuestra la ausencia prolongada del fundador de Alibaba, Jack Ma, del escenario público.
En cuanto a la escalabilidad a largo plazo, la ADS china es similar a Waymo en que depende de lidar y mapeo previo. En consecuencia, la mayoría de los informes indican que el enfoque de Tesla FSD (visión única) es mejor para manejar escenarios diversos, mientras que la ADS de Huawei está mejor adaptada a entornos urbanos localizados cubiertos por mapeo de alta precisión y mayor ancho de banda local.
En resumen, esto haría que Tesla fuera más adecuada a nivel global, como concluimos anteriormente.
Conclusión final
En conclusión, aunque los chips Ascend de Huawei son comparables a los chips H100 más antiguos de Nvidia, China aún está catchando con Blackwell, ya que Nvidia ya está avanzando con Vera Rubin. Además de esta brecha de hardware, la plataforma CUDA de Nvidia tiene más de dos décadas de lealtad y optimización de desarrolladores.
Con el lanzamiento del modelo Alpamayo de código abierto, es poco probable que el modelo de código abierto MindSpore de Huawei tenga un gran impacto incluso dentro de empresas de IA propiedad de China. En conjunto, esto hace que las barreras de hardware y software de Nvidia sean sustanciales y sólidas.
Dado que la economía de robotaxis y la conducción autónoma apenas están comenzando a crecer, es probable que Nvidia vea valoraciones mucho más allá de los 5 billones de dólares para 2030.
Descargo de responsabilidad: El autor no posee ni tiene una posición en ningún valor mencionado en el artículo. Todos los precios de acciones se citaron en el momento de redacción.
La publicación Cómo Nvidia está afianzando su control sobre la pila de vehículos autónomos apareció primero en Tokenist.