Acciones de Tesla suben un 8% luego de que Elon Musk anunciara avances en desarrollo de chips de IA
Las acciones de Tesla experimentaron un aumento del 8% tras un anuncio realizado por Elon Musk en la red social X.
El CEO de la empresa de autos eléctricos comunicó la conclusión de la fase de diseño y el comienzo de la producción de un nuevo hardware de inteligencia artificial
Las acciones de Tesla experimentaron un aumento del 8% tras un anuncio realizado por Elon Musk en la red social X.
El director ejecutivo comunicó que el grupo de diseño de chips de la compañía había culminado el “tape out” del chip AI5, lo que marca la fase final en el diseño y habilita el inicio de la fabricación de este nuevo componente de inteligencia artificial (IA).
Este avance sitúa a Tesla en una nueva etapa en el desarrollo de hardware propio, en un momento donde la autosuficiencia en semiconductores se vuelve estratégica para la industria tecnológica global.
Musk felicitó públicamente al grupo de Tesla AI y mencionó que ya se encuentran en desarrollo otros proyectos como AI6 y Dojo3. Sumado a Tesla, Microsoft fue otra de las empresas tecnológicas con mayor crecimiento bursátil ese día, tras obtener un alza del 3,7%.
Por qué Tesla apuesta por el desarrollo de chips de IA
El desarrollo interno de chipsets responde a una tendencia más amplia entre los gigantes tecnológicos, quienes buscan reducir la dependencia de terceros para el suministro de semiconductores.
Ejemplo destacado es Apple, que en 2020 optó por dejar de utilizar procesadores de Intel y fabricar sus propios chips. En este sentido, la estrategia de Tesla se produce en un contexto en el que la escasez internacional de microchips ha afectado la capacidad productiva de varias industrias.
En qué avances tecnológicos está enfocando Tesla sus esfuerzos
Un bloque central del avance tecnológico de Tesla se plasma en el desarrollo del chip FSD (Full Self-Driving). En palabras de la compañía, se trata de “chips de inferencia de IA para ejecutar nuestro software de conducción autónoma total, considerando cada pequeña mejora arquitectónica y microarquitectónica, a la vez que optimizamos al máximo el rendimiento del silicio por vatio”.
El proceso abarca desde el análisis físico y energético del diseño, hasta la producción en masa y la integración de controladores para facilitar la programación y comunicación interna del chip.
- Tesla produce sistemas de prueba rigurosos que permiten verificar la funcionalidad y el desempeño antes de poner el chip en circulación en su flota de vehículos.
Cómo Tesla está innovando en el campo de la robótica y tecnología autónoma
La gama de iniciativas en inteligencia artificial de Tesla se extiende más allá del hardware para autos eléctricos. Su programa Optimus implica la creación de un robot humanoide autónomo, bípedo y de uso general.
El objetivo, según la propia firma, es dotar al dispositivo de la capacidad de ejecutar tareas riesgosas, repetitivas o monótonas. El desarrollo de Optimus requiere de plataformas de software sofisticadas, capaces de gestionar equilibrio, navegación, percepción y la interacción directa con entornos físicos.
- Para abordar los desafíos, Tesla apunta a contratar especialistas en aprendizaje profundo, visión artificial, planificación de movimiento, control, mecánica e ingeniería de software.
De qué forma Tesla trabaja traer mayor autonomía a su flota de autos eléctricos
Tesla investiga e implementa redes neuronales profundas para problemas relacionados tanto con percepción como con control. Estas redes procesan imágenes en bruto obtenidas por las cámaras de los vehículos, permitiendo funciones como la segmentación semántica, la detección de objetos y la estimación de profundidad.
Asimismo, desarrollan redes de visión aérea, que unifican el video de todas las cámaras para construir representaciones detalladas de carreteras, infraestructura estática y objetos tridimensionales observados desde una perspectiva superior.
El despliegue actual de la inteligencia artificial en Tesla abarca la compilación simultánea de 48 redes neuronales usadas en la conducción autónoma. Para su entrenamiento, requieren cerca de 70.000 horas de procesamiento en GPU y son capaces de generar aproximadamente 1.000 tensores predictivos en cada ciclo temporal.
La generación y análisis de estos datos se retroalimentan a partir de escenarios reales, captados en tiempo real por la extensa flota de vehículos de Tesla, lo que permite mejorar de manera iterativa la eficacia de los sistemas de conducción autónoma.