El anuncio más importante en el CES no fue un coche nuevo, sino una nueva plataforma de software. Jensen Huang, director ejecutivo de NVIDIA, presentó Alpamayo, una plataforma para vehículos autónomos que NVIDIA planea lanzar a finales de este año.

El primer vehículo de producción anunciado que utilizará la nueva pila autónoma de NVIDIA es el Mercedes-Benz CLA 2026. Huang describió a Alpamayo como un avance en inteligencia artificial que hace algo más que reaccionar a su entorno: predice y razona sobre acciones futuras.

"Está entrenada de extremo a extremo. Literalmente, desde la entrada de la cámara hasta la actuación de salida", dijo Huang en el CES. "Razona qué acción está a punto de tomar, el motivo y la trayectoria".

Aquí un vistazo al sistema autónomo de NVIDIA en acción:

Alpamayo se centra en un modelo de Visión-Lenguaje-Acción (VLA) diseñado para explicar sus propias decisiones. NVIDIA afirma que genera trazas de razonamiento —análogas a las trazas de pensamiento utilizadas por los grandes modelos de lenguaje de razonamiento— que muestran por qué eligió una maniobra en particular. La compañía sostiene que esta transparencia ayuda a mitigar el problema de la "caja negra" que ha afectado durante mucho tiempo a los sistemas de conducción autónoma.

Aunque el anuncio atrajo una gran atención, el equipo de Tesla, que lleva años desplegando redes neuronales de extremo a extremo en millones de coches, respondió con cautela.

Exactamente lo que está haciendo Tesla

La respuesta de Elon Musk mezcló el reconocimiento con una dosis de realidad. Señaló que el enfoque de extremo a extremo de NVIDIA refleja lo que Tesla comenzó a desplegar en 2023 con el FSD V12.

El cambio de Tesla hacia el aprendizaje de extremo a extremo —donde los vehículos aprenden el comportamiento de conducción a partir de vídeo en lugar de reglas codificadas manualmente— se completó hace años. Desde la perspectiva de Tesla, que NVIDIA adopte la misma arquitectura es una confirmación de que la dirección de Tesla era la correcta.

La marcha de los nueves

El problema más profundo no es la arquitectura en sí, sino la dificultad de perfeccionarla. Elon enfatizó que alcanzar una capacidad del 99% es sencillo, mientras que resolver el 1% restante —la larga cola de escenarios poco frecuentes— es excepcionalmente difícil. El director de IA de Tesla, Ashok Elluswamy, también comentó sobre la "trampa de la larga cola" en X, destacando el mismo problema.

Ese 1% final involucra escenarios extraños, de uno entre un millón: una persona con un disfraz de pollo cruzando la calle; una rotonda con tráfico fluyendo en tres direcciones; o una señal parcialmente cubierta por nieve que dice 5 en lugar de 50.

Los comentarios de Ashok reflejan el agotador trabajo que Tesla ha realizado durante los últimos cuatro años. Se curan millones de millas de datos diariamente para descubrir esos casos límite poco comunes necesarios para entrenar modelos capaces de manejar la complejidad del mundo real. NVIDIA, por el contrario (y de manera similar), está intentando abordar esta brecha utilizando herramientas de simulación y un conjunto de datos mucho más pequeño proveniente de sus socios.

El retraso del hardware

También existe un desafío estructural para NVIDIA: no fabrica coches. Proporciona chips y software en lugar de diseñar vehículos directamente, lo que añade complejidad a un despliegue a gran escala.

Aunque NVIDIA planea integrar Alpamayo en el Mercedes CLA a finales de este año, es probable que el despliegue inicial tenga un volumen limitado. Tesla ya cuenta con millones de coches en la carretera recopilando datos de "larga cola" que ayudan a abordar ese último y escurridizo 1%.

Bienvenidos al trabajo duro

El anuncio de NVIDIA sirve como una fuerte validación del enfoque de red neuronal de extremo a extremo de Tesla. Que el principal fabricante de chips de IA del mundo adopte la misma arquitectura sugiere que la industria podría estar convergiendo hacia una solución común.

Sin embargo, como enfatizan Elon y Ashok, la arquitectura es solo el punto de partida. La ventaja competitiva provendrá de los datos: encontrar y entrenar con los casos límite poco frecuentes que provocan fallos en el razonamiento. NVIDIA ha producido un motor potente; ahora debe demostrarlo en los entornos caóticos y complejos donde Tesla ya ha pasado una década adquiriendo experiencia.

Respeto mutuo

Jensen Huang reconoció el trabajo de Tesla y elogió su pila tecnológica como una de las más avanzadas disponibles.