“O momento ChatGPT para a IA física chegou – quando as máquinas começam a compreender, raciocinar e agir no mundo real.”
Assim disse a Nvidia (NVDA) CEO Jensen Huang na CES em Las Vegas, lançando o desafio robótico em uma declaração sobre o mais recente movimento de direção autônoma do fabricante de GPU.
O Alpamayo da Nvidia é uma cadeia de pensamento, ação de linguagem de visão baseada no raciocínio (VLA) usado para carros autônomos e robotáxis, que, segundo a empresa, foi projetado para integrar percepção, linguagem e planejamento de ações na tomada de decisões.
Huang exibiu um vídeo de Alpamayo em ação durante sua apresentação. Nele, um veículo de teste navegou pelas ruas de São Francisco, realizando manobras como as de um motorista humano, sem nenhuma intervenção.
A grande questão agora é se a Nvidia criou um sistema superior ao da Tesla (TSLA) e está no mesmo nível do que o Alphabet (GOOG, Google) Waymo está fazendo com seu robotaxis melhor da categoria.
O fundador e CEO da Nvidia, Jensen Huang, apresenta os veículos autônomos Alpamayo durante o Nvidia Live na CES 2026, antes do Consumer Electronics Show anual em Las Vegas, em 5 de janeiro. (Patrick T. Fallon/AFP via Getty Images) ·PATRICK T. FALLON via Getty Images
Huang está extremamente otimista em relação à direção autônoma. O CEO disse que vê um futuro com um bilhão de carros autônomos nas estradas. A Nvidia vem se dedicando à tecnologia de direção autônoma há mais de 10 anos. No ano passado, Huang previu que soluções físicas de IA, como a direção autônoma, seriam um oportunidade “multitrilionária”.
Na CES, Huang disse que o próximo Mercedes CLA EV seria o primeiro a implementar a pilha totalmente autônoma (FSD) da Nvidia que inclui Alpamayo no primeiro trimestre, e que planeja ter robotáxis autônomos – como o de Waymo – com parceiros como Uber (UBER) e Lúcido (LCID) até 2027. Atualmente, o Alpamayo está no nível 2 avançado, o que significa que pode operar de forma autônoma, mas requer supervisão humana.
Todos os principais intervenientes no espaço autónomo têm o mesmo objetivo, que é a autonomia de nível 4, o que significa que os carros são totalmente autónomos dentro de uma zona geográfica. Embora Waymo tenha conseguido isso em alguns mercados, no momento o atual sistema DRIVE Hyperion da Tesla e da Nvidia está no nível 2. A Nvidia tem como meta a capacidade de nível 4 com Alpamayo em breve.
Katie Driggs-Campbell, professora da Grainger College of Engineering da Universidade de Illinois, disse ao Yahoo Finance que está impressionada até agora com o progresso da Nvidia, embora avise que esse hype de relações públicas pode superar a realidade.
À primeira vista, Alpamayo está um passo além do que Tesla está fazendo com seu sistema FSD fechado, que alimenta seus EVs e robotáxis, disse Driggs-Campbell, embora o sistema de Tesla exija supervisão neste momento, o que significa sua autonomia de Nível 2. O Alpamayo da Nvidia afirma ter como objetivo o nível 4 quando totalmente implantado, e o FSD pretende chegar lá também com mais atualizações de software.
O FSD da Tesla é uma rede neural ponta a ponta treinada em grandes quantidades de dados de condução de frotas do mundo real para tomar decisões de percepção e controle. Tesla mudou do controle baseado em regras e módulos separados, de acordo com um edital de Elon Musk, para um único sistema de rede neural que vai da entrada da câmera às saídas de controle do veículo, sem nenhum raciocínio explícito.
Como o modelo FSD da Tesla resolve a direção autônoma. ·Tesla por meio da subpilha Understanding AI
O FSD da Tesla também é um sistema fechado, e a empresa não divulgou muitas informações ou detalhes sobre como ele realmente funciona. Por exemplo, após a apresentação baseada no raciocínio Alpamayo da Nvidia, o CEO da Tesla, Elon Musk reivindicado “isso é exatamente o que Tesla está fazendo” em seu lançamento mais recente do FSD, mas é difícil validar essa afirmação.
Com base no que é atualmente conhecido, a rede neural Tesla aprende padrões a partir de dados (como milhões e milhões de vídeos de direção) e pode realizar ações de direção, mas não produz raciocínio explícito (por exemplo, parar porque um pedestre pode passar no cruzamento). Os processos de decisão estão essencialmente ocultos e não podem ser examinados posteriormente.
“A Tesla está adotando uma abordagem de aprendizado profundo mais tradicional, onde é, de certa forma, um problema mais simples, onde você tem suas imagens de entrada e quaisquer outros dados de sensor que eles desejam incluir, e as ações de saída que eles obtêm de vários exemplos de direção. [to train the model]”, disse Driggs-Campbell. “E eu diria que uma das coisas legais sobre o Tesla é que eles têm uma maneira muito fácil de obter dados de qualquer pessoa que esteja dirigindo um Tesla.”
A Tesla produziu cerca de 9 milhões de veículos desde a sua criação, com a maioria capturando e enviando dados visuais de volta para a Tesla.
A questão é que o sistema de Tesla é uma “caixa preta”, o que significa que os engenheiros não sabem o que está acontecendo na rede neural. Tudo o que pode ser medido é se os resultados da condução foram satisfatórios.
É aqui que Alpamayo e Waymo diferem de Tesla, e é útil discutir por meio de um exemplo.
Por exemplo, um carro equipado com Nvidia Alpamayo pode ver que um semáforo não funciona quando se aproxima de um cruzamento. Em teoria, a Alpamayo seria capaz de “raciocinar” em torno de um problema complicado que surge através do processamento de informação visual, traduzindo-a numa solução compreensível baseada em linguagem (por exemplo, parar no cruzamento, detectar quaisquer obstáculos, depois passar), e depois planear e executar essa acção com o movimento do veículo.
A solução da Nvidia é provavelmente semelhante à da Waymo, que tem sido boa em mostrar seu trabalho.
Como funciona a abordagem de dois sistemas da Waymo. ·Waymo
Waymo chama sua solução modular de “abordagem de dois sistemas” ou “pensar rápido e devagar”. Sistemas maiores como o Waymo e o Alpamayo são conhecidos como modelos básicos, embora Tesla chame o FSD de modelo básico devido ao seu vasto treinamento em vídeos do mundo físico.
No caso da Waymo, o Sistema 1 é reativo, o que significa que imita uma resposta automática ou instintiva das entradas do sensor. O Sistema 2 é deliberado, o que significa que raciocina por meio de tarefas para determinar etapas intermediárias. Os dois sistemas fornecem então informações para o que a empresa chama de “decodificador mundial”, que então decide o melhor plano de ação para o veículo (veja o gráfico acima), mas no caso do Waymo, regras explícitas podem substituir seu pensamento.
“Quase todos os sistemas terão algumas salvaguardas [explicit rules] aí, já que existem algumas restrições rígidas sobre as quais você não precisa raciocinar em teoria … [For example,] sabemos que você não deveria sair da estrada”, disse Driggs-Campbell. “Existe algum nível de monitoramento e raciocínio, mas o desafio surge quando você tem sistemas que realmente não funcionam juntos, às vezes você tem alguns problemas onde [you’re] tremores ou algumas idas e vindas, e isso pode causar problemas estranhos.”
O exemplo acima de semáforos que não funcionam foi uma dificuldade do mundo real que os robotáxis Waymo encontraram em São Francisco no final de dezembro, quando seu modelo de dois sistemas e baseado em regras não consegui navegar por uma queda de energia que tornaram os semáforos inoperantes.
Um Tesla Robotaxi dirige ao longo da South Congress Avenue em Austin, Texas, em 22 de junho de 2025. (Reuters/Joel Angel Juarez) ·Reuters / Reuters
Musk disse que os Robotaxis movidos a FSD da Tesla, que estão atualmente sendo testados em São Francisco com motoristas de segurança, não se intimidaram com a queda de energia em São Francisco, mas a forma como seus veículos chegam a uma solução é diferente de modelos como Alpamayo e Waymo.
Assim, embora o Tesla Robotaxis funcionasse durante o corte de energia em São Francisco, os engenheiros não seriam capazes de discernir como resolveram o problema porque não há resultados de raciocínio, tornando difícil refinar ou corrigir um sistema que possa ter utilizado um padrão defeituoso ou dados incorretos ao tomar uma decisão de condução.
O que faz parecer que os grandes modelos de raciocínio básicos, como Alpamayo e Waymo, com sua configuração de dois sistemas, podem ser melhores. Mas, novamente, não é tão simples.
Analistas de Wall Street de bancos como Morgan Stanley, Deutsche Bank e Wedbush Securities acreditam que o Tesla FSD supervisionado é o padrão ouro, alimentado por uma enorme fonte de dados e implantado em escala em veículos elétricos Tesla.
O fundador e CEO da Nvidia, Jensen Huang, fala durante o Nvidia Live na CES 2026, antes do Consumer Electronics Show anual em Las Vegas, Nevada, em 5 de janeiro de 2026. (Patrick T. Fallon/AFP via Getty Images) ·PATRICK T. FALLON via Getty Images
Driggs-Campbell reconheceu as vantagens do modelo de Tesla – as redes neurais podem tomar decisões mais rápidas e usar menos carga computacional – mas observa que é mais difícil dizer se é “melhor”.
Ela acrescentou que os modelos básicos usados na Waymo e no Alpamayo da Nvidia, em geral, parecem estar mostrando resultados promissores e desempenho superior em comparação com a abordagem de aprendizagem profunda da Tesla. Mas ainda existem vários obstáculos.
“Acho que a tradução desses grandes modelos de raciocínio para o desempenho online é um enorme desafio”, disse Driggs-Campbell. “Eles levam muito tempo. É muito parecido com um ser humano – o raciocínio leva alguns segundos, enquanto muitas vezes, quando você está dirigindo ativamente, você quer algo muito, muito mais rápido.”
Há uma “lacuna” entre o que parece estar funcionando atualmente, como o FSD, e os modelos de “próxima geração”, como o Alpamayo e o Waymo, disse ela.
Em outras palavras, o Tesla FSD representa o atual padrão da indústria para assistência avançada ao motorista e autonomia – usando dados massivos e implantados em escala, mas ainda é fundamentalmente reativo e supervisionado.
Considerando que Alpamayo talvez incorpore uma direção de próxima geração para sistemas autônomos que raciocinam sobre situações, oferecendo melhor segurança e previsibilidade em situações complexas ou raras e uma lógica de decisão mais transparente – mas eles podem precisar de mais tempo para resolver os problemas e melhorar a velocidade.
Em outras palavras, o Tesla FSD e modelos de raciocínio como o Alpamayo são duas abordagens diferentes para um objetivo comum de direção totalmente autônoma, que alguns chamam de tarefa. mais difícil do que “pousar na lua”.
“Resolver a longa cauda de casos extremos do mundo real é incrivelmente difícil”, escreveu Musk sobre aqueles 1% dos cenários de direção que ambos os modelos lutam para resolver, embora ele tenha encorajado Huang e Nvidia em sua busca compartilhada.
“Sinceramente espero que tenham sucesso”, disse ele, embora tenha acrescentado que não estava “perdendo o sono” com a última atualização.
StockStory tem como objetivo ajudar investidores individuais a vencer o mercado.
Pras Subramanian é repórter líder de automóveis do Yahoo Finance. Você pode segui-lo X e assim por diante Instagram.
