Veículos autônomos têm, grosso modo, o tempo de um batimento cardíaco para ler a estrada, decidir o que está acontecendo e reagir. Essa janela extremamente estreita é exatamente o motivo pelo qual a Waymo criou um chip de IA personalizado projetado para comprimir o processamento dos sensores ao menor número possível de milissegundos. A empresa de robotáxis apoiada pela Alphabet detalhou o silício em um post no blog nesta semana, marcando a primeira vez que explicou publicamente o hardware que fica no porta-malas de cada um de seus carros autônomos.
Summary
Principais pontos
- A Waymo projetou seu próprio ASIC de IA, fabricado no processo de 5 nanômetros da TSMC, para processar dados de sensores mais rapidamente do que o hardware pronto que usava anteriormente.
- O design do chip se baseia em mais de 200 milhões de milhas de dados de direção autônoma no mundo real e pode executar tanto redes neurais convolucionais quanto modelos transformadores.
- A Waymo afirma que o ASIC oferece mais de 1.000 TOPS de desempenho em IA, provavelmente medidos em precisão INT8, embora o consumo exato de energia ainda não esteja claro.
- A empresa ainda depende de fornecedores externos, incluindo AMD, Micron, Samsung, Sandisk e Nvidia, para tarefas não relacionadas a aprendizado de máquina, como registro de dados e orquestração.
- A Waymo anteriormente usava FPGAs da Intel para processamento de sensores antes de migrar para seu próprio silício, juntando-se à Tesla na corrida para construir chips personalizados para direção autônoma.
Chip de IA personalizado da Waymo criado para decisões em frações de segundo
O novo chip da Waymo existe para transformar uma enxurrada de dados brutos de câmeras, radares e lidares em uma decisão de direção antes que um momento perigoso possa se desenrolar completamente. A empresa o descreve como a linha de frente de sua pilha de computação, limpando os fluxos de sensores recebidos e executando verificações rápidas de IA no instante em que a informação chega, em vez de enviar dados brutos e desorganizados diretamente para o cérebro principal de processamento do carro.
Construído no processo de 5 nanômetros da TSMC
O chip é fabricado usando a tecnologia de processo de 5 nanômetros da TSMC, colocando a Waymo ao lado de grandes fabricantes de chips que dependem da gigante taiwanesa de fundição para silício de ponta. Escolher um nó de processo moderno é importante porque permite à Waymo concentrar mais poder de computação em um pacote menor e mais eficiente em energia, que precisa sobreviver dentro de um veículo em movimento em vez de um data center com controle de clima.
Tão importante quanto a densidade bruta é a flexibilidade. O ASIC é construído para executar tanto redes neurais convolucionais quanto arquiteturas baseadas em transformadores comparáveis, que representam tanto abordagens convencionais de aprendizado de máquina quanto modelos contemporâneos que alimentam os chatbots de IA e geradores de imagens atuais. Essa capacidade dupla permite que a Waymo atualize seu software de percepção ao longo do tempo sem precisar de hardware totalmente novo sempre que seus modelos evoluem.
Como o chip aprendeu com 200 milhões de milhas de direção
A Waymo afirma que a arquitetura do chip reflete lições extraídas de mais de 200 milhões de milhas de dados acumulados de direção autônoma, dando ao design uma base no mundo real que chips prontos não conseguem igualar facilmente. Esse volume de histórico de direção moldou a forma como o silício lida com capacidade de resposta, confiabilidade e redundância em condições reais de estrada, em vez de simulações de laboratório.
Minimização de latência como prioridade de segurança
Reduzir a latência foi o objetivo central do design do chip, já que acidentes podem acontecer mais rápido do que qualquer operador humano remoto poderia intervir. “Dentro desses milissegundos críticos, modelos avançados de ML constroem um entendimento de alta fidelidade do ambiente para avaliar o caminho mais seguro à frente”, explicou a empresa, descrevendo como o sistema realiza redução de ruído temporal em tempo real para aprimorar a visibilidade em baixa luminosidade.
Os líderes de engenharia da Waymo enquadraram o desafio em termos igualmente urgentes. Satish Jeyachandran, VP de Engenharia, e Daniel Rosenband, líder de Computação, escreveram que a empresa está “projetando um sistema de última geração que seria considerado impressionante para um data center, com a complexidade adicional de um domínio operacional dentro do veículo e requisitos em tempo real”, segundo o The Verge. Eles descreveram a pilha de computação como guiada por três princípios inegociáveis: responsiva, robustecida e redundante.
Toda essa capacidade de resposta exige muita potência. A Waymo afirma que seu chip dedicado de front-end oferece mais de 1.000 TOPS de desempenho em IA, embora a empresa não tenha divulgado o nível de precisão ou o consumo de energia por trás desse número. Sem esses detalhes, comparações diretas com hardware concorrente de veículos autônomos e robótica continuam difíceis, embora seja provável que a métrica de TOPS seja medida em precisão INT8, o que o colocaria em uma classe de desempenho semelhante à plataforma Drive AGX Thor da Nvidia.
Redundância, refrigeração e o restante da pilha de hardware
Poder de computação sozinho não é suficiente quando o hardware vive dentro de um carro exposto a vibração constante, impactos da estrada e variações extremas de temperatura que nenhum chip de data center precisa suportar. A Waymo lida com isso com múltiplas camadas de redundância, essencialmente executando sistemas duplicados para que uma única falha não tire a percepção do veículo do ar. Os próprios chips são resfriados a líquido, aproveitando o mesmo sistema de refrigeração que regula o motor do veículo, mantendo o silício em temperaturas de operação seguras, independentemente do clima externo.
É aqui que a mudança da Waymo em relação à sua configuração anterior fica clara. Antes de lançar seu próprio ASIC, a empresa dependia de FPGAs da Intel para processamento de sensores. FPGAs são bem adequados para trabalho de baixa latência, o que é uma das razões pelas quais empresas de negociação de alta frequência frequentemente os utilizam, mas são notoriamente difíceis de programar e não conseguem igualar a densidade de computação de um silício feito sob medida.
Parceiros cuidando de tarefas não relacionadas a ML
A Waymo não está construindo todas as peças de sua pilha de computação do zero. A empresa continua a depender de fornecedores externos para funções não relacionadas a aprendizado de máquina, como orquestração, movimentação de dados e registro, citando AMD, Micron, Samsung, Sandisk e Nvidia como parceiros que fornecem esses componentes, com a Socionext também mencionada pelo The Verge entre os fornecedores de hardware envolvidos. A Waymo afirmou que está desenvolvendo vários chips e sistemas personalizados adicionais, o que significa que seu ASIC atual é apenas uma peça de uma estratégia mais ampla de silício interno, e não uma substituição completa para hardware de terceiros.
Essa abordagem heterogênea reflete uma troca deliberada. Em vez de tentar construir todo um sistema de computação internamente, a Waymo está concentrando seu esforço de engenharia em fusão de sensores em tempo real e aprendizado de máquina de front-end, as áreas em que o silício personalizado oferece a maior vantagem de latência, enquanto se apoia em fabricantes de chips estabelecidos para todo o resto.
Waymo vs Tesla: uma corrida mais ampla por chips em robotáxis
A Waymo não é a única empresa apostando em silício personalizado para vencer a corrida dos robotáxis. A Tesla passou anos desenvolvendo seus próprios chips para direção autônoma e recentemente lançou um serviço limitado de Robotaxi em Austin após repetidos atrasos. As duas empresas também divergem fortemente em filosofia: o CEO da Tesla, Elon Musk, descartou o lidar como uma “muleta” e “uma perda de tempo”, argumentando que fundir dados de vários tipos de sensores introduz uma ambiguidade perigosa quando os sinais entram em conflito.
A abordagem da Waymo segue na direção oposta, apostando que combinar câmeras, radares e lidares por meio de silício dedicado torna seu sistema mais confiável, não menos, e que chips personalizados são o que lhe permite implantar em escala significativa. A empresa planeja compartilhar mais detalhes sobre seus aceleradores de aprendizado de máquina na próxima semana na conferência Hot Chips em Stanford, um evento que pode oferecer a visão mais clara até agora de como sua estratégia de silício se compara à de rivais que correm em direção ao mesmo objetivo.
Perguntas frequentes
Qual é a função principal do chip de IA personalizado da Waymo?
Ele processa rapidamente dados brutos de sensores de veículos autônomos, convertendo-os em respostas de direção com latência mínima.
Qual tecnologia de fabricação é usada para o chip da Waymo?
O chip é fabricado usando a tecnologia de processo de 5 nanômetros da TSMC.
Quais modelos de aprendizado de máquina o chip da Waymo pode executar?
Ele pode executar tanto modelos tradicionais, como redes neurais convolucionais, quanto modelos transformadores modernos.
Como a Waymo garante a confiabilidade de seus chips personalizados nos veículos?
A Waymo emprega redundância em múltiplas camadas e sistemas de refrigeração líquida para manter o desempenho do chip em condições adversas.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Qual é a função principal do chip de IA personalizado da Waymo?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Ele processa rapidamente dados brutos de sensores de veículos autônomos, convertendo-os em respostas de direção com latência mínima.”}},{“@type”:”Question”,”name”:”Qual tecnologia de fabricação é usada para o chip da Waymo?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”O chip é fabricado usando a tecnologia de processo de 5 nanômetros da TSMC.”}},{“@type”:”Question”,”name”:”Quais modelos de aprendizado de máquina o chip da Waymo pode executar?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Ele pode executar tanto modelos tradicionais, como redes neurais convolucionais, quanto modelos transformadores modernos.”}},{“@type”:”Question”,”name”:”Como a Waymo garante a confiabilidade de seus chips personalizados nos veículos?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”A Waymo emprega redundância em múltiplas camadas e sistemas de refrigeração líquida para manter o desempenho do chip em condições adversas.”}}]}
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.
