Nem o autor, Tim Fries, nem este site, The Tokenist, fornecem aconselhamento financeiro. Por favor, consulte nossa política do site antes de tomar decisões financeiras.
No Salão de Eletrônicos de Consumo (CES) em Las Vegas, a Nvidia demonstrou avanços em três categorias principais: jogos & gráficos, veículos autônomos e IA & centros de dados. Anteriormente, cobrimos como a Nvidia chegou ao topo com seu bloqueio irreversível em IA, e a posição da empresa parece agora ainda mais consolidada com a plataforma Vera Rubin mais recente. Desta vez, examinamos os esforços da Nvidia para tornar os carros sem motorista uma realidade. E como esse impulso se compara aos avanços autônomos na China?
Controle de ponta a ponta da Nvidia sobre a pilha de AV
Assim como a Nvidia fornece uma pilha completa de IA para implantação em data centers, o mesmo é verdadeiro para a corrida de direção autônoma. E da mesma forma que a Nvidia depende das fábricas da TSMC para produzir seus chips projetados, outras empresas, como a Waymo da Alphabet e a Tesla, estão cada vez mais dependentes da Nvidia como o fornecedor chave de componentes para direção autônoma.
Até a última CES 2026 que terminou na sexta-feira, a Nvidia desenvolveu os seguintes pilares de direção autônoma:
Nvidia DRIVE AGX Hyperion Platform – Fornecendo aos fabricantes de automóveis uma arquitetura de sensor e computação pronta para produção e certificada em segurança. De câmeras a lidar, esses componentes pré-qualificados reduzem os custos dos fabricantes de automóveis
Nvidia DRIVE AGX Thor Compute – Como uma atualização do Orin, Thor utiliza a arquitetura de GPU Blackwell com um motor de IA generativa, que é de 4 a 8 vezes mais eficiente em desempenho computacional. Thor unifica entretenimento, função de cockpit e direção autônoma em um único modelo de Visão-Linguagem-Ação (VLA) para autonomia L4.
Nvidia Halos Safety System – Colaborando com parceiros como Bosch, Wayve, Omnivision, Continental, ANAB e outros, Halos é a estrutura de segurança de pilha completa da Nvidia que abrange design de chip até implantação, incluindo um laboratório de inspeção acreditado e um programa de avaliação certificado.
Nvidia Omniverse – Um conjunto de bibliotecas que torna possível simular condições como um gêmeo digital do mundo físico, validando efetivamente abordagens de direção autônoma para treinamento. Dado os bilhões de casos extremos que podem existir, o omniverse permite que os fabricantes de automóveis os considerem dentro de cidades virtuais precisas em física que executam veículos, sensores, pedestres, clima, tráfego e outros fatores.
Em resumo, a Nvidia está seguindo a abordagem do Google que funcionou tão bem para proliferar o Android, mas em um nível de infraestrutura mais profundo. Assim como o Google padronizou APIs e ferramentas para OEMs como a Samsung se diferenciarem, o Android venceu a disputa pelo sistema operacional móvel, atualmente com cerca de 71% de participação no mercado.
Igualmente, a Nvidia já se tornou o substrato de IA padrão que padroniza simulação, treinamento e implantação para veículos autônomos (AVs). E não só há uma pilha de software completa com Omniverse/DRIVE/CUDA, mas também uma pilha de hardware que complementa perfeitamente o software e a certificação.
O envolvimento da Nvidia é muito mais profundo, no entanto, porque validar a autonomia do zero seria proibitivamente caro. Uma vez nesse ecossistema, mudar seria irracional. Além disso, nenhuma outra empresa única oferece um conjunto tão abrangente de serviços. O último anúncio de AV da CES 2026 apenas confirma essa trajetória.
Participe do nosso grupo no Telegram e nunca perca uma notícia urgente sobre ativos digitais.
Nvidia aborda o problema da caixa-preta da IA
Até agora, a Nvidia forneceu GPUs para treinamento, Omniverse para simulação, DRIVE para inferência e ferramentas de segurança para validação. Embora já impressionante, essa pilha está faltando uma borda. Na CES 2026, a Nvidia anunciou o modelo de código aberto Alpamayo para abordá-lo.
Primeiro, qual é o problema subjacente para a direção autônoma?
Quando as pessoas usam modelos de linguagem grandes (LLMs), podem sair com a impressão de que estão interagindo com entidades racionais. No entanto, por trás dessa camada de ilusão (abordada pela Apple) está um modelo de aprendizado de máquina probabilístico que calcula a probabilidade de cada próxima palavra possível no dicionário. A próxima palavra é selecionada com base em padrões durante o treinamento.
Os LLMs são apenas parcialmente determinísticos na medida em que podem construir saída com base em pesquisas na internet ou ao resolver um problema de codificação. Em outras palavras, se a IA encontra um problema não suficientemente representado nos dados de treinamento, como dirigir em condições ambientais novas, normalmente ela confabula uma resposta.
Mesmo ao perceber objetos degradados, os humanos podem detectar pistas sutis para identificá-los corretamente. Em contraste, a IA pode detectar padrões de pixels desalinhados para o que deveria constituir uma placa de 'pare' e interpretá-la incorretamente.
Em outras palavras, não saber o que é realmente uma placa de pare, como os humanos, constitui um problema de 'caixa-preta' para a IA. Até agora, uma abordagem de força bruta tem sido usada principalmente para abordá-lo, exigindo custos computacionais cada vez maiores e construção de data centers.
O próximo passo para resolver o problema da caixa-preta da IA, para o propósito de direção autônoma, é a nova família de modelos de IA Alpamayo da Nvidia, ferramentas e conjuntos de dados. Como um grande modelo de linguagem-visual-ação (VLA), o Alpamayo 1 não apenas reage a padrões, mas também fornece raciocínio de cadeia de causalidade para cada ação realizada.
Junto com o AlpaSim de código aberto e conjuntos de dados abertos de IA Física, os fabricantes de automóveis têm mais ferramentas do que nunca para tornar a direção autônoma o mais segura e robusta possível.
“Alpamayo cria novas oportunidades empolgantes para a indústria acelerar a IA física, melhorar a transparência e aumentar implantações seguras de nível 4.”
Sarfraz Maredia, chefe de mobilidade autônoma e entrega na Uber
O CEO da Nvidia, Jensen Huang, chamou o lançamento do Alpamayo de “o momento ChatGPT para a IA física”. No entanto, ao contrário da OpenAI, que enfrenta muitos concorrentes, é seguro dizer que a Nvidia está em uma posição superior avançando como a pilha de infraestrutura de software/hardware.
A China pode ameaçar a pilha de IA da Nvidia?
De acordo com os dados da Counterpoint de dezembro para o Q3 2025, o Grupo Geely Holding da China é o fornecedor de EV dominante do mundo, com 61% de participação no mercado. A BYD Auto da China está com 16%, deixando a Tesla com 13% de participação no mercado global de EV.
Curiosamente, a Waymo da Alphabet está usando a plataforma Zeekr EV, como uma das subsidiárias do Grupo Geely Holding. Anteriormente, chegamos à conclusão de que a Tesla é mais provável de vencer a corrida do robotáxi devido a uma abordagem mais unificada e controle de plataformas.
No entanto, está claro que a China dominou a economia de escala, ainda mais impulsionada por não desperdiçar energia em conflitos raciais que atormentam o Ocidente. A título de exemplo, os investidores devem levar em conta as taxas de criminalidade urbana ao considerar a exposição a empresas como a Serve Robotics (SERV).
Faltando tal fragmentação social, é justo dizer que a China é mais focada e simplificada. Até 2024, mais de 60% dos novos carros vendidos no continente chinês já apresentavam algum nível de capacidade de direção autônoma.
Apesar dos controles de exportação sobre chips de IA, a China também construiu sua indústria autônoma com a Nvidia. No entanto, a suposta animosidade geopolítica está tornando o setor autônomo da China mais diversificado, enquanto elaborados contornos precisam ser feitos para adquirir chips de IA mais poderosos, como Blackwell.
No total, os provedores de IA de pilha completa da China vêm das seguintes empresas:
A Baidu fornece mapas de alta definição, algoritmos e sistema operacional in-car DuerOS, apresentando tanto capacidades de conversa de IA quanto uma unificação mais ampla da direção autônoma. A Baidu colabora estreitamente com Geely, Chery e GAC para construir sua frota de robotáxis Apollo Go. Até meados de 2025, a Baidu implantou mais de 1.000 robotáxis, ficando um pouco à frente da Waymo e da Tesla.
Do lado do hardware, a Huawei está trabalhando para tirar a China do ecossistema da Nvidia com processadores de IA Ascend e Sistema de Direção Autônoma (ADS), que é um substituto para o FSD da Tesla. Além disso, a Huawei desenvolveu o chipset Balong 5000 5G para comunicações V2X e sistemas LiDAR. A resposta da Huawei aos frameworks da Nvidia é o MindSpore de código aberto, mas provavelmente será voltada para a China.
Entre outras empresas notáveis, a Pony.AI e a WeRide focam em pilhas de software completas para a implementação autônoma de nível 4 tanto para passageiros quanto para transporte de carga. Complementando-as estão a Horizon Robotics com seu NPU (Processador de Rede Neural) proprietário, bem como a Hesai Technology e a RoboSense para sensores LiDAR.
Embora mais diversificada, o ecossistema autônomo da China colabora de forma estreita em todos os níveis. Isso é provavelmente um artefato da classe política da nação estar acima de sua classe mercantil, como evidenciado pela longa ausência do fundador da Alibaba, Jack Ma, do destaque público.
Quando se trata de escalonamento de longo prazo, o ADS chinês é semelhante ao da Waymo na medida em que depende de lidar e pré-mapeamento. Assim, a maioria dos relatórios mostra que a abordagem FSD (apenas visão) da Tesla é melhor em lidar com cenários diversos, enquanto o ADS da Huawei é mais adequado para ambientes urbanos localizados cobertos por mapeamento de alta precisão e largura de banda localizada mais densa.
Consequentemente, isso tornaria a Tesla mais adequada globalmente, como concluímos anteriormente.
A Conclusão
Em conclusão, enquanto os chips Ascend da Huawei são comparáveis aos chips H100 mais antigos da Nvidia, a China ainda está se aproximando do Blackwell, já que a Nvidia está indo além com o Vera Rubin. Além dessa lacuna de hardware, a plataforma CUDA da Nvidia tem mais de duas décadas de lealdade e otimização dos desenvolvedores.
Com o lançamento do Alpamayo de código aberto, o MindSpore também de código aberto da Huawei provavelmente não fará um grande impacto, mesmo dentro de empresas de IA de propriedade chinesa. No total, isso torna os obstáculos de hardware e software da Nvidia substanciais e endurecidos.
Dado que a economia de robotáxi e direção autônoma está apenas começando a se intensificar, é provável que a Nvidia veja avaliações muito além de $5 trilhões até 2030.
Isenção de responsabilidade: O autor não possui nem tem posição em quaisquer valores mobiliários discutidos no artigo. Todos os preços das ações foram citados no momento da redação.
O post Como a Nvidia está apertando seu controle sobre a pilha de veículos autônomos apareceu primeiro no Tokenist.