Tesla Autonomy Day 22 de abril de 2019 Evento para inversores de Tesla sobre la conducción totalmente autónoma: el chip FSD personalizado, el enfoque basado en redes neuronales y una demostración autónoma en directo, con Elon Musk.
Evento para inversores de Tesla sobre la conducción totalmente autónoma: el chip FSD personalizado, el enfoque basado en redes neuronales y una demostración autónoma en directo, con Elon Musk.
Transcripción Transcripción completa en alacrastore.com → Speaker
Eso. Sa. Sam. Eso. Alcance sam eso. Sa.
Speaker
Carrera. Sa. Sa. Sa. Sam. Sa. Sam.
Speaker
Eso. Sam. Sa. Sam. Eso. Sa. Sam sa. Sam. Sa. Sa. Sa. Sa. Eso. Sam. Sa. Sa. Sam. Sa. Sa. Sa. Eso. Sam.
Investor Relations
Hola a todos. Siento llegar tarde. Bienvenidos a nuestro primer día de analistas sobre Autonomía. Espero de verdad que a partir de ahora podamos hacer esto con un poco más de regularidad para mantenerlos informados sobre el desarrollo que estamos llevando a cabo en materia de conducción autónoma. Hace unos tres meses nos estábamos preparando para nuestra conferencia de resultados del cuarto trimestre con Elon y varios otros ejecutivos. Y una de las cosas que le dije al grupo es que, de todas las conversaciones que sigo teniendo con los inversores de forma regular, la mayor brecha que veo entre lo que percibo dentro de la empresa y la percepción externa es nuestra capacidad de conducción autónoma. Y tiene sentido, porque durante los últimos dos años hemos estado hablando sobre todo del aumento de producción del Model 3. Y, como saben, gran parte del debate ha girado en torno al Model 3, pero en realidad han estado sucediendo muchas cosas entre bastidores. Hemos estado trabajando en el nuevo chip de conducción totalmente autónoma. Hemos renovado por completo nuestra red neuronal de reconocimiento visual, entre otras cosas. Así que, ahora que finalmente empezamos a producir nuestro ordenador de conducción totalmente autónoma, pensamos que sería buena idea levantar el velo, invitar a todos y hablar de todo lo que hemos estado haciendo durante los últimos dos años. Hace unos tres años quisimos encontrar el mejor chip posible para la Autonomía Total. Y descubrimos que no existía ningún chip diseñado desde cero para redes neuronales. Así que invitamos a mi colega Pete Bannon, vicepresidente de Ingeniería de Silicio, a diseñar ese chip para nosotros. Tiene unos 35 años de experiencia fabricando y diseñando chips. Unos 12 de esos años los pasó en una empresa llamada PA Semi, que más tarde fue adquirida por Apple. Trabajó en docenas de arquitecturas y diseños distintos, y creo que fue el diseñador principal del iPhone 5 de Apple justo antes de unirse a Tesla. Y en el escenario se unirá a él Elon Musk. Gracias.
En realidad iba a presentar a Pete, pero... Martin Stunt. Es simplemente el mejor arquitecto de chips y sistemas que conozco en el mundo. Y es un honor tenerte a ti y a tu equipo en Tesla; adelante. Cuéntales el trabajo increíble que tú y tu equipo han hecho.
Gracias, Elon. Es un placer estar aquí esta mañana, y un verdadero gusto contarles todo el trabajo que mis colegas y yo hemos estado haciendo en Tesla durante los últimos tres años. Creo que les contaremos un poco sobre cómo empezó todo esto y luego les presentaré el ordenador de conducción totalmente autónoma y les explicaré un poco cómo funciona. Entraremos en detalle en el chip mismo y repasaremos algunos de esos aspectos. Describiré cómo funciona el acelerador de redes neuronales personalizado que diseñamos, y luego les mostraré algunos resultados, y espero que para entonces todos sigan despiertos. Me contrataron en febrero de 2016. Le pregunté a Elon si estaba dispuesto a gastar todo el dinero que hace falta para diseñar un sistema totalmente personalizado. Y él dijo: bueno, ¿vamos a ganar? Y yo dije: bueno, sí, por supuesto. Entonces dijo: cuenta conmigo. Y así fue como empezamos. Contratamos a un buen número de personas y empezamos a pensar en cómo sería un chip diseñado a medida para la autonomía total. Pasamos 18 meses haciendo el diseño y en agosto de 2017 lo entregamos para su fabricación. Lo recibimos de vuelta en diciembre, lo encendimos y de hecho funcionó muy, muy bien al primer intento. Hicimos algunos cambios y lanzamos una revisión B0 en abril de 2018. En julio de 2018 el chip quedó homologado y empezamos la producción completa de piezas de calidad de producción. En diciembre de 2018 ya teníamos la pila de conducción autónoma funcionando en el nuevo hardware y pudimos empezar a adaptar los coches de los empleados y probar el hardware y el software en el mundo real. El pasado mes de marzo empezamos a enviar el nuevo ordenador en el Model S y el Model X. Y a principios de abril empezamos la producción en el Model 3. Así que todo este programa, desde la contratación de los primeros empleados hasta tenerlo en plena producción en nuestros tres coches, ha durado poco más de tres años, y probablemente sea el programa de desarrollo de sistemas más rápido en el que he participado. Y eso demuestra realmente las ventajas de contar con una enorme integración vertical, que permite hacer ingeniería concurrente y acelerar la implementación. En cuanto a los objetivos, nos centramos por completo y en exclusiva en los requisitos de Tesla, y eso facilita mucho las cosas. Si tienes un único cliente, no tienes que preocuparte por nada más. Uno de esos objetivos era mantener el consumo por debajo de los 100 vatios para poder adaptar la nueva máquina a los coches existentes. También queríamos un menor coste por pieza para poder habilitar una redundancia total por motivos de seguridad. En aquel momento teníamos una estimación muy aproximada de que harían falta al menos 50 billones de operaciones. Por segundo de rendimiento de red neuronal para conducir un coche. Así que queríamos alcanzar al menos esa cifra, y de hecho todo lo que pudiéramos. El tamaño de lote es la cantidad de elementos sobre los que se opera al mismo tiempo. Por ejemplo, la TPU de Google tiene un tamaño de lote de 256, y hay que esperar a tener 256 elementos para procesar antes de poder empezar. No queríamos hacer eso, así que diseñamos nuestra máquina con un tamaño de lote de uno. Así que, en cuanto aparece una imagen, la procesamos de inmediato. Para minimizar la latencia, lo que maximiza la seguridad, necesitábamos una GPU para ejecutar parte del post-procesamiento. En aquel momento hacíamos bastante de eso. Pero especulamos que, con el tiempo, la cantidad de post-procesamiento en la GPU disminuiría a medida que las redes neuronales mejoraran cada vez más. Y eso es precisamente lo que ha ocurrido. Así que corrimos un riesgo al incluir una GPU bastante modesta en el diseño, como verán, y resultó ser una buena apuesta. La seguridad informática es sumamente importante. Si no tienes un coche seguro frente a ataques, no puedes tener un coche seguro en la carretera. Así que hay mucho enfoque en la seguridad, y por supuesto también en la seguridad funcional, a la hora de diseñar el chip. Como mencionó Elon antes, en 2016 realmente no existía ningún acelerador de redes neuronales diseñado desde cero. Todo el mundo añadía instrucciones a su CPU, GPU o DSP para mejorar la inferencia, pero nadie lo hacía realmente de forma nativa. Así que decidimos hacerlo nosotros mismos. Y para los demás componentes del chip compramos propiedad intelectual estándar del sector para las CPU y las GPU. Eso nos permitió minimizar el tiempo de diseño y también el riesgo para el programa. Otra cosa que me resultó algo inesperada cuando llegué fue nuestra capacidad de aprovechar los equipos ya existentes en Tesla. Tesla contaba con excelentes equipos de diseño de fuentes de alimentación, análisis de integridad de señal, diseño de encapsulado, software de sistema, diseño de firmware de placas y un programa de validación de sistemas muy bueno, de los que pudimos aprovecharnos para acelerar este programa. Así es como se ve. Ahí a la derecha ven todos los conectores para el video que llega de las ocho cámaras que hay en el coche. Pueden ver los dos ordenadores de conducción autónoma en el centro de la placa, y a la izquierda está la fuente de alimentación y algunas conexiones de control. Y realmente me encanta cuando una solución se reduce a sus elementos más esenciales. Tienes video, computación y alimentación, y es sencillo y directo. Esta es la carcasa original del hardware 2.5 en la que iba el ordenador, y la hemos estado enviando durante los últimos dos años. Este es el nuevo diseño del ordenador FSD. Es básicamente igual, y eso, por supuesto, viene dado por las limitaciones de tener un programa de adaptación para los coches. Quiero señalar que en realidad es un ordenador bastante pequeño. Cabe detrás de la guantera. Entre la guantera y el salpicadero del coche. No ocupa la mitad del maletero. Como dije antes, hay dos ordenadores totalmente independientes en la placa. Pueden verlos ahí resaltados en azul y verde. A ambos lados del gran SoC pueden ver los chips de DRAM que usamos para almacenamiento. Y abajo a la izquierda ven los chips de memoria flash que representan el sistema de archivos. Así que estos son dos ordenadores independientes que arrancan y ejecutan su propio sistema operativo.
Sí. Si puedo añadir algo, el principio general aquí es que cualquier parte de esto puede fallar y el coche seguirá circulando. Así que podrían fallar las cámaras, podrían fallar los circuitos de alimentación, podría fallar uno de los chips del ordenador de conducción totalmente autónoma de Tesla, y el coche seguiría circulando. La probabilidad de que este ordenador falle es muchísimo menor que la de que alguien pierda el conocimiento. Esa es la métrica clave, al menos en orden de magnitud.
Así que una de las cosas adicionales que hacemos para mantener la máquina funcionando es contar con fuentes de alimentación redundantes en el coche. Así que una máquina funciona con una fuente de alimentación y la otra con la otra. Con las cámaras pasa lo mismo. Así que la mitad de las cámaras funcionan con la fuente de alimentación azul, la otra mitad con la verde, y ambos chips reciben todo el video y lo procesan de forma independiente. En cuanto a conducir el coche, la secuencia básica consiste en recopilar mucha información del mundo que te rodea. No solo tenemos cámaras, también tenemos radar, mapas GPS, las IMU y sensores ultrasónicos alrededor del coche. Tenemos los pulsos de las ruedas y el ángulo de dirección. Sabemos cuál debe ser la aceleración y la desaceleración del coche. Todo eso se integra para formar un plan. Una vez que tenemos un plan, las dos máquinas intercambian su versión independiente del plan para asegurarse de que sea la misma. Y, suponiendo que coincidan, entonces actuamos y conducimos el coche. Ahora bien, una vez que has conducido el coche con algún nuevo control, quieres validarlo. Así que validamos que lo que transmitimos fue efectivamente lo que pretendíamos transmitir a los demás actuadores del coche. Y luego se puede usar el conjunto de sensores para asegurarse de que eso realmente ocurre. Así que, si le pides al coche que acelere, frene o gire a la derecha o a la izquierda, puedes mirar los acelerómetros y asegurarte de que efectivamente lo está haciendo. Así que hay una enorme cantidad de redundancia y superposición tanto en nuestra adquisición de datos como en nuestras capacidades de monitorización de datos. Pasemos a hablar un poco sobre el chip de conducción totalmente autónoma. Viene encapsulado en un BGA de 37,5 milímetros con 1.600 bolas. La mayoría se usan para alimentación y tierra, pero también hay bastantes para señal. Si le quitas la tapa, se ve así. Pueden ver el sustrato del encapsulado y pueden ver el troquel situado en el centro. Si quitas el troquel y lo giras, se ve así. Hay 13.000 bultos C4 repartidos por la parte superior del troquel, y debajo hay 12 capas metálicas que ocultan todos los detalles del diseño. Así que, si se eliminan esas capas, se ve así. Se trata de un proceso DMOS FinFET de 14 nanómetros. Mide 260 milímetros cuadrados, lo que es un troquel de tamaño moderado. Para hacerse una idea, un chip típico de teléfono móvil mide unos 100 milímetros cuadrados, así que somos bastante más grandes que eso. Pero una GPU de gama alta estaría más bien entre 600 y 800 milímetros cuadrados. Así que estamos más o menos en el medio. Yo lo llamaría el punto óptimo. Es un tamaño cómodo de fabricar. Hay 250 millones de puertas lógicas ahí y un total de 6.000 millones de transistores, lo cual, aunque trabajo con esto todo el tiempo, sigue pareciéndome increíble. El chip se fabrica y se prueba conforme a la norma AEC-Q100, un criterio estándar de la industria automotriz. A continuación, me gustaría recorrer el chip y explicar todas sus distintas partes. Y voy a seguir más o menos el orden en que un píxel procedente de la cámara pasaría por todas esas partes. Así que ahí arriba a la izquierda pueden ver la interfaz serial de la cámara. Podemos ingerir 2.500 millones de píxeles por segundo, lo cual es más que suficiente para cubrir todos los sensores que conocemos. Tenemos una red en el propio chip que distribuye los datos del sistema de memoria. Así que los píxeles viajarían por la red hasta los controladores de memoria en los bordes derecho e izquierdo del chip. Usamos memoria LPDDR4 estándar del sector funcionando a 4.266 gigabits por segundo, lo que nos da un ancho de banda máximo de 68 gigabytes por segundo, un ancho de banda bastante saludable. Pero, de nuevo, esto no es una exageración. Así que intentamos mantenernos en ese punto óptimo cómodo por razones de coste. El procesador de señal de imagen tiene una canalización interna de 24 bits que nos permite aprovechar al máximo los sensores HDR que tenemos alrededor del coche. Realiza un mapeo de tonos avanzado que ayuda a resaltar detalles y sombras. Y además cuenta con una reducción de ruido avanzada que simplemente mejora la calidad general de las imágenes que usamos en la red neuronal. El propio acelerador de redes neuronales. Hay dos de ellos en el chip. Cada uno tiene 32 megabytes de SRAM para guardar resultados temporales y minimizar la cantidad de datos que hay que transmitir dentro y fuera del chip, lo que ayuda a reducir el consumo. Cada matriz tiene un arreglo de multiplicación-suma de 96 por 96 con acumulación in situ, lo que nos permite hacer casi 10.000 multiplicaciones-sumas por ciclo. Hay hardware dedicado para RELU, hardware dedicado para pooling, y cada uno de estos ofrece 306. Disculpen, cada uno ofrece 36 billones de operaciones por segundo y funcionan a 2 gigahercios. Los dos juntos en un troquel ofrecen 72 billones de operaciones por segundo. Así que superamos con bastante margen nuestro objetivo de 50 teraops. También hay un codificador de video. Codificamos video y lo usamos en varios lugares del coche, incluida la pantalla de la cámara de marcha atrás. Opcionalmente hay una función para el usuario de cámara de salpicadero y también para registrar clips de datos en la nube, de lo cual Stuart y Andrej hablarán más adelante. Hay una GPU en el chip. Su rendimiento es modesto. Es compatible tanto con coma flotante de 32 bits como de 16 bits. Y además tenemos 12 CPU A72 de 64 bits para el procesamiento de propósito general. Funcionan a 2,2 gigahercios. Y esto representa aproximadamente dos veces y media el rendimiento disponible en la solución actual. Hay un sistema de seguridad que contiene dos CPU que funcionan en modo sincronizado (lockstep). Este sistema es el árbitro final de si es seguro accionar realmente los actuadores del coche. Así que aquí es donde los dos planes se juntan y decidimos si es seguro o no seguir adelante. Y por último hay un sistema de seguridad informática. Y básicamente la función de ese sistema de seguridad es garantizar que este chip solo ejecute software firmado criptográficamente por Tesla. Si no ha sido firmado por Tesla, el chip no funciona. Les he dado muchas cifras distintas de rendimiento, y pensé que sería útil ponerlas un poco en perspectiva. Así que, a lo largo de esta charla, voy a hablar de una red neuronal de nuestra cámara estrecha. Usa 35.000 millones de operaciones, 35 gigaops, y si usáramos las 12 CPU para procesar esa red, podríamos hacer un fotograma y medio por segundo, lo cual es extremadamente lento, ni de cerca suficiente para conducir el coche. Si usáramos la GPU de 600 gigaflops con la misma red, obtendríamos 17 fotogramas por segundo, lo cual todavía no es suficiente para conducir el coche. Con ocho cámaras, los aceleradores de redes neuronales del chip pueden ofrecer 2.100 fotogramas por segundo. Y pueden ver, por la escala a medida que avanzamos, que la cantidad de cómputo en la CPU y la GPU es básicamente insignificante comparada con la disponible en el acelerador de redes neuronales. Realmente es como la noche y el día. Así que, pasando a hablar del acelerador de redes neuronales, vamos a hacer una pausa para tomar agua. A la izquierda hay un esquema de una red neuronal solo para darles una idea de lo que ocurre. Los datos entran por arriba y pasan por cada uno de los recuadros. Y los datos fluyen a lo largo de las flechas hacia los distintos recuadros. Los recuadros suelen ser convoluciones o deconvoluciones con RELU. Los recuadros verdes son capas de pooling. Y lo importante aquí es que los datos producidos por un recuadro son consumidos por el siguiente, y después ya no se necesitan más. Se pueden descartar. Así que todos esos datos temporales que se crean y se destruyen a medida que avanzan por la red no necesitan almacenarse fuera del chip, en la DRAM. Así que mantenemos todos esos datos en la SRAM. Y explicaré por qué eso es tan importante en unos minutos. Si miran a la derecha de esto, verán que en esta red, de los 35.000 millones de operaciones, casi todas son convoluciones, que se basan en productos escalares. El resto son deconvoluciones, también basadas en productos escalares, y luego RELU y pooling, que son operaciones relativamente simples. Así que, si uno estuviera diseñando hardware, claramente se enfocaría en hacer productos escalares, que se basan en multiplicar y sumar, y optimizar eso al máximo. Pero imaginen que lo aceleran por un factor de 10.000. Así que, de repente, ese 100% se convierte en un 0,1%, un 0,01%, y de pronto las operaciones de RELU y pooling pasan a ser bastante significativas. Así que nuestro hardware no lo hace. Nuestro diseño de hardware incluye también recursos dedicados para procesar RELU y pooling. Ahora bien, este chip funciona en un entorno con limitaciones térmicas, así que tuvimos que ser muy cuidadosos con cómo consumíamos esa energía. Queremos maximizar la cantidad de operaciones aritméticas que podemos hacer. Así que elegimos la suma de enteros. Consume 9 veces menos energía que la suma en coma flotante equivalente, y elegimos la multiplicación de enteros de 8 por 8 bits, que consume mucho menos que otras operaciones de multiplicación y probablemente tiene suficiente precisión para obtener buenos resultados. En cuanto a la memoria, decidimos usar SRAM todo lo posible. Y pueden ver ahí que salir del chip hacia la DRAM es aproximadamente 100 veces más costoso, en términos de consumo energético, que usar la SRAM local. Así que, claramente, queremos usar la SRAM local todo lo que podamos. En cuanto al control, estos son datos publicados en un artículo de Mark Horowitz en el ISSCC, donde analizaba cuánta energía hace falta para ejecutar una sola instrucción en una CPU de enteros normal. Y pueden ver que la operación de suma representa solo un 0,15% de la energía total. Todo el resto de la energía se destina a la sobrecarga de control y a tareas administrativas. Así que en nuestro diseño buscamos eliminar básicamente todo eso en la medida de lo posible, porque lo que realmente nos interesa es la aritmética. Así que este es el diseño que terminamos. Pueden ver que está dominado por los 32 megabytes de SRAM. Hay grandes bancos a la izquierda, a la derecha y en el centro inferior. Y todo el cómputo se realiza en la parte superior central. En cada ciclo de reloj leemos 256 bytes de datos de activación de la matriz de SRAM, 128 bytes de datos de pesos de la matriz de SRAM, y los combinamos en un arreglo de multiplicación-suma de 96 por 96 que realiza 9.000 multiplicaciones-sumas por ciclo a 2 gigahercios. Eso es un total de 36,8 teraops. Ahora bien, cuando terminamos con el producto escalar, descargamos el motor para desplazar los datos a través de la unidad RELU dedicada, opcionalmente a través de una unidad de pooling, y finalmente hacia un búfer de escritura donde todos los resultados se agregan. Y luego escribimos 128 bytes por ciclo de vuelta en la SRAM. Y todo este proceso se repite todo el tiempo, de forma continua. Así que estamos haciendo productos escalares mientras descargamos resultados anteriores, hacemos pooling y escribimos de vuelta en la memoria. Si se suma todo a 2 gigahercios, se necesita 1 terabyte por segundo de ancho de banda de SRAM para sostener todo ese trabajo. Y el hardware proporciona precisamente eso. Así que un terabyte por segundo de ancho de banda por motor. Hay dos en el chip. Dos terabytes por segundo. El acelerador tiene un conjunto de instrucciones relativamente pequeño. Tenemos una operación de lectura DMA para traer datos desde la memoria. Tenemos una operación de escritura DMA para enviar los resultados de vuelta a la memoria. Tenemos tres instrucciones basadas en producto escalar: convolución, deconvolución y producto interno. Y luego dos operaciones relativamente simples: 'scale', que tiene una entrada y una salida, y 'outwise', que tiene dos entradas y una salida. Y luego, por supuesto, detenerse cuando se termina. Tuvimos que desarrollar un compilador de redes neuronales para esto. Así que tomamos la red neuronal entrenada por nuestro equipo de visión, tal como se desplegaría en los coches más antiguos, y la compilamos para usarla en el nuevo acelerador. El compilador realiza fusión de capas, lo que nos permite maximizar el cómputo cada vez que leemos datos de la SRAM y los devolvemos. También realiza cierto suavizado para que las demandas sobre el sistema de memoria no sean demasiado irregulares. Y también hacemos relleno de canales para reducir los conflictos de banco. Y hacemos una asignación de SRAM consciente de los bancos. Y este es un caso en el que podríamos haber incluido más hardware en el diseño para gestionar los conflictos de banco. Pero al trasladarlo al software, ahorramos hardware y energía a cambio de algo más de complejidad en el software. También insertamos automáticamente operaciones DMA en el grafo para que los datos lleguen justo a tiempo para el cómputo, sin tener que detener la máquina. Y al final generamos todo el código, generamos todos los datos de pesos, los comprimimos y añadimos una suma de verificación CRC para garantizar la fiabilidad. Para ejecutar un programa, todas las descripciones de las redes neuronales, los programas, se cargan en la SRAM al principio y quedan ahí listos en todo momento. Así que, para ejecutar una red, hay que programar la dirección del búfer de entrada, que presumiblemente es una imagen nueva recién llegada de una cámara. Se fija la dirección del búfer de salida, se fija el puntero a los pesos de la red, y luego se da la orden de arranque, y la máquina se pone en marcha y recorrerá toda la red neuronal por sí misma, normalmente durante uno o dos millones de ciclos. Y cuando termina, se recibe una interrupción y se pueden post-procesar los resultados. Pasando a los resultados, teníamos el objetivo de mantenernos por debajo de los 100 vatios. Estos son datos medidos en coches circulando, ejecutando toda la pila del autopiloto. Y estamos disipando 72 vatios, un poco más de potencia que el diseño anterior. Pero, dada la mejora drástica en el rendimiento, sigue siendo una muy buena solución. De esos 72 vatios, unos 15 se consumen ejecutando las redes neuronales. En cuanto al coste, el coste de silicio de esta solución es alrededor del 80% de lo que pagábamos antes. Así que estamos ahorrando dinero al pasar a esta solución. Y en cuanto al rendimiento, tomamos la red neuronal de la cámara estrecha de la que he estado hablando, que tiene 35.000 millones de operaciones. La ejecutamos en el hardware antiguo en un bucle lo más rápido posible y logramos 110 fotogramas por segundo. Tomamos los mismos datos, la misma red, la compilamos para el hardware del nuevo ordenador FSD. Y usando los cuatro aceleradores podemos procesar 2.300 fotogramas por segundo. Es decir, un factor de 21.
Creo que esta es quizás la diapositiva más significativa. Es la noche y el día.
Nunca había trabajado en un proyecto donde el aumento de rendimiento fuera más de un factor de tres, así que esto fue bastante divertido. Si lo comparan, por ejemplo, con la solución Drive Xavier de Nvidia, un solo chip ofrece 21 teraops. Nuestro ordenador de conducción, a pleno rendimiento, con dos chips, ofrece 144 teraops. Así que, para concluir, creo que hemos creado un diseño que ofrece un rendimiento excepcional. 144 teraops para el procesamiento de redes neuronales. Tiene un rendimiento energético excepcional. Logramos encajar todo ese rendimiento dentro del presupuesto térmico que teníamos. Permite una solución de cómputo totalmente redundante. Tiene un coste modesto, y lo realmente importante es que este ordenador FSD permitirá un nuevo nivel de seguridad y autonomía en los vehículos de Tesla sin afectar su coste ni su alcance. Algo que creo que todos estamos deseando ver.
Creo que hagamos preguntas y respuestas después de cada segmento, así que si alguien tiene preguntas sobre el hardware, puede hacerlas ahora mismo. La razón por la que le pedí a Pete que hiciera una explicación detallada, mucho más detallada de lo que quizás la mayoría apreciaría, sobre el ordenador de conducción totalmente autónoma de Tesla, es porque a primera vista parece improbable. ¿Cómo es posible que Tesla, que nunca antes había diseñado un chip, diseñara el mejor chip del mundo? Pero eso es, objetivamente, lo que ha ocurrido. No el mejor por un margen pequeño, sino el mejor por un margen enorme. Ya está en los coches, ahora mismo. Todos los Tesla que se producen en este momento tienen este ordenador. Cambiamos de la solución de Nvidia para el Model S y el Model X hace aproximadamente un mes, y para el Model 3 hace unos 10 días. Todos los coches que se producen tienen todo el hardware necesario, de cómputo y de otro tipo, para la conducción totalmente autónoma. Lo voy a repetir. Todos los coches Tesla que se producen en este momento tienen todo lo necesario para la conducción totalmente autónoma. Solo falta mejorar el software, y más tarde hoy conducirán los coches con la versión de desarrollo del software mejorado y lo verán con sus propios ojos. ¿Preguntas para Pete?
Analyst
S. Preguntas. Soy Trip Chaudhary, de Global Equities Research. Muy, muy impresionante en todos los sentidos. Me preguntaba, eh... Tomé algunas notas. Están usando la función de activación RELU, la unidad lineal rectificada. Pero si piensan en la red neuronal profunda, tiene múltiples capas, y algunos algoritmos pueden usar funciones de activación distintas para diferentes capas ocultas, como softmax o tanh. ¿Tienen flexibilidad para incorporar funciones de activación distintas de RELU en su plataforma? Luego tengo una pregunta de seguimiento.
Sí, la tenemos. Tenemos implementaciones de tanh y sigmoide, por ejemplo.
Analyst
Perfecto. Una última pregunta. Sobre los nanómetros, mencionaron 14 nm. Me preguntaba si no tendría sentido bajar un poco más. ¿Quizás 10 nm en dos años, o tal vez 7?
Cuando empezamos el diseño, no toda la propiedad intelectual que queríamos comprar estaba disponible en 10 nanómetros. Así que terminamos el diseño en 14.
Quizás valga la pena señalar que terminamos este diseño hace cosa de un año y medio o dos, y comenzamos el diseño de la siguiente generación. Hoy no vamos a hablar de la siguiente generación, pero ya estamos más o menos a mitad de camino. Eso incluirá todas las cosas obvias para el chip de nueva generación que estamos haciendo.
Analyst
Hablaron del software como la pieza que queda ahora. Hicieron un gran trabajo. Me quedé asombrado. Entendí un 10% de lo que dijeron, pero confío en que está en buenas manos.
Analyst
Así que parece que ya tienen resuelta la parte de hardware, que era muy difícil, y ahora les queda la parte de software. Quizás eso quede fuera de su especialidad, pero ¿cómo deberíamos pensar en esa parte del software?
Bueno, no podría pedir mejor introducción para Andrej y Stuart. ¿Hay alguna pregunta sobre la parte del chip antes de pasar a la siguiente parte de la presentación, que es redes neuronales y software?
Analyst
Tal vez, en cuanto al chip, la última diapositiva mostraba 144 billones de operaciones por segundo frente a, ¿era 21 de Nvidia?
Analyst
¿Y podrían, tal vez, contextualizar eso para alguien de finanzas? ¿Por qué es tan significativa esa diferencia? Gracias.
Bueno, es una diferencia de rendimiento de un factor de siete. Eso significa que se pueden procesar siete veces más fotogramas. Se pueden ejecutar redes neuronales siete veces más grandes y sofisticadas. Así que es una moneda muy valiosa que se puede invertir en muchas cosas interesantes para mejorar el coche.
Creo que el consumo de energía del Xavier es más alto que el nuestro. El Xavier consume más que el nuestro, creo. O comparable.
No sé si de verdad creo que sea
hasta donde yo sé, los requisitos de energía aumentarían al menos en la misma proporción, un factor de siete, y los costes también aumentarían por un factor de siete. Genial. Así que, sí, la energía es un problema real porque también reduce el alcance. Así que la penalización por el consumo es muy alta, y además hay que disipar esa energía, por lo que el problema térmico se vuelve realmente importante porque hay que deshacerse de toda esa energía. Así que
Investor Relations
muchas gracias. Creo que tenemos, ya saben, un...
bastantes preguntas por hacer. Si no les importa que el día se alargue un poco. Vamos a hacer las demostraciones de conducción después. Así que, si alguien necesita salir y hacer las demostraciones de conducción un poco antes, puede hacerlo sin problema. Pero sí quiero asegurarme de que respondamos sus preguntas. Sí. Pradeep Ramani, de UBS. Intel y AMD, en cierta medida, han empezado a avanzar hacia una arquitectura basada en chiplets. No noté aquí un diseño basado en chiplets. ¿Creen que, de cara al futuro, eso
sería algo que podría ser de
interés para ustedes desde el punto de vista de la arquitectura?
¿Una arquitectura basada en chiplets?
Actualmente no estamos considerando nada parecido. Creo que eso resulta sobre todo útil cuando se necesita combinar distintos tipos de tecnología. Así que, si uno quiere integrar tecnología de silicio-germanio o de DRAM en el mismo sustrato de silicio, eso se vuelve bastante interesante. Pero mientras el tamaño del troquel no se vuelva excesivo, no iría por ese camino.
Para que quede claro, la estrategia aquí, que comenzó hace poco más de tres años, fue diseñar y construir un ordenador totalmente optimizado y orientado a la conducción totalmente autónoma. Luego, escribir software diseñado específicamente para funcionar en ese ordenador y aprovecharlo al máximo. Así que se tiene un hardware a medida, maestro en un único oficio: la conducción autónoma. Nvidia es una gran empresa, pero tiene muchos clientes, así que, al aplicar sus recursos, necesita ofrecer una solución generalizada. A nosotros nos importa una sola cosa: la conducción autónoma. Así que se diseñó para hacer eso increíblemente bien. El software también está diseñado para funcionar increíblemente bien en ese hardware. Y la combinación del software y el hardware creo que es imbatible.
Investor Relations
Hola, el chip está diseñado para procesar entrada de video.
En caso de que usen, digamos, lidar,
¿sería capaz de procesarlo también, o es principalmente para video? Lo que les vamos a explicar hoy es que el lidar es una pérdida de tiempo, y cualquiera que dependa del lidar está condenado. Condenado. Sensores caros, caros e innecesarios. Es como tener un montón de apéndices costosos. Un apéndice ya es malo. Pues ahora quieren poner un montón de ellos. Eso es ridículo. Ya lo verán.
Oh, hay un caballero. Hola.
Solo dos preguntas sobre el consumo de energía. ¿Hay alguna forma de darnos, digamos, una regla general de que cada vatio reduce el alcance en cierto porcentaje o cierta cantidad?
de cuánta mejora representa un
Model 3, el consumo objetivo es de 250 vatios por milla.
Depende del tipo de conducción cuántas millas afecta eso en ciudad. Tendría un efecto mucho mayor que en autopista. Así que, si conducen una hora en ciudad y tuvieran, hipotéticamente, una solución que consumiera un kilovatio, perderían cuatro millas en un Model 3. Así que, si solo van a unas 12 millas por hora, eso supondría un impacto del 20 al 25% en el alcance en ciudad. Básicamente, el consumo del sistema tiene un impacto enorme en el alcance en ciudad, que es donde creemos que estará la mayor parte del mercado de los robotaxis. Así que el consumo de energía es sumamente importante. Tasha.
Lo siento, no le escuché.
¿Cuál es el objetivo principal de diseño del chip de próxima generación?
No queremos hablar demasiado del chip de próxima generación, pero es
Será al menos, digamos, tres veces mejor que el sistema actual.
A unas dos horas de aquí.
Analyst
Para desarrollar este chip, el chip en sí no lo fabrican ustedes, lo subcontratan. ¿Y cuánta reducción de coste supone eso en el coste total del vehículo?
La reducción de coste del 20% que mencioné era la reducción del coste por pieza por vehículo. Eso no era el coste de desarrollo, era solo el coste real.
Analyst
No, me refiero a. Pero si lo fabrico en masa, ¿esto ahorra dinero al hacerlo uno mismo?
Quiero decir, la mayoría de los chips se fabrican. La mayoría de la gente no fabrica chips con su propia planta. Es bastante inusual.
Analyst
Creo que no verán ningún problema de suministro para producir el chip en masa.
El ahorro de coste paga el desarrollo. Quiero decir, la estrategia básica que le planteamos a Elon fue: vamos a construir este chip, va a reducir el coste. Y Elon dijo: multiplicado por un millón de coches al año.
Si hay preguntas realmente específicas del chip, podemos responderlas. Si no, habrá una oportunidad de preguntas y respuestas después de que hable Andrej y después de que hable Stuart. Así que habrá otras dos oportunidades de preguntas y respuestas. Esto es si es algo muy específico del chip,
entonces también estaré aquí toda la tarde.
Sí, exactamente. Y Pete también estará aquí al final. Así que adelante.
Esa foto del troquel que mostraron.
El procesador neuronal ocupa bastante espacio del troquel. Tengo curiosidad, ¿es un diseño propio o hay algo de propiedad intelectual externa ahí?
Sí, eso fue un diseño personalizado de Tesla.
Y entonces supongo que la pregunta de seguimiento sería si probablemente haya bastante margen para reducir esa superficie a medida que ajusten el diseño.
En realidad es bastante denso. Así que, en cuanto a reducirlo, no lo creo. Va a mejorar enormemente las capacidades funcionales en la próxima generación.
Bien, y última pregunta. ¿Pueden compartir dónde están fabricando esta pieza?
¿Dónde la estamos fabricando?
Samsung, sí. Austin, Texas.
Investor Relations
Hay uno al fondo.
Grant Tanaka, de Tanaka Capital. Solo tengo curiosidad por saber qué tan defendibles son sus tecnologías de chip
Analyst
y su diseño desde el punto de vista de la propiedad intelectual, y espero que
de esa propiedad intelectual al exterior de forma gratuita.
Hemos presentado alrededor de una docena de patentes sobre esta tecnología. Fundamentalmente es álgebra lineal, que no creo que se pueda patentar. No estoy seguro.
Creo que si alguien empezara hoy y fuera realmente bueno, podría tener algo parecido a lo que tenemos ahora dentro de tres años, pero en dos años nosotros tendremos algo tres veces mejor.
Analyst
Hablando de la protección de la propiedad intelectual, tienen la mejor propiedad intelectual y algunas personas simplemente la roban por diversión. Me preguntaba si, viendo algunas interacciones con Aurora, la industria cree que les robaron su propiedad intelectual. Creo que el elemento clave que hay que proteger son los pesos asociados a los distintos parámetros. ¿Creen que su chip puede hacer algo para impedir que alguien quizás cifre todos los pesos de modo que ni ustedes mismos sepan cuáles son los pesos a nivel del chip, para que su propiedad intelectual permanezca dentro de él y nadie se entere y nadie pueda robarla?
Ben, me encantaría conocer a la persona que pudiera hacer eso, porque la contrataría de inmediato. Sí, así que sería un problema difícil. Sí. ¿Quieres? Es decir, sí ciframos el... Es un chip difícil de descifrar, así que, si logran descifrarlo, sería muy bueno de su parte. Si además logran descifrarlo y también entender el software y el sistema de red neuronal y todo lo demás... Podrían diseñarlo desde cero, con eso les bastaría.
Nuestra intención es impedir que la gente robe todo eso. Y si lo hacen, esperamos que al menos les lleve mucho tiempo.
Definitivamente les llevará mucho tiempo. Sí. Quiero decir, no creo que, aunque fuera nuestro objetivo hacer eso. ¿Cómo lo haríamos? Sería muy difícil. Pero lo que creo que es una ventaja muy poderosa y sostenible para nosotros es la flota. Nadie tiene la flota. Esos pesos se están actualizando y mejorando constantemente. Basado en miles de millones de millas recorridas, Tesla tiene 100 veces más coches con el hardware de conducción totalmente autónoma que todos los demás juntos. Saben, para fin de este trimestre tendremos 500.000 coches con el conjunto completo de 8 cámaras, 12 sensores ultrasónicos; algunos todavía tendrán el hardware 2, pero aun así conservamos la capacidad de recopilar datos. Y dentro de un año tendremos más de un millón de coches con el hardware completo del ordenador de conducción totalmente autónoma, todo. Sí, así que tenemos una base. Es simplemente una ventaja masiva de datos. Es similar a, ya saben, cómo el motor de búsqueda de Google tiene una ventaja enorme porque la gente lo usa y la gente, en efecto, programa a Google con sus consultas y sus resultados.
Analyst
¿Puedo insistir en eso y, por favor, replantear la pregunta, porque soy un lego en tecnología, si es apropiado? Pero, ya saben, cuando hablamos con Waymo o con Nvidia, hablan con la misma convicción sobre su liderazgo debido a su capacidad para simular millas recorridas. ¿Pueden hablar sobre la ventaja de tener millas del mundo real frente a millas simuladas? Porque creo que ellos plantean que, para cuando uno llega a un millón de millas, pueden simular mil millones. Y ningún piloto de Fórmula 1, por ejemplo, podría completar con éxito un circuito real sin haber conducido antes en un simulador. ¿Pueden hablar de las ventajas que perciben al tener la ingesta de datos provenientes de millas reales frente a millas simuladas?
Por supuesto. El simulador... tenemos un simulador bastante bueno también, pero sencillamente no capta la larga cola de cosas raras que ocurren en el mundo real. Si la simulación capturara por completo el mundo real... Bueno, eso sería, creo, la prueba de que vivimos en una simulación. Sí, no lo hace, ojalá lo hiciera. Pero las simulaciones no capturan el mundo real. El mundo real es realmente extraño y caótico. Se necesitan los coches en la carretera. De hecho, vamos a entrar en eso en la presentación de Andrej y Stuart. Así que. Bien, ¿por qué no pasamos a Andrej?
Investor Relations
Genial, gracias. Gracias.
Investor Relations
Muchas gracias. La última pregunta fue en realidad una muy buena transición, porque algo que hay que recordar sobre nuestro ordenador FSD es que puede ejecutar redes neuronales mucho más complejas para un reconocimiento de imágenes mucho más preciso. Y para hablarles de cómo obtenemos realmente esos datos de imagen y cómo los analizamos, tenemos a nuestro Director Senior de IA, Andrej Karpathy, quien les explicará todo eso. Andrej tiene un doctorado de la Universidad de Stanford, donde estudió ciencias de la computación, centrándose en el reconocimiento visual y el aprendizaje profundo.
Andrej, ¿por qué no hablas tú mismo? Haz tu propia presentación. Hay muchos doctorados de Stanford. Eso no es importante. Sí, bueno, eso no nos importa.
Investor Relations
Adelante, pasa.
Andrej fundó el curso de visión por computadora en Stanford. Eso es mucho más significativo. Eso es lo que importa.
¿Podrías hablar de tu trayectoria sin ser tan modesto? Cuéntame de lo que has hecho y luego.
Bueno, sí, creo que he estado entrenando redes neuronales desde hace prácticamente una década. Y estas redes neuronales realmente no se usaron en la industria hasta hace quizás cinco o seis años. Así que ha pasado bastante tiempo desde que entreno estas redes neuronales, y eso incluyó instituciones como Stanford, OpenAI, Google, y realmente entrenar muchas redes neuronales no solo para imágenes, sino también para lenguaje natural, y diseñar arquitecturas que combinen esas dos modalidades. Para mi doctorado, así que.
Y la clase de ciencias de la computación.
Ah, sí. Y en Stanford de hecho impartí la clase de redes neuronales convolucionales. Y fui el instructor principal de esa clase. De hecho, yo inicié el curso y diseñé todo el plan de estudios. Al principio había unos 150 estudiantes, y luego creció a 700 estudiantes en los siguientes dos o tres años. Así que es una clase muy popular. Es una de las clases más grandes de Stanford en este momento. Así que eso también fue un gran éxito.
Quiero decir, Andrej es realmente una de las mejores personas en visión por computadora del mundo. Posiblemente el mejor.
Hola a todos. Pete les contó todo sobre el chip que diseñamos y que ejecuta las redes neuronales en el coche. Mi equipo es responsable del entrenamiento de estas redes neuronales, y eso incluye toda la recopilación de datos de la flota, el entrenamiento de la red neuronal y luego parte del despliegue en ese chip. Entonces, ¿qué hacen exactamente las redes neuronales en el coche? Lo que estamos viendo aquí es un flujo de videos desde distintas partes del vehículo, del coche. Son ocho cámaras que nos envían video. Y luego estas redes neuronales observan esos videos, los procesan y hacen predicciones sobre lo que están viendo. Así que algunas de las cosas que nos interesan, y algunas de las que ven en esta visualización, son las marcas de los carriles, otros objetos, las distancias a esos objetos, lo que llamamos espacio transitable, mostrado en azul, que es por donde el coche puede circular, y muchas otras predicciones como semáforos, señales de tráfico, etcétera. Ahora, para mi charla, hablaré más o menos en tres etapas. Primero, voy a darles una breve introducción sobre las redes neuronales, cómo funcionan y cómo se entrenan. Y necesito hacer esto porque en la segunda parte tengo que explicar por qué es tan importante que tengamos la flota y por qué es un factor clave para entrenar realmente estas redes neuronales y hacer que funcionen de forma efectiva en las carreteras. Y en la tercera etapa hablaré de visión y lidar, y de cómo podemos estimar la profundidad solo con visión. El problema central que resuelven estas redes en el coche es el del reconocimiento visual. Para ustedes y para mí, este es un problema muy simple. Pueden mirar estas cuatro imágenes y ver que contienen un chelo, un barco, una iguana o unas tijeras. Esto es muy simple y sin esfuerzo para nosotros. No es el caso para las computadoras. Y la razón es que, para una computadora, estas imágenes son en realidad solo una enorme cuadrícula de píxeles. Y en cada píxel se tiene el valor de brillo en ese punto. Así que, en lugar de simplemente ver una imagen, una computadora en realidad recibe un millón de números en una cuadrícula que indican los valores de brillo en todas las posiciones.
Una matriz, si se quiere. Realmente es la matriz.
Y así tenemos que pasar de esa cuadrícula de píxeles y valores de brillo a conceptos de alto nivel como 'iguana', etcétera. Y como pueden imaginar, esta iguana tiene un patrón determinado de valores de brillo. Pero las iguanas, de hecho, pueden presentar muchas apariencias. Pueden tener muchas apariencias distintas, diferentes posturas y diferentes condiciones de brillo contra diferentes fondos. Pueden tener distintos recortes de esa misma iguana. Así que tenemos que ser robustos ante todas esas condiciones, y tenemos que entender que todos esos patrones de brillo tan distintos corresponden en realidad a iguanas. Ahora bien, la razón por la que ustedes y yo somos tan buenos en esto es porque tenemos una enorme red neuronal dentro de la cabeza que procesa esas imágenes. La luz incide en la retina, viaja hasta la parte posterior del cerebro, a la corteza visual. Y la corteza visual está compuesta por muchas neuronas conectadas entre sí que realizan todo el reconocimiento de patrones sobre esas imágenes.
Y realmente, durante los últimos, diría yo, cinco años, los enfoques más avanzados para procesar imágenes con computadoras también han empezado a usar redes neuronales, pero en este caso, redes neuronales artificiales. Pero estas redes neuronales artificiales, y esto es solo un diagrama esquemático, son una aproximación matemática muy burda de su corteza visual. Realmente tenemos neuronas, y están conectadas entre sí. Y aquí solo estoy mostrando tres o cuatro neuronas en tres o cuatro capas. Pero una red neuronal típica tendrá decenas o cientos de millones de neuronas, y cada neurona tendrá mil conexiones. Así que estas son en realidad grandes piezas de tejido casi simulado. Y entonces lo que podemos hacer es tomar esas redes neuronales y mostrarles imágenes. Por ejemplo, puedo alimentar mi imagen de la iguana a esta red neuronal, y la red hará predicciones sobre lo que está viendo. Ahora bien, al principio, estas redes neuronales se inicializan de forma completamente aleatoria, así que las fuerzas de conexión entre todas esas neuronas son completamente aleatorias. Y, por lo tanto, las predicciones de esa red también van a ser completamente aleatorias. Así que podría pensar que en realidad están viendo un barco en este momento. Y es muy poco probable que piense que esto es en realidad una iguana. Y durante el entrenamiento, durante el proceso de entrenamiento, lo que realmente hacemos es que nosotros sabemos que eso es, en realidad, una iguana. Tenemos una etiqueta. Así que lo que hacemos es, básicamente, decir que queremos que la probabilidad de 'iguana' sea mayor para esta imagen y que la probabilidad de todo lo demás disminuya. Y luego hay un proceso matemático llamado retropropagación, descenso de gradiente estocástico, que nos permite propagar esa señal hacia atrás a través de esas conexiones. Y actualizar cada una de esas conexiones.
Y actualizar cada una de esas conexiones solo un poquito. Y una vez completada la actualización, la probabilidad de 'iguana' para esta imagen subirá un poco. Así que podría pasar a ser un 14%, y la probabilidad de las otras cosas bajará. Y, por supuesto, no hacemos esto solo para esta única imagen. De hecho, tenemos conjuntos de datos enormes y etiquetados. Así que tenemos muchísimas imágenes. Normalmente se pueden tener millones de imágenes, miles de etiquetas o algo así, y se hacen pasadas hacia adelante y hacia atrás una y otra vez. Así que le muestras a la computadora: aquí hay una imagen, ella tiene una opinión, y luego le dices cuál es la respuesta correcta, y se ajusta un poquito. Repites esto millones de veces, y a veces le muestras a la computadora la misma imagen, saben, cientos de veces también. Así que el entrenamiento de la red suele tardar del orden de unas pocas horas o unos pocos días, dependiendo de qué tan grande sea la red que se está entrenando. Y ese es el proceso de entrenar una red neuronal. Ahora bien, hay algo muy poco intuitivo sobre la forma en que funcionan las redes neuronales que tengo que explicar de verdad, y es que realmente requieren muchísimos de estos ejemplos y realmente empiezan desde cero. No saben nada. Y es realmente difícil hacerse a la idea de esto. Así que, como ejemplo, aquí hay un perro muy lindo. Y probablemente no sepan la raza de este perro, pero la respuesta correcta es que es un spaniel japonés. Ahora bien, todos estamos mirando esto y vemos 'spaniel japonés', y pensamos: vale, entendido. Entiendo más o menos cómo se ve este spaniel japonés. Y si les muestro algunas imágenes más de otros perros, probablemente puedan identificar otros spaniels japoneses aquí. En particular, esos tres se parecen a un spaniel japonés y los demás no. Así que pueden hacer esto muy rápido. Y necesitan un solo ejemplo, pero las computadoras no funcionan así. En realidad necesitan una cantidad enorme de datos de spaniels japoneses. Así que esta es una cuadrícula de spaniels japoneses mostrándolos; se necesitan miles de ejemplos mostrándolos en distintas posturas, distintas condiciones de brillo, distintos fondos, distintos recortes. Realmente hay que enseñarle a la computadora, desde todos los ángulos posibles, cómo se ve este spaniel japonés. Y de verdad se necesitan todos esos datos para que eso funcione. De lo contrario, la computadora no puede captar ese patrón de forma automática. Entonces, ¿qué implica todo esto para el contexto de la conducción autónoma? Por supuesto, no nos importa mucho la raza del perro. Quizás en algún momento nos importe, pero por ahora realmente nos importan las marcas de los carriles, los objetos, dónde están, por dónde podemos conducir, etcétera. Así que la forma en que hacemos esto es que no tenemos etiquetas tipo 'iguana' para las imágenes, pero sí tenemos imágenes de la flota como esta. Y nos interesan, por ejemplo, las marcas de los carriles. Así que una persona normalmente entra en una imagen y, usando el mouse, anota las marcas de los carriles. Así que aquí hay un ejemplo de una anotación que una persona podría crear como etiqueta para esta imagen. Y dice que eso es lo que deberían estar viendo en esta imagen. Estas son las marcas de los carriles. Y luego lo que podemos hacer es ir a la flota y pedir más imágenes a la flota. Y si le piden a la flota, si simplemente hacen esto de manera ingenua y piden imágenes al azar, la flota podría responder con imágenes como estas. Normalmente, avanzando por alguna autopista, esto es lo que podrían obtener, una colección aleatoria como esta. Y anotaríamos todos esos datos. Ahora bien, si no son cuidadosos y solo anotan una distribución aleatoria de estos datos, su red básicamente captará esa distribución aleatoria de los datos y solo funcionará en ese régimen. Así que, si le muestran un ejemplo ligeramente distinto, por ejemplo, aquí hay una imagen donde la carretera en realidad se curva y es un vecindario algo más residencial. Entonces, si le muestran a la red neuronal esta imagen, esa red podría hacer una predicción incorrecta. Podría pensar: bueno, he visto muchas veces que en las autopistas los carriles simplemente siguen de frente. Así que aquí hay una posible predicción. Y, por supuesto, esto es muy incorrecto, pero en realidad no se puede culpar a la red neuronal. No sabe si el árbol de la izquierda importa o no. No sabe si el coche de la derecha importa o no para la marca del carril. No sabe si los edificios del fondo importan o no. Realmente empieza por completo desde cero. Y ustedes y yo sabemos que la verdad es que nada de eso importa. Lo que realmente importa es que hay unas marcas blancas de carril allá, en un punto de fuga. Y el hecho de que se curven un poco debería influir en la predicción. Salvo que no hay ningún mecanismo por el cual simplemente podamos decirle a la red neuronal: oye, esas marcas de carril sí importan. La única herramienta que tenemos en la caja de herramientas son los datos etiquetados. Así que lo que hacemos es tomar imágenes como esta, cuando la red falla, y tenemos que etiquetarlas correctamente. En este caso, giraremos el carril hacia la derecha y luego tenemos que alimentar muchísimas imágenes de esto a la red neuronal. Y la red neuronal, con el tiempo, irá acumulando, básicamente captará este patrón de que esas cosas de ahí no importan, pero esas marcas de carril sí, y aprenderemos a predecir el carril correcto. Así que lo realmente crítico no es solo la escala del conjunto de datos. No solo queremos millones de imágenes. En realidad necesitamos hacer un muy buen trabajo cubriendo el espacio posible de cosas que el coche podría encontrar en las carreteras. Así que necesitamos enseñarle a la computadora cómo manejar escenarios donde es de noche y está mojado, con todos esos reflejos especulares, y, como pueden imaginar, los patrones de brillo en esas imágenes se verán muy distintos. Tenemos que enseñarle a la computadora cómo tratar las sombras, cómo tratar las bifurcaciones en la carretera, cómo tratar objetos grandes que puedan ocupar la mayor parte de esa imagen, cómo tratar los túneles o cómo tratar las obras en construcción. Y en todos esos casos, de nuevo, no hay ningún mecanismo explícito para decirle a la red qué hacer. Solo tenemos cantidades masivas de datos. Queremos obtener todas esas imágenes y queremos anotar las líneas correctas, y la red captará los patrones de esos conjuntos de datos ahora grandes y variados, lo que básicamente hace que estas redes funcionen muy bien. Esto no es solo un hallazgo nuestro aquí en Tesla. Es un hallazgo generalizado en toda la industria. Así que experimentos e investigaciones de Google, de Facebook, de Baidu, del DeepMind de Alphabet, todos muestran gráficos similares donde las redes neuronales realmente aman los datos y aman la escala y la variedad. A medida que se añaden más datos, estas redes neuronales empiezan a funcionar mejor y obtienen mayor precisión de forma gratuita. Así que más datos simplemente las hace funcionar mejor. Ahora bien, varias empresas, varias personas, han señalado que potencialmente podríamos usar simulación para lograr esa escala de los conjuntos de datos. Y aquí controlamos muchas de las condiciones. Y quizás podamos lograr algo de variedad en un simulador, ahora, en Tesla. Y eso también se mencionó un poco en las preguntas justo antes de esto. Ahora, en Tesla, esta es en realidad una captura de pantalla de nuestro propio simulador. Usamos la simulación de forma extensiva. La usamos para desarrollar y evaluar el software. Incluso la hemos usado para entrenamiento con bastante éxito. Pero realmente, cuando se trata de datos de entrenamiento para redes neuronales, no hay sustituto para los datos reales. Las simulaciones tienen muchos problemas para modelar la apariencia, la física y los comportamientos de todos los agentes alrededor. Así que hay algunos ejemplos para dejar realmente claro ese punto: el mundo real realmente te lanza un montón de cosas descabelladas. En este caso, por ejemplo, tenemos entornos muy complicados con nieve, con árboles, con viento. Tenemos diversos artefactos visuales que potencialmente son difíciles de simular. Tenemos sitios de construcción complicados, arbustos y bolsas de plástico que pueden revolotear con el viento. Sitios de construcción complicados que pueden incluir a mucha gente, niños, animales, todo mezclado. Y simular cómo interactúan esas cosas y se mueven por esa zona de construcción podría ser, en realidad, completamente, completamente intratable. No se trata del movimiento de un peatón cualquiera ahí. Se trata de cómo responden entre sí y cómo responden esos coches entre sí y cómo responden a que tú conduzcas en ese entorno. Y todo eso es realmente muy difícil de simular. Es casi como si tuvieras que resolver el problema de la conducción autónoma solo para simular a los demás coches en tu simulación. Así que es realmente complicado. Así que tenemos perros, animales exóticos, y en algunos casos no es solo que no se pueda simular, es que ni siquiera se puede imaginar. Por ejemplo, yo no sabía que se podía tener un camión encima de otro camión así. Pero en el mundo real te encuentras eso, y te encuentras con muchas otras cosas que de verdad es difícil incluso imaginar. Así que, realmente, la variedad que estoy viendo en los datos que llegan de la flota es simplemente una locura. En comparación con lo que tenemos en el simulador, tenemos un simulador muy bueno.
Quiero decir, creo que la simulación, en el fondo, es calificar tu propia tarea. Así que, si sabes que vas a simularlo, de acuerdo, definitivamente puedes resolverlo. Pero, como dice Andrej, uno no sabe lo que no sabe. El mundo es muy extraño y tiene millones de casos límite. Y si alguien pudiera producir una simulación de conducción autónoma que coincida con precisión con la realidad, eso en sí mismo sería un logro monumental de la capacidad humana. No pueden. No hay forma.
Sí. Así que creo que los tres puntos que de verdad he intentado dejar claros hasta ahora son que, para que las redes neuronales funcionen bien, se necesitan estos tres elementos esenciales. Se necesita un conjunto de datos grande, un conjunto de datos variado y un conjunto de datos real. Y si se tienen esas capacidades, se pueden entrenar redes neuronales de verdad y hacer que funcionen muy bien. Y entonces, ¿por qué Tesla está en una posición tan única e interesante para conseguir realmente estos tres elementos esenciales? Y la respuesta a eso, por supuesto, es la flota. Realmente podemos obtener datos de ella y hacer que nuestros sistemas de redes neuronales funcionen extremadamente bien. Así que déjenme guiarlos por un ejemplo concreto, por ejemplo, de cómo mejorar el detector de objetos, para darles una idea de cómo desarrollamos estas redes neuronales, cómo iteramos sobre ellas y cómo logramos realmente que funcionen con el tiempo. Así que la detección de objetos es algo que nos importa mucho. Nos gustaría poner cuadros delimitadores alrededor, digamos, de los coches y los objetos aquí, porque necesitamos rastrearlos y entender cómo podrían moverse. Así que, de nuevo, podríamos pedirle a anotadores humanos que nos den algunas anotaciones para esto. Y los humanos podrían entrar y decirnos: bien, esos patrones de ahí son coches y bicicletas, etcétera. Y se puede entrenar una red neuronal con esto. Pero, si no se es cuidadoso, la red neuronal hará predicciones erróneas en algunos casos. Por ejemplo, si nos encontramos con un coche como este que tiene una bicicleta en la parte de atrás, entonces la red neuronal, cuando yo me uní, de hecho creaba dos detecciones. Creaba una detección de coche y una detección de bicicleta. Y eso en realidad es algo correcto, porque supongo que ambos objetos existen de verdad. Pero, para los fines del controlador y del planificador que vienen después, en realidad no se quiere tener que lidiar con el hecho de que esta bicicleta pueda ir junto con el coche. La verdad es que esa bicicleta está sujeta a ese coche. Así que, en términos de los objetos en la carretera... Hay un solo objeto, un solo coche. Y entonces lo que uno querría hacer ahora es, potencialmente, anotar muchas de esas imágenes señalando que esto es solo un coche. Así que el proceso que seguimos internamente en el equipo es tomar esta imagen, o unas pocas imágenes que muestren este patrón, y tenemos un mecanismo, un mecanismo de aprendizaje automático, mediante el cual podemos pedirle a la flota que nos provea ejemplos que se parezcan a eso. Y la flota podría responder con imágenes que contienen esos patrones. Por ejemplo, estas seis imágenes podrían venir de la flota. Todas contienen bicicletas en la parte de atrás de coches. Y entraríamos y anotaríamos todas esas como un solo coche. Y entonces el rendimiento de ese detector mejora. Y la red, internamente, entiende que, oye, cuando la bicicleta simplemente está sujeta al coche, eso es en realidad solo un coche. Y puede aprenderlo con suficientes ejemplos, y así es como, más o menos, solucionamos ese problema. Voy a mencionar que hablo bastante sobre obtener datos de la flota. Solo quiero señalar rápidamente que diseñamos esto desde el principio pensando en la privacidad, y todos los datos que usamos para el entrenamiento están anonimizados. Ahora bien, la flota no solo responde con bicicletas en la parte de atrás de coches. Buscamos de todo. Buscamos muchas cosas todo el tiempo. Por ejemplo, buscamos barcos, y la flota puede responder con barcos. Buscamos obras de construcción, y la flota puede enviarnos muchas obras de construcción de todo el mundo. Buscamos incluso casos algo más raros. Por ejemplo, encontrar escombros en la carretera es bastante importante para nosotros. Así que estos son ejemplos de imágenes que nos ha enviado la flota y que muestran neumáticos, conos, bolsas de plástico y cosas así. Si podemos obtener esto a gran escala, podemos anotarlo correctamente y la red neuronal puede aprender cómo manejarlo en el mundo real. Aquí hay otro ejemplo. Animales, que por supuesto también son un suceso y un evento muy raro. Pero queremos que la red neuronal entienda realmente lo que está pasando aquí, que estos son animales, y queremos manejar eso correctamente. Así que, para resumir, el proceso mediante el cual iteramos sobre las predicciones de la red neuronal se ve algo así. Empezamos con un conjunto de datos inicial que potencialmente se obtuvo al azar. Anotamos ese conjunto de datos y luego entrenamos redes neuronales con ese conjunto de datos y lo ponemos en el coche. Y luego tenemos mecanismos mediante los cuales notamos imprecisiones en el coche cuando este detector podría estar comportándose mal. Por ejemplo, si detectamos que la red neuronal podría estar dudando, o si detectamos que, o si hay una intervención del conductor en cualquiera de esos escenarios, podemos crear esta infraestructura de activadores que nos envía datos de esas imprecisiones. Y así, por ejemplo, si no tenemos un buen rendimiento en la detección de marcas de carril en túneles, entonces podemos notar que hay un problema en los túneles. Esa imagen entraría en nuestra prueba unitaria. Así que podemos verificar que, con el tiempo, realmente estamos solucionando el problema. Pero ahora bien, lo que hay que hacer para corregir esta imprecisión es obtener muchos más ejemplos que se parezcan a eso. Así que le pedimos a la flota que, por favor, nos envíe muchos más túneles. Y luego etiquetamos todos esos túneles correctamente, lo incorporamos al conjunto de entrenamiento, y volvemos a entrenar la red, la redesplegamos e iteramos el ciclo una y otra vez. Y así es como nos referimos a este proceso iterativo mediante el cual mejoramos estas predicciones de rendimiento: el motor de datos. Así que, desplegando algo iterativamente, potencialmente en modo sombra, obteniendo imprecisiones e incorporándolas al conjunto de entrenamiento una y otra vez. Y hacemos esto básicamente para todas las predicciones de estas redes neuronales. Ahora bien, hasta ahora he hablado de mucho etiquetado explícito. Así que, como mencioné, le pedimos a la gente que anote datos. Este es un proceso costoso en tiempo. Y también con respecto a... Sí, simplemente es un proceso costoso. Y por supuesto, estas anotaciones pueden llegar a ser muy costosas de conseguir. Así que de lo que también quiero hablar es de aprovechar realmente el poder de la flota. No se quiere pasar por este cuello de botella de anotación humana. Se quiere simplemente recibir datos en flujo y automatizarlo todo. Y tenemos múltiples mecanismos para hacer esto. Como un ejemplo de un proyecto en el que trabajamos recientemente está la detección de 'cut-ins' (cortes de carril). Así que estás conduciendo por la autopista, alguien está a la izquierda o a la derecha, y se te cruza delante hacia tu carril. Así que aquí hay un video mostrando al Autopilot detectando que este coche está invadiendo nuestro carril. Ahora bien, por supuesto, nos gustaría detectar un corte de carril tan rápido como sea posible. Así que la forma en que abordamos este problema no es escribiendo código explícito para preguntar si el intermitente izquierdo está encendido. ¿El intermitente derecho está encendido? Rastrear el teclado con el tiempo y ver si se mueve horizontalmente. En realidad usamos un enfoque de aprendizaje de flota. Así que la forma en que esto funciona es que le pedimos a la flota que, por favor, nos envíe datos cada vez que vean un coche pasar del carril derecho al carril central, o del izquierdo al central. Y luego lo que hacemos es rebobinar el tiempo hacia atrás y podemos anotar automáticamente que, oye, ese coche va a girar, va a cortarse delante de ti en 1,3 segundos. Y entonces podemos usar eso para entrenar la red neuronal. Y así la red neuronal captará automáticamente muchos de estos patrones. Por ejemplo, los coches suelen estar guiñados, se mueven en esa dirección, quizás el intermitente está encendido. Todo eso ocurre internamente dentro de la red neuronal, solo a partir de estos ejemplos. Así que le pedimos a la flota que nos envíe automáticamente todos estos datos. Podemos obtener medio millón de imágenes o así, y todas ellas estarían anotadas para cortes de carril. Y luego entrenamos la red. Y luego tomamos esta red de detección de cortes y la desplegamos en la flota. Pero no la activamos todavía. La ejecutamos en modo sombra. Y en modo sombra, la red está siempre haciendo predicciones. Oye, creo que este vehículo va a cortarse. Por cómo se ve, este vehículo va a cortarse. Y luego buscamos predicciones erróneas. Como ejemplo, este es un clip que tuvimos del modo sombra de la red de detección de cortes. Y es un poco difícil de ver, pero la red pensó que el vehículo justo delante de nosotros, a la derecha, iba a cortarse. Y pueden ver más o menos que está coqueteando ligeramente con la marca del carril. Está intentando, está invadiendo un poco. Y la red se emocionó y sintió que eso iba a ser un corte de carril. Ese vehículo en realidad terminará en nuestro carril central. Eso resultó ser incorrecto porque... Y el vehículo en realidad no hizo eso. Así que lo que hacemos ahora es simplemente poner en marcha el motor de datos. Obtenemos lo que corrió en modo sombra. Está haciendo predicciones, produce algunos falsos positivos y hay algunas detecciones de falsos negativos. Así que a veces nos emocionamos de más, y a veces nos perdimos un corte de carril cuando realmente ocurrió. Todo eso crea un activador que nos llega y que ahora se incorpora gratis. No se perjudica a ningún humano en el proceso de etiquetar estos datos que se incorporan gratis a nuestro conjunto de entrenamiento. Volvemos a entrenar la red y la redesplegamos en modo sombra. Y así podemos repetir esto varias veces. Y siempre observamos los falsos positivos y negativos que llegan de la flota. Y una vez que estamos satisfechos con la proporción de falsos positivos y falsos negativos, en realidad activamos el interruptor y dejamos que el coche se controle según esa red. Y así, es posible que hayan notado que de hecho desplegamos una de las primeras versiones de un detector de cortes de carril hace aproximadamente, creo, tres meses. Así que, si han notado que el coche es mucho mejor detectando los cortes de carril... Eso es aprendizaje de flota operando a gran escala. Sí, de hecho funciona bastante bien. Así que eso es aprendizaje de flota. No se perjudicó a ningún humano en el proceso. Es solo mucho entrenamiento de redes neuronales basado en datos y mucho modo sombra. Y, viendo esos resultados, esencialmente otra cosa,
básicamente lo que ocurre es que todos están entrenando la red todo el tiempo. Ya sea que el Autopilot esté encendido o apagado, la red se está entrenando. Cada milla que recorre un coche con hardware 2 o superior está entrenando la red.
Otra forma interesante en que usamos esto dentro del esquema del aprendizaje de flota, y el otro proyecto del que hablaré, es la predicción de trayectoria. Así que, mientras conduces el coche, lo que en realidad estás haciendo es anotar los datos, porque estás girando el volante, nos estás diciendo cómo atravesar distintos entornos. Así que lo que estamos viendo aquí es alguien de la flota que giró a la izquierda en una intersección. Y lo que hacemos aquí es que tenemos el video completo de todas las cámaras, y sabemos cuál fue el camino que tomó esta persona gracias al GPS, la unidad de medición inercial, el ángulo del volante, los pulsos de las ruedas. Así que juntamos todo eso y entendemos el camino que tomó esta persona a través de este entorno. Y entonces, por supuesto, podemos usar esto como supervisión para la red. Así que simplemente obtenemos mucho de esto de la flota. Entrenamos una red neuronal con esas trayectorias, y entonces la red neuronal predice caminos solo a partir de esos datos. Así que a esto normalmente se le llama aprendizaje por imitación. Estamos tomando trayectorias humanas del mundo real y simplemente tratando de imitar cómo conduce la gente en el mundo real. Y también podemos aplicar el mismo mecanismo del motor de datos a todo esto y hacer que funcione mejor con el tiempo. Así que aquí hay un ejemplo de predicción de trayectoria a través de un entorno algo complicado. Así que lo que están viendo aquí es un video, y estamos superponiendo la predicción, las predicciones de la red. Así que este es el camino que la red seguiría, en verde, y algo...
Sí, bueno, lo loco es que la red está prediciendo caminos que ni siquiera puede ver, con una precisión increíblemente alta. No puede ver al dar la vuelta a la esquina. Pero está diciendo que la probabilidad de esa curva es extremadamente alta. Así que ese es el camino, y lo clava. Lo verán hoy en los coches. Pero vamos a activar la visión aumentada para que puedan ver las marcas de carril y las predicciones de trayectoria de los coches superpuestas en el video.
Sí, de hecho hay más cosas ocurriendo bajo el capó de lo que se nota.
Quiero decir, para ser honesto, da un poco de miedo.
Y, por supuesto, hay muchos detalles que estoy pasando por alto. Puede que no quieras anotar a todos los conductores; puede que solo quieras imitar a los mejores conductores. Y hay muchas formas técnicas en las que, de hecho, cortamos y organizamos esos datos. Pero lo interesante aquí es que esta predicción es en realidad una predicción en 3D que proyectamos de vuelta sobre la imagen. Así que el camino hacia adelante aquí es algo tridimensional que simplemente estamos renderizando en 2D. Pero sabemos, a partir de todo esto, la pendiente del terreno, y eso es extremadamente valioso para conducir. Así que, de hecho, la predicción de trayectoria ya está en vivo en la flota hoy en día. Si conducen en un trébol de autopista, en un intercambiador en trébol, hasta hace unos cinco meses su coche no habría podido manejar ese trébol. Ahora puede. Eso es la predicción de trayectoria funcionando en vivo en sus coches. Lo desplegamos hace un tiempo y hoy van a poder experimentarlo. Para atravesar intersecciones, una gran parte de cómo circulamos por intersecciones hoy en sus conducciones proviene en su totalidad de la predicción de trayectoria basada en etiquetas automáticas. Así que lo que he contado hasta ahora son en realidad los tres componentes clave de cómo iteramos sobre las predicciones de la red y cómo logramos que funcione con el tiempo. Se necesita un conjunto de datos grande, variado y real. Realmente podemos lograr eso aquí en Tesla, y lo hacemos a través de la escala de la flota, el motor de datos, desplegando cosas en modo sombra, iterando ese ciclo, y potencialmente incluso usando el aprendizaje de flota, donde no se perjudica a ningún anotador humano en el proceso, y simplemente usando los datos de forma automática. Y realmente podemos hacer eso a gran escala. Así que en la siguiente sección de mi charla voy a hablar especialmente sobre la percepción de profundidad usando solo visión. Puede que sepan que hay al menos dos sensores en el coche. Uno son las cámaras de visión, que simplemente obtienen píxeles, y el otro es el lidar, que muchas empresas también usan. Y el lidar les da estas mediciones puntuales de distancia a su alrededor. Ahora bien, algo que quiero señalar, primero de todo, es que todos ustedes vinieron aquí, condujeron hasta aquí, muchos de ustedes, y usaron su red neuronal y su visión. No estaban disparando láseres por los ojos, y aun así llegaron aquí.
Puede que sí lo hiciéramos.
Las cosas salieron bien. Así que claramente la red neuronal humana deriva la distancia y todas las mediciones y la comprensión tridimensional del mundo solo a partir de la visión. De hecho, usa múltiples señales para hacerlo. Voy a repasar brevemente algunas de ellas solo para darles una idea aproximada de lo que ocurre por dentro. Por ejemplo, tenemos dos ojos mirando hacia adelante, así que en cada instante obtienen dos mediciones independientes del mundo frente a ustedes. Y su cerebro combina esa información para llegar a una estimación de profundidad, porque pueden triangular cualquier punto entre esos dos puntos de vista. Muchos animales, en cambio, tienen los ojos ubicados a los lados, por lo que tienen muy poco solapamiento en sus campos visuales. Así que suelen usar la estructura a partir del movimiento. Y la idea es que mueven la cabeza, y debido a ese movimiento, en realidad obtienen múltiples observaciones del mundo. Y de nuevo pueden triangular profundidades. E incluso con un ojo cerrado y completamente inmóviles, aún pueden tener cierta percepción de profundidad. Si hicieran eso, no creo que notaran que me acerco a ustedes a 2 metros o que estoy a 100 metros detrás. Y eso es porque hay muchas señales monoculares muy fuertes que su cerebro también toma en cuenta. Este es un ejemplo de una ilusión visual bastante común, donde, saben, estas dos barras azules son idénticas, pero la forma en que su cerebro compone esta escena simplemente espera que una sea más grande que la otra debido a las líneas de fuga de esta imagen. Así que el cerebro hace mucho de esto de forma automática. Y las redes neuronales, las redes neuronales artificiales, también pueden hacerlo. Así que déjenme darles tres ejemplos de cómo se puede llegar a la percepción de profundidad solo a partir de la visión. Un enfoque clásico y dos que dependen de redes neuronales. Así que aquí hay un video bajando, creo que es San Francisco, de un Tesla. Así que estas son nuestras cámaras, nuestra percepción, y estamos viendo todo. Solo estoy mostrando la cámara principal, pero todas las cámaras están activas, las ocho cámaras del Autopilot. Y si uno simplemente tiene este clip de seis segundos, lo que se puede hacer es reconstruir este entorno en 3D usando técnicas de estéreo multivista. Así que esto.
¿Esto se supone que es un video, no? ¿Un video? Ah, ya sé, es... Ahí vamos. Así que esta es la reconstrucción 3D de esos 6 segundos de ese coche recorriendo ese camino. Y pueden ver que esta información es en realidad muy recuperable a partir de, de solo videos. Y, más o menos, eso es a través del proceso de triangulación y, como mencioné, el estéreo multivista. Y hemos aplicado técnicas similares, algo más dispersas y aproximadas, también en el coche. Así que es notable que toda esa información realmente está ahí en el sensor y solo es cuestión de extraerla. El otro proyecto del que quiero hablar brevemente es, como mencioné, que no hay nada especial en la red neuronal en sí. Las redes neuronales son motores de reconocimiento visual muy poderosos. Y si quieren que predigan profundidad, entonces necesitan, por ejemplo, buscar etiquetas de profundidad. Y entonces pueden hacerlo de forma extremadamente buena. Así que no hay nada que impida a las redes predecir esta profundidad monocular, excepto los datos etiquetados. Así que un ejemplo de proyecto que hemos analizado internamente es que usamos el radar orientado hacia adelante, mostrado en azul, y ese radar está mirando hacia afuera y midiendo las profundidades de los objetos. Y usamos ese radar para anotar lo que la visión está viendo, los cuadros delimitadores que salen de las redes neuronales. Así que, en lugar de que anotadores humanos les digan: de acuerdo, este coche y este cuadro delimitador están a unos 25 metros de distancia, pueden anotar esos datos mucho mejor usando sensores. Así que se usa anotación por sensores. Por ejemplo, el radar es bastante bueno en esa distancia. Pueden anotar eso y luego entrenar una red neuronal con ello. Y si simplemente se tienen suficientes datos de esto, esta red neuronal es muy buena prediciendo esos patrones. Así que aquí hay un ejemplo de predicciones de eso. En círculos estoy mostrando objetos del radar, y... Y los cuboides que aparecen aquí provienen puramente de la visión. Así que los cuboides aquí provienen solo de la visión. Y la profundidad de esos cuboides se aprendió mediante anotación por sensor a partir del radar. Así que, si esto funciona muy bien, entonces verían que los círculos en la vista desde arriba coinciden con los cuboides. Y así es. Y eso es porque las redes neuronales son muy competentes prediciendo profundidades. Pueden aprender internamente los distintos tamaños de los vehículos y saben qué tan grandes son esos vehículos. Y de hecho, se puede derivar la profundidad a partir de eso con bastante precisión. El último mecanismo del que hablaré muy brevemente es un poco más sofisticado y se vuelve algo más técnico. Pero es un mecanismo sobre el cual recientemente han aparecido varios artículos, básicamente en el último año o dos, con este enfoque. Se llama autosupervisión. Así que lo que se hace en muchos de estos artículos es alimentar videos sin procesar a las redes neuronales, sin ninguna etiqueta. Y aun así se puede aprender, se puede lograr que las redes neuronales aprendan la profundidad. Y es un poco técnico, así que no puedo entrar en todos los detalles, pero la idea es que la red neuronal predice la profundidad en cada fotograma de ese video. Y entonces no hay objetivos explícitos a los que la red neuronal deba ajustarse mediante etiquetas. Sino que, en cambio, el objetivo de la red es ser consistente a lo largo del tiempo. Así que, sea cual sea la profundidad que predigan, debería ser consistente durante toda la duración de ese video. Y la única forma de ser consistente es estar en lo correcto. Y así, la red neuronal predice automáticamente las profundidades correctas para todos los píxeles. Y hemos reproducido internamente algunos de estos resultados. Así que esto también funciona bastante bien. En resumen, la gente conduce solo con visión, sin que intervenga ningún láser. Esto parece funcionar bastante bien. El punto que quiero remarcar es que el reconocimiento visual, y un reconocimiento visual muy poderoso, es absolutamente necesario para la autonomía. No es algo opcional; necesitamos redes neuronales que realmente entiendan el entorno que les rodea. Y los puntos de lidar son un entorno de información mucho más pobre. Así que la visión realmente comprende todos los detalles. Solo unos pocos puntos alrededor son mucho... Hay mucha menos información en ellos. Por ejemplo, aquí a la izquierda, ¿eso es una bolsa de plástico o es un neumático? El lidar quizás solo les dé unos pocos puntos sobre eso, pero la visión les puede decir cuál de las dos cosas es verdad, y eso afecta el control. ¿Esa persona que está mirando un poco hacia atrás está intentando incorporarse a su carril en bicicleta, o simplemente sigue de frente en las obras de construcción? ¿Qué dicen esas señales? ¿Cómo debo comportarme en este mundo? Toda la infraestructura que hemos construido para las carreteras está diseñada para el consumo visual humano. Así que todas las señales, todos los semáforos, todo está diseñado para la visión. Y por eso es ahí donde está toda esa información. Y por eso se necesita esa capacidad. ¿Esa persona está distraída con el teléfono? ¿Va a entrar caminando a su carril? Las respuestas a todas estas preguntas solo se encuentran en la visión y son necesarias para la autonomía de nivel cuatro y nivel cinco. Y esa es la capacidad que estamos desarrollando en Tesla, y esto se logra mediante la combinación de un entrenamiento de redes neuronales a gran escala a través del motor de datos, logrando que funcione con el tiempo y usando el poder de la flota. Y en ese sentido, el lidar en realidad es un atajo. Evita el problema fundamental, el problema importante del reconocimiento visual que es necesario para la autonomía. Y así da una falsa sensación de progreso y, en última instancia, es una muleta. Sí que permite demostraciones muy rápidas. Así que, si tuviera que resumir
toda mi charla en una sola diapositiva, sería esta: toda la autonomía. Porque se necesitan sistemas de nivel cuatro, nivel cinco que puedan manejar todas las situaciones posibles en el 99,99% de los casos, y perseguir esos últimos nueves va a ser muy complicado y muy difícil, y va a requerir un sistema visual muy poderoso. Así que les estoy mostrando algunas imágenes de lo que podrían encontrar en cualquier porción de ese nueve. Al principio solo tienen coches muy simples. Avanzando, esos coches empiezan a verse un poco raros. Luego quizás tengan bicicletas en los coches, luego quizás tengan coches sobre coches. Luego quizás empiecen a entrar en eventos realmente raros, como coches volcados o incluso coches en el aire. Vemos muchas cosas que llegan de la flota, y las vemos a una tasa, a una tasa realmente buena comparada con todos nuestros competidores. Y así, el ritmo de progreso al que realmente se pueden abordar estos problemas, iterar sobre el software y de verdad alimentar a las redes neuronales con los datos correctos... ese ritmo de progreso es realmente proporcional a la frecuencia con la que uno se encuentra estas situaciones en el mundo real. Y nosotros nos las encontramos de manera significativamente más frecuente que cualquier otro, por lo que nos irá extremadamente bien. Gracias.
Todo es súper impresionante. Muchísimas gracias. ¿Cuántos datos, cuántas imágenes están recopilando en promedio de cada coche
Y entonces, parece que el nuevo hardware con los dos, los dos ordenadores activos duales les da algunas oportunidades realmente interesantes de ejecutar en simulación completa una
copia de la red neuronal mientras
ejecutan la otra. Ejecutando la otra.
Conducir el coche y comparar los resultados
para hacer control de calidad. Y entonces también me preguntaba si hay otras oportunidades de usar los ordenadores para el entrenamiento cuando están estacionados en el garaje el 90% del tiempo en que no estoy conduciendo mi coche.
Investor Relations
Tesla por ahí.
Muchas gracias. Sí. Para la primera pregunta, ¿cuántos datos obtenemos de la flota? Es realmente importante señalar que no es solo la escala del conjunto de datos, lo que realmente importa es la variedad de ese conjunto de datos. Si solo se tienen muchas imágenes de algo yendo hacia adelante en la autopista, en algún momento la red simplemente ya lo capta. No se necesitan esos datos. Así que somos realmente estratégicos en cómo elegimos. Y la infraestructura de activadores que hemos construido es bastante sofisticada y nos permite obtener justo los datos que necesitamos en cada momento. Y por eso no es una cantidad masiva de datos, es simplemente datos muy bien seleccionados. Para la segunda pregunta, respecto a la redundancia, por supuesto. Básicamente se puede ejecutar la copia de la red en ambos. Y así es, de hecho, cómo está diseñado para lograr un sistema de nivel cuatro, nivel cinco que sea redundante. Así que, absolutamente, es el caso. Y su última pregunta... Lo siento, no...
El entrenamiento, el coche es un ordenador optimizado para inferencia. Tenemos un programa importante en Tesla, del cual no tenemos tiempo suficiente para hablar hoy, llamado Dojo. Es un ordenador de entrenamiento súper potente. El objetivo de Dojo será poder ingerir enormes cantidades de datos y entrenar a nivel de video, y hacer un entrenamiento masivo y no supervisado de enormes cantidades de video con el programa Dojo. El ordenador Dojo. Pero eso es para otro día.
Analyst
Soy como un piloto de pruebas, en cierto modo, porque conduzco el modelo 40510 y todas estas situaciones realmente complicadas, de casos muy poco frecuentes, ocurren todos los días. Pero el único desafío que tengo curiosidad por saber cómo van a resolver es cambiar de carril. Porque cada vez que intento meterme en un carril con tráfico, todo el mundo me corta el paso. Y el comportamiento humano es muy irracional. Cuando conduces en Los Ángeles, el coche simplemente quiere hacerlo con seguridad y casi tienes que hacerlo de forma insegura. Así que me preguntaba cómo van a resolver ese problema. Sí.
Así que una cosa que quiero señalar es que hablé del motor de datos como algo que itera sobre las redes neuronales, pero hacemos exactamente lo mismo a nivel del software y de todos los hiperparámetros que entran en las decisiones de cuándo realmente cambiamos de carril, qué tan agresivos somos; siempre estamos cambiando eso, potencialmente ejecutándolo en modo sombra y viendo qué tan bien funciona. Y así, para ajustar nuestras heurísticas sobre cuándo está bien cambiar de carril, también usaríamos potencialmente el motor de datos y el modo sombra, etcétera. En última instancia, diseñar a mano todas las distintas heurísticas para saber cuándo está bien cambiar de carril es, de hecho, algo intratable, creo, en el caso general. Y por eso, idealmente, uno quiere usar el aprendizaje de flota para guiar esas decisiones. Así que, ¿cuándo cambian de carril los humanos, en qué escenarios, y cuándo sienten que no es seguro cambiar de carril? Y simplemente miremos muchos de esos datos y entrenemos clasificadores de aprendizaje automático para distinguir cuándo es demasiado seguro hacerlo. Y esos clasificadores de aprendizaje automático pueden escribir un código mucho mejor que los humanos porque tienen la enorme cantidad de datos que lo respaldan. Así que de verdad pueden ajustar todos los umbrales correctos, coincidir con los humanos y hacer algo seguro.
Creo que probablemente tendremos un modo que vaya más allá del modo Mad Max, hacia un modo de tráfico de Los Ángeles. Sí, bueno, saben, creo que Mad Max lo pasaría bastante mal con el tráfico de Los Ángeles.
Sí. Así que realmente es un equilibrio. No se quieren crear situaciones inseguras, pero se quiere ser asertivo. Pero ese pequeño baile de cómo se logra eso como humano es en realidad muy complicado, y es muy difícil escribirlo en código. Pero creo que de verdad realmente parece que el enfoque de aprendizaje automático es como el camino
Analyst
correcto a seguir.
Donde simplemente observamos muchas formas en que la gente hace esto y tratamos de imitarlas.
Ahora mismo simplemente estamos siendo más conservadores. Y a medida que ganemos cada vez más confianza, permitiremos a los usuarios elegir un modo más agresivo. Eso quedará a elección del usuario. Pero en los modos más agresivos, al intentar incorporarse al tráfico, hay una pequeña... No importa cuántos nuevos, hay una pequeña probabilidad de un roce menor, no un accidente grave, pero básicamente tendrán que elegir si quieren tener una probabilidad distinta de cero de un roce menor en el tráfico de la autopista, que desgraciadamente es la única forma de circular por el tráfico de Los Ángeles.
Quiero decir, sí. Sí. Siempre me recuerda a 'LA Story'. Esa película es una gran película.
Sí, es muy sutil, porque hay como un juego de 'quién cede primero'.
Sí. Ofreceremos opciones más agresivas con el tiempo, que el usuario podrá especificar. Sí. Mad Max plus. Exacto.
Analyst
Hola. Hola. Jed Dorsheimer, de Canaccord Genuity. Gracias y felicidades por todo lo que han desarrollado. Cuando vemos el proyecto AlphaZero... tenía un conjunto de variables muy definido y limitado en cuanto a los parámetros, lo que permitió que la curva de aprendizaje fuera tan rápida. El riesgo, o lo que están tratando de hacer aquí, es casi desarrollar conciencia en los coches a través de la red neuronal. Y entonces supongo que el desafío es cómo evitar crear una referencia circular en términos de... de extraer del modelo centralizado de la flota hasta ese punto de traspaso donde el coche ya tiene suficiente información. ¿Dónde está esa línea? Supongo que en términos del punto del proceso de aprendizaje en el que se traspasa, donde ya hay suficiente información en el coche y ya no hace falta extraer de la flota.
Bueno, el coche puede funcionar incluso si está completamente desconectado de la flota. Simplemente... sube el entrenamiento, que es, ya saben, cada vez mejor a medida que la flota mejora cada vez más. Así que, simplemente, si lo desconectaran de la flota a partir de ese punto, dejaría de mejorar, pero seguiría funcionando perfectamente bien.
Analyst
En la parte de hardware de su presentación... en la versión anterior se habló mucho sobre los beneficios de potencia de no almacenar muchas de las imágenes. Y entonces, en esta parte, están hablando del aprendizaje que ocurre al extraer datos de la flota. Supongo que me cuesta reconciliar cómo, si hubiera una situación en la que estoy subiendo una colina, como mostraron, y estoy prediciendo hacia dónde va la carretera, eso proviene de todas las demás variables de la flota que llevaron a eso. Inteligencia, cómo no estoy... Cómo estoy obteniendo el beneficio del bajo consumo usando las cámaras con la red neuronal. Ahí es donde pierdo el hilo entre los dos. Quizás solo sea yo, pero supongo que eso es...
Quiero decir, la potencia de cómputo en el ordenador de conducción totalmente autónoma es increíble. Y quizás deberíamos mencionar que, aunque nunca hubiera visto esa carretera antes, igual habría hecho esas predicciones, siempre que fuera una carretera en Estados Unidos.
Analyst
Marzo de, el caso del nueve aquí. En el caso del lidar, en marzo del 9... ¿no hay un ejemplo? Quiero simplemente llegar a su crítica contra el lidar, porque está bastante claro que no les gusta el lidar, con esta llama al lidar.
Analyst
¿No hay acaso un caso en el que, en algún punto, nueve nueves nueve nueve nueve, más adelante en el camino, en realidad el lidar pueda ser útil, y por qué no tenerlo como una especie de redundancia o respaldo? Esa es mi primera pregunta. Y la segunda. Así que podrían seguir centrados en la visión por computadora, pero simplemente tenerlo como redundancia. Mi segunda pregunta es: si eso es cierto, ¿qué pasa con el resto de la industria que está construyendo sus soluciones de autonomía sobre el lidar?
Todos van a abandonar el lidar. Esa es mi predicción, tomen nota de mis palabras. Debo señalar que en realidad no odio tanto el lidar como pueda parecer, pero en SpaceX, la Dragon de SpaceX usa lidar para navegar hasta la estación espacial y acoplarse. Y no solo eso, SpaceX desarrolló su propio lidar desde cero para hacer eso. Y yo encabecé personalmente ese esfuerzo, porque en ese escenario el lidar tiene sentido. Y en los coches es francamente una estupidez. Es caro e innecesario. Y, como decía Andrej, una vez que resuelves la visión, no vale nada. Así que tienes un hardware caro que resulta inútil en el coche. Sí tenemos un radar frontal, que es de bajo coste y es útil especialmente en situaciones de oclusión. Así que, si hay niebla, polvo o nieve, el radar puede ver a través de eso. Si van a usar generación activa de fotones, no usen una longitud de onda visible, porque con la óptica pasiva ya cubrieron todo lo relacionado con la longitud de onda visible. Quieren usar una longitud de onda que penetre la oclusión, como el radar. Así que el lidar es simplemente generación activa de fotones en el espectro visible. Si van a hacer generación activa de fotones, hagánlo fuera del espectro visible, en el espectro del radar. Así que, por ejemplo, a 3,8 milímetros frente a 400-700 nanómetros, van a tener una penetración de oclusión mucho mejor, y por eso tenemos un radar frontal, y además tenemos 12 sensores ultrasónicos para información de campo cercano, además de las ocho cámaras y el radar frontal. Solo se necesita el radar en la dirección frontal, porque esa es la única dirección en la que se va realmente rápido. Así que es... Quiero decir, hemos revisado esto varias veces. Como, ¿estamos seguros de que tenemos el conjunto de sensores correcto? ¿Deberíamos añadir algo más? No.
Analyst
Hola. Aquí mismo. Mencionaron que le piden a la flota la información que están buscando para parte de la visión. Tengo dos preguntas sobre eso. Parece que los coches están haciendo algo de cómputo para determinar qué tipo de información enviarles de vuelta. ¿Es correcta esa suposición? ¿Lo hacen en tiempo real o lo hacen basándose en información almacenada?
Sí. Así que, efectivamente, hacen el cómputo en tiempo real en el coche, y nosotros básicamente especificamos la condición que nos interesa, y luego esos coches hacen ese cómputo ahí mismo. Si no lo hicieran, tendríamos que enviar todos los datos y hacer eso de forma diferida en nuestro backend. No queremos hacer eso. Así que todo ese cómputo ocurre en el coche.
Analyst
Así que, basándome en esa pregunta, parece que están en una posición muy buena para tener actualmente medio millón de coches, y en el futuro, potencialmente millones de coches, que son esencialmente ordenadores que representan centros de datos gratuitos, o casi gratuitos, para que ustedes hagan cómputo. ¿Es eso una enorme oportunidad futura para Tesla? Es una oportunidad actual, actual, y todavía no se ha tenido en cuenta para nada. Eso es increíble. Gracias.
Tenemos 425.000 coches con hardware 2 o superior, lo que significa que tienen las ocho cámaras, el radar y los sensores ultrasónicos, y tienen al menos el ordenador de Nvidia, que es suficiente para básicamente determinar qué información es importante y cuál no. Comprimir la información que es importante hasta sus elementos más relevantes y subirla a la red para el entrenamiento. Así que es una compresión masiva de datos del mundo real.
Analyst
Tienen este tipo de red de millones de ordenadores, que es básicamente como enormes centros de datos distribuidos con capacidad de cómputo. ¿Ven que se pueda usar para otras cosas, además de la conducción autónoma, en el futuro?
Supongo que podría posiblemente usarse para algo más que la conducción autónoma. Hemos estado súper enfocados en la conducción autónoma. Así que, saben, una vez que lo tengamos realmente perfeccionado, tal vez haya algún otro uso para, ya saben, millones y luego decenas de millones de ordenadores con el ordenador de conducción de hardware tres o cuatro. Sí, quizás lo haya. Podría ser. Podría ser. Tal vez haya algún ángulo tipo AWS aquí. Es posible. Hola.
Hola, Elon. Matt Joyce, de Loop Ventures. Tengo un Model 3 en Minnesota, donde nieva mucho.
Dado que la cámara y el radar no pueden ver las marcas de la carretera a través de la nieve, ¿cuál es su estrategia técnica
para resolver este desafío? ¿Involucra en algo un GPS de alta precisión? Sí.
de hecho, hoy en día, el Autopilot hace un trabajo decente, decente, en la nieve. Incluso cuando las marcas del carril están cubiertas, incluso cuando las marcas del carril están desvaídas, cubiertas, o cuando hay mucha lluvia sobre ellas, todavía parecemos conducir relativamente bien. Todavía no hemos ido específicamente tras la nieve con nuestro motor de datos, pero de hecho creo que esto es completamente manejable, porque en muchas de esas imágenes, incluso cuando las cosas están nevadas, cuando se le pregunta a un anotador humano dónde están las marcas de carril, de hecho puede decirlo; son relativamente consistentes al crear esas marcas de carril. Mientras los anotadores sean consistentes en sus datos, entonces hay... La red neuronal captará esos patrones y lo hará bastante bien. Así que realmente se trata de si la señal está ahí, incluso para el anotador humano. Si la respuesta a eso es sí, entonces la red neuronal puede hacerlo perfectamente bien.
Sí, de hecho hay varias señales importantes, como decía Andrej. Así que las marcas de carril son una de esas cosas, pero una de las señales más importantes es el espacio transitable. Así que, ¿qué es espacio transitable y qué no lo es? Y lo que realmente más importa es el espacio transitable, más que las marcas de carril. Y la predicción del espacio transitable es extremadamente buena. Y creo que, especialmente después de este próximo invierno, será increíble. Es como, va a ser como, ¿cómo es posible que sea tan bueno? Eso es una locura.
La otra cosa que hay que señalar es que quizás ni siquiera se trate solo de los anotadores humanos. Mientras ustedes, como humanos, puedan conducir a través de ese entorno, mediante el aprendizaje de flota, de hecho sabemos qué camino tomaron. Y, obviamente, usaron la visión para guiarse por ese camino. No usaron solo las marcas del carril, usaron toda la geometría de toda esa escena. Así que ven cómo el mundo se va curvando, más o menos. Ven cómo están posicionados los coches a su alrededor. La red neuronal captará automáticamente todos esos patrones por dentro. Siempre que haya suficientes datos de personas atravesando esos entornos.
Sí, de hecho es extremadamente importante que las cosas no estén rígidamente ligadas al GPS, porque el error del GPS puede variar bastante, y la situación real de una carretera puede variar bastante. Así que podría haber obras, podría haber un desvío, y si el coche usa el GPS como fuente primaria, esa es una situación realmente mala. Es buscarse problemas. Está bien usar el GPS para trucos y consejos adicionales. Es como, pueden conducir mejor por su propio vecindario que por un vecindario en otro país o en otra parte del país. Así que conocen bien su propio vecindario y usan ese conocimiento para conducir con más confianza, quizás tomar atajos contraintuitivos y cosas de ese tipo. Pero usted... Los datos de superposición del GPS solo deberían ser una ayuda, pero nunca la fuente principal. Si alguna vez es la fuente principal, es un problema.
Pregunta aquí atrás, en el rincón de atrás.
Analyst
Rincón. Solo quería hacer un seguimiento parcial
sobre eso, porque varios de sus competidores
en el sector, en los últimos
sobre cómo están complementando todas
sus capacidades de percepción y planificación de trayectoria, que están más o menos en la plataforma del coche,
con mapas de alta definición de las zonas por las que conducen.
¿Eso juega algún papel en su sistema? ¿Ven que añada algún valor?
¿Hay áreas en las que les gustaría obtener más datos que no se recopilen de la flota, sino que sean más bien del tipo de datos de mapeo?
Creo que los mapas de GPS de alta precisión y los carriles de alta precisión son una idea realmente mala. El sistema se vuelve extremadamente frágil. Así que cualquier cambio como ese podría, cualquier cambio en el sistema lo hace incapaz de adaptarse. Así que, si se ancla al GPS y a marcas de carril de alta precisión y no permite que la visión lo anule; de hecho, la visión debería ser lo que lo hace todo, y las marcas de carril son más bien una guía, pero no lo principal. Brevemente reforzamos mucho el árbol de marcas de carril de alta precisión y luego nos dimos cuenta de que fue un gran error y lo revertimos. No es bueno.
Así que esto es muy útil para entender
la anotación, dónde están los objetos y cómo conduce el coche. Pero, ¿qué pasa con el aspecto de la negociación para
aparcar, rotondas y otras cosas donde
hay otros coches en la carretera conducidos por humanos, donde es más un arte que una ciencia.
De hecho lo hace bastante bien. Como con los cortes de carril y esas cosas. Lo está haciendo muy bien.
Así que, como mencioné, estamos usando mucho aprendizaje automático en este momento para predecir, para crear una representación explícita de cómo se ve el mundo. Y luego hay un planificador explícito y un controlador por encima de esa representación. Y hay muchas heurísticas sobre cómo atravesar y negociar, etcétera. Hay una larga cola, igual que... en cómo se ven los entornos visuales. Hay una larga cola solo en esas negociaciones, y un pequeño juego de 'quién cede primero' que se juega con otras personas, etcétera. Y por eso creo que tenemos mucha confianza en que, eventualmente, debe haber algún tipo de componente de aprendizaje de flota para cómo se hace eso realmente. Porque escribir a mano todas esas reglas va a, creo, estancarse rápidamente.
Sí, hemos lidiado con este tema con los cortes de carril, y es como, vamos a permitir gradualmente un comportamiento más agresivo por parte del usuario. Simplemente pueden subir el ajuste y decir: sé más agresivo, sé menos agresivo. Ya saben, modo de conducción relajada, modo agresivo.
Analyst
Progreso increíble. Fenomenal. Dos preguntas. Primero, en cuanto a la conducción en pelotón: alguien preguntó sobre cuando hay nieve en la carretera, pero si tienen una función de conducción en pelotón, simplemente pueden seguir al coche de delante. ¿Su sistema es capaz de hacer eso? Luego tengo dos preguntas de seguimiento.
Así que están preguntando sobre la conducción en pelotón. Creo que, absolutamente, podríamos construir esas funciones. Pero, de nuevo, si simplemente entrenan redes neuronales, por ejemplo, imitando a los humanos, los humanos ya siguen al coche de delante. Y así, esa red neuronal en realidad incorpora esos patrones internamente. Simplemente descubre que hay una correlación entre la dirección hacia la que apunta el coche de delante y el camino que van a tomar. Pero todo eso se hace internamente dentro de la red. Así que solo tienen que preocuparse por conseguir suficientes datos, y los datos complicados. Y el proceso de entrenamiento de la red neuronal, de hecho, es bastante mágico. Se encarga automáticamente de todo lo demás. Así que convierten todos los distintos problemas en un solo problema. Simplemente recopilan su conjunto de datos y usan el entrenamiento de la red neuronal.
Sí, hay tres etapas en la conducción autónoma. Saben, está la de contar con todas las funciones completas; luego está la de que esas funciones estén completas hasta el punto en que creemos que la persona en el coche no necesita prestar atención. Y luego está la de un nivel de confiabilidad en el que también hemos convencido a los reguladores de que eso es cierto. Así que hay como tres niveles. Esperamos tener todas las funciones completas en conducción autónoma este año, y esperamos tener suficiente confianza, desde nuestro punto de vista, para decir que creemos que la gente no necesita tocar el volante ni mirar por la ventana, en algún momento probablemente alrededor, no sé, del segundo trimestre del próximo año. Y entonces empezamos a esperar obtener la aprobación regulatoria, al menos en algunas jurisdicciones, para eso hacia finales del próximo año. Esa es, más o menos, la cronología que espero que sigan las cosas. Y probablemente, para los camiones, la conducción en pelotón será aprobada por los reguladores antes que cualquier otra cosa. Y podrían tener, por ejemplo, si hacen transporte de carga de larga distancia, un conductor al frente y luego cuatro camiones semirremolque siguiéndolo en forma de pelotón. Y creo que probablemente los reguladores serán más rápidos en aprobar eso que otras cosas.
Analyst
Respecto a... Por supuesto, no tienen que convencernos. El lidar es una tecnología que, en mi opinión, tiene una respuesta. ¿Buscando una pregunta? Probablemente ya esté muerta.
Analyst
Quiero decir, esto es muy impresionante lo que vimos hoy, y probablemente la demostración podría mostrar algo más. Me preguntaba cuál es la dimensión máxima de una matriz que puedan tener en su entrenamiento o en su proceso de aprendizaje profundo.
Una cifra aproximada, dimensión máxima de la matriz. Así que sí, se hacen muchas operaciones de multiplicación de matrices dentro de la red neuronal. Están preguntando sobre... hay muchas formas distintas de responder esa pregunta, pero no estoy 100% seguro de si son... son útiles. son respuestas útiles. Estas redes neuronales normalmente tendrán, como mencioné, entre decenas y cientos de millones de neuronas. Cada una de ellas tiene, en promedio, unas mil conexiones con neuronas inferiores. Así que esas son las escalas típicas que se usan en toda la industria, y también las que nosotros usaríamos.
Analyst
Sí. De hecho, me ha impresionado mucho la tasa de mejora del Autopilot en el último año en mi Model 3. Los dos escenarios sobre los que quería su opinión la semana pasada. El primer escenario fue que estaba en el carril más a la derecha de la autopista y había una rampa de acceso a la autopista. Y entonces mi Model 3 fue capaz de detectar dos coches a un lado, frenar y dejar que un coche pasara delante de mí y otro coche se quedara detrás de mí. Y pensé, dios mío, esto es una locura. No pensé que mi Model 3 pudiera hacer eso. Así que eso fue súper impresionante. Pero la misma semana, otro escenario: estaba de nuevo en el carril derecho, pero mi carril derecho se estaba fusionando con el carril izquierdo. No era una rampa de acceso, era simplemente un carril normal de autopista. Y mi Model 3 no fue capaz de detectar realmente esa situación, y no pude frenar ni acelerar, y tuve que intervenir, más o menos. Así que, desde su perspectiva, ¿podrían compartir un poco el contexto de cómo una red neuronal, cómo Tesla podría ajustarse a eso, y cómo podría mejorarse con el tiempo?
Sí. Así que, como mencioné, tenemos una infraestructura de activadores muy sofisticada. Si usted intervino, de hecho es potencialmente probable que hayamos recibido ese clip y que podamos analizarlo, ver qué pasó y ajustar el sistema. Así que probablemente entra en algunas estadísticas sobre... de acuerdo, ¿con qué frecuencia estamos fusionándonos correctamente con el tráfico? Y miramos esos números y miramos los clips, y vemos qué está mal, e intentamos corregir esos clips y avanzar frente a esos puntos de referencia. Sí, sí. Así que potencialmente pasaríamos por una fase de categorización, y luego observamos algunas de las categorías más grandes que realmente parecen estar relacionadas semánticamente con el mismo problema. Y luego veremos algunas de esas y trataremos de desarrollar software en base a eso.
De acuerdo. Tenemos una presentación más, que es la de software. Así que básicamente está el hardware del Autopilot con Stuart, está la parte de visión por red neuronal con Andrej, y luego está la ingeniería de software a gran escala, que presentará Stuart. Así que gracias. Y tendremos oportunidad después de hacer preguntas. Bueno, sí, gracias.
Investor Relations
Solo quería decir muy brevemente que, si tienen un vuelo temprano y quieren hacer una prueba de conducción con nuestro software de desarrollo más reciente, por favor hablen con mi colega Ann o envíenle un correo, y podremos llevarlos a dar una vuelta de prueba. Y Stuart, es todo tuyo.
Muy bien, eso en realidad es un clip de una conducción ininterrumpida de más de 30 minutos, sin intervenciones, usando Navigate on Autopilot en el sistema de autopistas, que hoy está en producción en cientos de miles de coches. Soy Stuart, y estoy aquí para hablar de cómo construimos algunos de estos sistemas a gran escala. Solo una introducción muy breve sobre de dónde vengo y qué hago. He estado en un par de empresas, o menos. Llevo escribiendo software de forma profesional unos 12 años. Lo que más me emociona, y de verdad me apasiona, es tomar lo más avanzado del aprendizaje automático y conectarlo realmente con los clientes mediante robustez y escala. En Facebook trabajé inicialmente dentro de nuestra infraestructura de anuncios, para construir parte del aprendizaje automático, con gente realmente, realmente inteligente. Y de hecho intentamos construirlo en una única plataforma que luego pudiéramos escalar a todos los demás aspectos del negocio, desde cómo clasificamos el feed de noticias hasta cómo entregamos resultados de búsqueda y cómo hacemos cada recomendación en toda la plataforma. Y eso se convirtió en el Applied Machine Learning Group. Eso es algo de lo que estoy increíblemente orgulloso. Y mucho de eso no fueron solo los algoritmos centrales y las mejoras realmente importantes que ocurrieron ahí. Lo que de verdad importa mucho son, en realidad, las prácticas de ingeniería para construir estos sistemas a gran escala. Y lo mismo ocurrió en Snap, adonde fui, donde estábamos realmente, realmente entusiasmados por ayudar a monetizar ese producto. Pero la parte más difícil: en ese momento usábamos Google. Y, efectivamente, nos tenían funcionando a una escala bastante pequeña. Y queríamos construir esa misma infraestructura. Tomamos el entendimiento de estos usuarios, lo conectamos con el aprendizaje automático de vanguardia, lo construimos a una escala masiva y manejamos miles de millones y luego billones de predicciones y subastas cada día, de una forma realmente robusta. Y así, cuando llegó la oportunidad de venir a Tesla, eso es algo que me emociona increíblemente hacer: tomar específicamente las cosas increíbles que están ocurriendo tanto en el lado del hardware como en el de visión por computadora e IA, y empaquetarlo todo junto con toda la planificación, los controles, las pruebas, los parches del núcleo del sistema operativo, toda nuestra integración continua, nuestra simulación, y realmente convertirlo en un producto. Hoy llega a los coches de la gente en producción. Y así quiero hablar sobre la cronología de cómo hicimos eso con Navigate on Autopilot, y cómo vamos a hacerlo a medida que sacamos Navigate on Autopilot de las autopistas y lo llevamos a las calles de la ciudad. Ya estamos en 70 millones de millas con Navigate on Autopilot, lo cual es algo realmente, realmente genial. Y creo que vale la pena destacar que seguimos acelerando y aprendiendo cada vez más de estos datos. Como mencionó Andrej, este motor de datos, a medida que se acelera, en realidad hacemos cambios de carril cada vez más asertivos. Estamos aprendiendo de estos casos en los que la gente interviene, ya sea porque no logró detectar correctamente una fusión o porque quería que el coche fuera un poco más enérgico en diferentes entornos. Y simplemente queremos seguir avanzando en eso. Así que, para empezar todo esto, comenzamos intentando entender el mundo que nos rodea. Y hablamos de los distintos sensores en el vehículo. Pero quería profundizar un poco más. Aquí tenemos ocho cámaras, pero además tenemos 12 sensores ultrasónicos, un radar, una unidad de medición inercial, GPS. Y algo que olvidamos es que también tenemos las acciones del pedal y del volante. Así que no solo podemos ver lo que ocurre alrededor del vehículo, también podemos ver cómo eligieron los humanos interactuar con ese entorno. Y voy a hablar de este clip ahora mismo. Básicamente, esto muestra lo que ocurre hoy en el coche, y seguimos avanzando en esto. Empezamos con una sola red neuronal. Vemos las detecciones a su alrededor. Luego construimos todo eso junto con múltiples redes neuronales y múltiples detecciones. Incorporamos los demás sensores y convertimos eso en lo que Elon llama un espacio vectorial, una comprensión del mundo que nos rodea. Y esto es algo donde, a medida que seguimos mejorando cada vez más en esto, vamos trasladando cada vez más esta lógica a las propias redes neuronales. Y el final obvio de todo esto es que la red neuronal mira a través de todos los coches, junta toda la información, y finalmente produce una fuente de verdad sobre el mundo que nos rodea. Y esto, en muchos sentidos, en realidad no es como el dibujo de un artista. Esto es, de hecho, la salida de una de las herramientas de depuración que usamos en el equipo todos los días para entender cómo se ve el mundo a nuestro alrededor. Otra cosa que me parece realmente, realmente emocionante: cuando escucho hablar de sensores como el lidar, una pregunta común es, simplemente, sobre tener modalidades adicionales de sensores, como por qué no tener algo de redundancia en el vehículo. Y quiero profundizar en algo que no es... no siempre es obvio en las propias redes neuronales. Tenemos una red neuronal funcionando en, digamos, nuestra cámara gran angular tipo ojo de pez. Esa red neuronal no está haciendo una sola predicción sobre el mundo. Está haciendo muchas predicciones separadas, algunas de las cuales en realidad se auditan entre sí. Así que, como ejemplo real, tenemos la capacidad de detectar un peatón. Eso es una... Algo en lo que entrenamos con mucho, mucho cuidado y le dedicamos mucho trabajo. También tenemos la capacidad de detectar obstáculos en la calzada, y un peatón es un obstáculo. Y se le muestra de forma distinta a la red neuronal. Dice: ah, hay algo por lo que no puedo conducir. Y estas se combinan para darnos una mayor comprensión de lo que podemos y no podemos hacer frente al vehículo, y cómo planificar en consecuencia. Luego hacemos esto a través de varias cámaras, porque tenemos campos de visión superpuestos en muchos lugares alrededor del vehículo; en la parte delantera tenemos un número particularmente grande de campos de visión superpuestos. Por último, podemos combinar eso con cosas como el radar y los sensores ultrasónicos para construir estas comprensiones extremadamente precisas de lo que ocurre frente al coche. Podemos usar eso tanto para aprender comportamientos futuros muy precisos. También podemos construir predicciones muy precisas de cómo seguirán ocurriendo las cosas frente a nosotros. Así que un ejemplo que creo que es realmente emocionante es que podemos mirar a ciclistas y personas, y no solo preguntar: ¿dónde están ahora? Sino: ¿hacia dónde van? Y esto es, en realidad, el corazón de lo que estamos haciendo para nuestro nuevo sistema de frenado automático de emergencia de próxima generación, que no solo se detendrá por personas que ya están en su camino, sino por personas que van a estar en su camino. Y eso está funcionando en modo sombra ahora mismo. Lo desplegaremos a la flota este trimestre, y hablaré del modo sombra en un segundo. Así que, cuando se quiere empezar una función como esta para Navigate on Autopilot en el sistema de autopistas, se puede empezar aprendiendo de los datos. Y simplemente se puede observar cómo hacen las cosas los humanos hoy. ¿Cuál es su perfil de asertividad? ¿Cómo cambian de carril? ¿Qué hace que absorban o cambien sus maniobras? Y se pueden ver cosas que no son obvias de inmediato, como, ah sí, las fusiones simultáneas son raras pero muy complicadas y muy importantes. Y se puede empezar a formar opiniones sobre distintos escenarios, como un vehículo que adelanta rápidamente. Así que esto es lo que hacemos cuando inicialmente tenemos algunos algoritmos que queremos probar. Los podemos poner en la flota y ver qué habrían hecho en un escenario del mundo real, como este coche que nos está adelantando muy rápido. Esto está tomado de nuestro entorno de simulación real, mostrando distintos caminos que hemos considerado tomar y cómo se superponen con el comportamiento real de un usuario en el mundo real. Cuando se tienen esos algoritmos ajustados y se sienten satisfechos con ellos específicamente, esto realmente consiste en tomar esa salida de la red neuronal, ponerla en ese espacio vectorial, y construir y ajustar estos parámetros encima. En última instancia, algo que podemos hacer mediante cada vez más aprendizaje automático. Se pasa a un despliegue controlado, que para nosotros es nuestro programa de acceso anticipado. Y luego se lo da a un par de miles de personas que están realmente entusiasmadas por darnos retroalimentación muy vigilante pero útil sobre cómo se comporta esto, no en bucle abierto, sino en un bucle
cerrado, en el mundo real.
Y se observan sus intervenciones. Y hablamos de esto, como que cuando alguien toma el control, de hecho podemos obtener ese clip e intentar entender qué pasó. Y algo que de verdad podemos hacer es reproducir esto de nuevo en modo de bucle abierto, y preguntarnos, a medida que construimos nuestro software, ¿nos estamos acercando o alejando de cómo se comportan los humanos en el mundo real? Y algo que es súper genial: con los ordenadores de conducción totalmente autónoma, de hecho estamos construyendo nuestros propios racks e infraestructura, de modo que básicamente podemos montar cuatro de nuestros ordenadores de conducción totalmente autónoma, completamente en racks, incorporarlos a nuestro propio clúster, y realmente ejecutar esta infraestructura de datos tan sofisticada para entender, con el tiempo, a medida que ajustamos y corregimos estos algoritmos, si nos estamos acercando cada vez más a cómo se comportan los humanos. Y, en última instancia, ¿podemos superar sus capacidades? Y así, una vez que tuvimos esto, nos sentimos muy bien al respecto. Queríamos hacer nuestro despliegue amplio, pero para empezar, en realidad le pedimos a todos que confirmaran el comportamiento del coche mediante una confirmación en el volante. Y así empezamos a hacer muchísimas predicciones sobre cómo deberíamos circular por la autopista. Le pedimos a la gente que nos dijera si esto estaba bien o mal. Y esto, de nuevo, es una oportunidad para poner en marcha ese motor de datos. Y sí que detectamos algunas colas largas realmente complicadas e interesantes; en este caso, creo que un ejemplo bastante divertido, como estos casos muy interesantes de fusión simultánea, donde uno empieza a avanzar y entonces alguien se mueve, ya sea detrás o delante de uno, sin notarlo. Y, ¿cuál es el comportamiento apropiado aquí, y qué ajustes de la red neuronal necesitamos hacer para ser súper precisos sobre los comportamientos apropiados? Aquí trabajamos, los ajustamos en segundo plano, los mejoramos, y a lo largo del tiempo logramos 9 millones de cambios de carril aceptados con éxito. Y usamos esto de nuevo con nuestra infraestructura de integración continua para entender si creemos que estamos listos. Y esto es algo donde la conducción totalmente autónoma también me resulta realmente emocionante. Como somos dueños de toda la pila de software, desde los parches del núcleo hasta, digamos, el ajuste del procesador de señal de imagen, podemos empezar a recopilar datos aún más precisos. Y esto nos permite hacer ajustes cada vez mejores, con ciclos de iteración aún más rápidos. Y así, a principios de este mes, pensamos que estábamos listos para desplegar una versión aún más fluida de Navigate on Autopilot en el sistema de autopistas. Y esa versión fluida ya no requiere confirmación en el volante. Así que pueden quedarse ahí, relajarse, poner la mano en el volante y simplemente supervisar lo que está haciendo el coche. Y en este caso, de hecho estamos viendo más de 100.000 cambios de carril automatizados cada día en el sistema de autopistas. Y esto es algo que simplemente nos resulta súper genial poder desplegar a esta escala. Y lo que más me emociona de todo esto es el ciclo de vida real de esto y cómo somos capaces de girar la manivela de ese motor de datos cada vez más rápido con el tiempo. Y creo que algo que se está volviendo realmente, realmente claro es que la combinación de la infraestructura que hemos construido, las herramientas que hemos construido encima de ella, y el poder combinado del ordenador de conducción totalmente autónoma, creo que podemos hacer esto incluso más rápido a medida que llevamos Navigate on Autopilot de las autopistas a las calles de la ciudad. Y así, con eso, le paso la palabra a Elon.
Sí, hasta donde yo sé, todos esos cambios de carril han ocurrido con cero accidentes.
Así es. Sí, veo cada uno de los accidentes.
Así que. Así que es conservador, obviamente, pero tener cientos de miles, y camino a millones, de cambios de carril con cero accidentes creo que es un gran logro del equipo de Tesla.
Genial. Así que, veamos, saben, algunas otras cosas que quizás vale la pena mencionar. Para tener un coche de conducción autónoma o un robotaxi, realmente se necesita redundancia en todo el vehículo a nivel de hardware. Así que, empezando quizás en octubre de 2016, todos los coches fabricados por Tesla tienen dirección asistida redundante. Así que tenemos motores redundantes en la dirección asistida. Así que, si falla un motor, el coche todavía puede dirigirse; todas las líneas de potencia y datos tienen redundancia, así que se puede cortar cualquier línea de potencia o de datos dada y el coche seguirá circulando; el sistema de alimentación auxiliar incluso si se pierde por completo la alimentación de la batería principal. El coche es capaz de dirigir y frenar usando el sistema de alimentación auxiliar, así que se puede perder completamente la batería principal y el coche sigue siendo seguro. Todo el sistema, desde el punto de vista del hardware, ha sido diseñado para ser un robotaxi básicamente desde octubre de 2016. Así que, cuando desplegamos la versión 2 del hardware del Autopilot, no esperamos actualizar los coches fabricados antes de eso. Creemos que, en realidad, costaría más fabricar un coche nuevo que actualizar los coches existentes. Solo para darles una idea de lo difícil que es hacer esto. A menos que esté diseñado desde el principio, no vale la pena. Así que hemos recorrido el futuro de la conducción autónoma, donde está claro que es hardware, es visión, y luego hay mucho software, y el problema del software ahí no debe minimizarse. Es un problema de software masivo que
gestiona enormes cantidades de datos entrenando contra esos datos. ¿Cómo se controla el coche basándose en la visión? Es un problema de software muy difícil. Así que, pasando revista al plan maestro de Tesla, obviamente hemos hecho un montón de declaraciones de cara al futuro, como las llaman. Pero repasemos algunas de nuestras otras declaraciones de cara al futuro que hemos hecho. Hace mucho tiempo, cuando creamos la empresa, dijimos que construiríamos el Tesla Roadster. Dijeron que era imposible, y que incluso si lo construíamos, nadie lo compraría. La opinión prácticamente universal era que construir un coche eléctrico era extremadamente tonto y que fracasaría. Estuve de acuerdo con ellos en que la probabilidad de fracaso era alta, pero que esto era importante. Así que construimos el Tesla Roadster, lo pusimos en producción en 2008 y entregamos ese coche; ahora es una pieza de colección. Construimos un coche más asequible con el Model S. Lo volvimos a hacer. Nos dijeron que era imposible. Me llamaron fraude y mentiroso. No iba a suceder. Todo esto es falso. Bien, famosas últimas palabras: ahora entramos en producción con el Model S en 2012, superando todas las expectativas. Todavía en 2019 no hay ningún coche que pueda competir con el Model S de 2012. Han pasado siete años, y siguen esperando. Así que construiríamos un coche asequible, tal vez muy asequible. Es asequible. Más asequible con el Model 3. Lanzamos el Model 3, estamos en producción. Dije que llegaríamos a más de 5.000 coches por semana para el Model 3. En este punto, 5.000 coches a la semana es pan comido para nosotros. Ni siquiera es difícil. También hacemos energía solar a gran escala, lo cual hicimos mediante la adquisición de SolarCity, y además desarrollamos y desplegamos el tejado solar, que está yendo muy bien. Ya estamos en la versión tres de las tejas solares, y esperamos acelerar significativamente la producción de las tejas solares más adelante este año. Yo lo tengo en mi casa y es genial. Y, en cierto modo, creamos el Powerwall y el Power Pack. Hicimos el Powerwall y el Power Pack. De hecho, el Power Pack ya está desplegado en sistemas de red eléctrica a gran escala en todo el mundo, incluyendo los proyectos de baterías operativos más grandes del mundo, de más de 100 megavatios. Y en el próximo año, o probablemente como máximo dentro de dos años, esperamos completar un proyecto de baterías a escala de un gigavatio. Así que todas estas cosas, dije que las haríamos, y las hicimos. Dije que lo haríamos, y lo hicimos. También vamos a hacer lo del robotaxi. La única crítica, y es justa, es que a veces no llego a tiempo, pero lo logro, y el equipo de Tesla lo logra. Así que lo que vamos a hacer este año es alcanzar una producción combinada de 10.000 coches a la semana entre el Model S/X y el Model 3. Nos sentimos muy seguros de eso, y nos sentimos muy seguros de tener todas las funciones completas en conducción autónoma. El año que viene ampliaremos la línea de productos con el Model Y y el Semi, y esperamos tener los primeros robotaxis operando, sin nadie dentro, el año que viene. Siempre es difícil, cuando las cosas van a un ritmo exponencial de mejora. Es muy difícil asimilarlo, porque estamos acostumbrados a extrapolar de forma lineal. Pero cuando se tiene una cantidad masiva de, como el hardware, una cantidad masiva de hardware en la carretera, los datos acumulados crecen exponencialmente. El software está mejorando a un ritmo exponencial. Me siento muy seguro prediciendo robotaxis autónomos para Tesla el año que viene. No en un estado anterior, no en todas las jurisdicciones, porque no tendremos aprobación regulatoria en todas partes. Pero estoy seguro de que tendremos al menos aprobación regulatoria en algún lugar, literalmente, el año que viene. Así que cualquier cliente podrá añadir o quitar su coche de la red de Tesla. Así que esperen que esto funcione como una combinación, quizás, del modelo de Uber y Airbnb. Así que, si son dueños del coche, pueden añadirlo o quitarlo de la red de Tesla, y Tesla se quedaría con el 25 o el 30% de los ingresos. Y luego, en los lugares donde no haya suficiente gente compartiendo sus coches, simplemente tendríamos vehículos dedicados de Tesla. Así que, cuando usen el coche, les mostraremos nuestra aplicación de uso compartido de viajes. Así que podrán llamar al coche desde el aparcamiento, subirse y salir a conducir. Es realmente sencillo. Simplemente usan la misma aplicación de Tesla que ya tienen. Actualizaremos la aplicación y añadiremos un botón de 'llamar', llamar a un Tesla, o poner su coche a disposición de la flota. Así que es o llamar a su propio coche, o llamar a un Tesla, o añadir o quitar su coche de la flota. Podrán hacer eso desde su teléfono. Así que vemos potencial para suavizar la curva de distribución de la demanda. Y que un coche funcione con una utilidad mucho mayor que la de un coche normal. Normalmente, el uso de un coche es de unas 10 a 12 horas por semana. Así que la mayoría de la gente conduce entre una hora y media y dos horas al día, típicamente entre 10 y 12 horas de conducción total por semana. Pero si tienen un coche que puede operar de forma autónoma, entonces lo más probable es que podrían, probablemente... lo más probable es que hicieran que ese coche funcionara durante un tercio de la semana o más. Hay 168 horas en una semana. Así que probablemente tendrían algo del orden de 55 o 60 horas de funcionamiento a la semana, quizás un poco más. Así que la utilidad fundamental de un vehículo aumenta en un factor de cinco. Así que se puede ver esto desde un punto de vista macroeconómico y decir, bueno, si esto fuera como una... Si estuviéramos operando alguna gran simulación, si pudieran mejorar su simulación para aumentar la utilidad de los coches en un factor de cinco, eso sería un aumento masivo en la eficiencia económica de la simulación. Simplemente gigantesco. Así que haremos lo del Model 3, el Model S y el Model X como taxis. Pero hicimos un cambio importante en nuestros contratos de arrendamiento. Así que, si arriendan un Model 3, no tienen la opción de comprarlo al final del contrato. Queremos que nos los devuelvan. Si compran el coche, pueden conservarlo, pero si lo arriendan, tienen que devolverlo. Y como dije, en cualquier lugar donde no haya suficiente oferta para compartir, Tesla simplemente fabricará sus propios coches y los añadirá a la red en ese lugar. Así que el coste actual de un Model 3 como robotaxi es inferior a 38.000 dólares. Esperamos que esa cifra mejore con el tiempo y que al rediseñar... los coches, los coches que se están fabricando actualmente están todos diseñados para un millón de millas de funcionamiento. Las unidades de tracción están diseñadas, probadas y validadas para un millón de millas de funcionamiento. La batería actual dura quizás entre 300.000 y 500.000 millas. La nueva batería, que probablemente entre en producción el año que viene, está diseñada explícitamente para un millón de millas de funcionamiento. Toda la batería del vehículo está diseñada para funcionar durante un millón de millas con un mantenimiento mínimo. Así que, de hecho, vamos a ajustar el diseño de los neumáticos y realmente optimizar el coche para ser un robotaxi hipereficiente. Y en algún momento no necesitarán volante ni pedales, y simplemente los eliminaremos. Así que, a medida que estas cosas se vuelvan cada vez menos importantes, simplemente eliminaremos piezas. Sencillamente ya no estarán ahí. Si dicen, probablemente dentro de dos años, hacemos un coche sin volante ni pedales, y si necesitamos acelerar ese plazo, siempre podemos simplemente eliminar piezas. Fácil. Sí, probablemente, a largo plazo, en tres años, los robotaxis con piezas eliminadas quizás terminen costando 25.000 dólares o menos. Y queremos un coche súper eficiente. Así que el consumo eléctrico es muy bajo. Actualmente estamos en cuatro millas y media por kilovatio-hora. Pero podemos, y mejoraremos eso a cinco y más. Y realmente no hay ninguna empresa que tenga integración completa de la cadena. Nosotros tenemos el diseño y la fabricación del vehículo, pero también el hardware del ordenador, de forma interna. Tenemos el desarrollo de software e IA internamente, y tenemos, por mucho, la flota más grande. Es extremadamente difícil, quizás no imposible, pero extremadamente difícil, ponerse al día cuando Tesla tiene 100 veces más millas al día que todos los demás juntos. Este es el coste de operar un coche de gasolina, o... El coste promedio de operar un coche en Estados Unidos, tomado de la AAA. Así que actualmente son unos 62 centavos por milla. 13.500 millas de 15 millones de vehículos suman 2 billones de dólares al año. Esto está literalmente tomado del sitio web de la AAA. El coste de compartir viajes, según Uber y Lyft, es de 2 a 3 dólares por milla. El coste de operar un robotaxi, creemos, es menos de 18 centavos por milla. Y bajando. Esto sería el actual. Este es el coste actual. El coste futuro será menor, dicen. ¿Cuál sería la ganancia bruta probable de un solo robotaxi? Creemos que probablemente algo del orden de 30.000 dólares al año. Y esperamos eso. Literalmente estamos diseñando, estamos diseñando los coches de la misma manera en que se diseñan los camiones semirremolque comerciales. Los camiones semirremolque comerciales están todos diseñados para una vida de un millón de millas, y también estamos diseñando los coches para una vida de un millón de millas. Así que, en dólares nominales, eso sería, saben, un poco más de 300.000 dólares. A lo largo de 11 años podría ser más alto. Creo que estos consumos son en realidad relativamente conservadores. Y esto asume que el 50% de las millas recorridas son... no son útiles, no hay nada ahí. Así que esto es solo con un 50% de utilidad. Para mediados del año que viene tendremos más de un millón de coches Tesla en la carretera con todas las funciones de hardware de conducción totalmente autónoma completas, a un nivel de confiabilidad que consideraríamos suficiente para que nadie necesite prestar atención. Es decir, podrían dormirse. Desde nuestro punto de vista, si avanzamos un año, quizás un año, quizás un año y tres meses. Pero el año que viene, seguro, tendremos más de un millón de robotaxis en la carretera. La flota se despierta con una actualización por aire. Eso es todo lo que se necesita. Dicen, ¿cuál es el valor presente neto de un robotaxi? Probablemente del orden de un par de cientos de miles de dólares. Así que comprar un Model 3 es un buen trato. ¿Alguna pregunta? Bueno, en nuestra propia flota, no lo sé, supongo que a largo plazo tenemos probablemente del orden de 10 millones de vehículos. Nuestras tasas de producción, en general... Si miran nuestra tasa de crecimiento anual compuesto de producción desde 2012, que fue... ese es nuestro primer año completo de producción del Model S. Pasamos de 23.000 vehículos producidos en 2013 a alrededor de 250.000 vehículos producidos el año pasado. Así que, en el transcurso de cinco años, aumentamos la producción por un factor de 10. Esperaría que ocurra algo similar en los próximos cinco o seis años. En cuanto a compartir, compartir frente a... no lo sé. Lo bueno es que, básicamente, los clientes nos están adelantando el dinero para el coche. Es genial.
Así que, en cuanto a una cosa, el Snake Charger, tengo curiosidad por eso.
Y también, ¿cómo determinaron el precio?
Parece que están por debajo del precio promedio de un viaje de Lyft o Uber en alrededor de un 50%. Así que tengo curiosidad si podrían hablar
un poco sobre la estrategia de precios.
Claro. Esperamos que resolver resolver el Snake Charger sea bastante sencillo desde el punto de vista de la visión por computadora. Es como una situación conocida. Cualquier tipo de situación conocida con visión, como un puerto de carga. Es trivial. Así que. Sí, el coche simplemente se aparcaría automáticamente y se conectaría automáticamente. No haría falta ninguna supervisión humana. Sí. Así que, perdón, ¿cuál era lo del precio? Simplemente puse algunos números ahí. Quiero decir, creo que definitivamente, conéctenlo. El precio que les parezca que tiene sentido. Simplemente dijimos, más o menos al azar, bueno, quizás un dólar. Y lo que pasa es que hay del orden de 2.000 millones de coches y camiones en el mundo. Así que los robotaxis van a tener una demanda extremadamente alta durante mucho tiempo. Y mi observación hasta ahora es que la industria automotriz es muy lenta para adaptarse. Quiero decir, como dije, todavía no hay un coche en la carretera que puedan comprar hoy que sea tan bueno como era el Model S en 2012. Así que eso sugiere una tasa de adaptación bastante lenta para la industria automotriz. Y por eso probablemente un dólar sea conservador para los próximos 10 años, porque la gente piensa que, en realidad, no se aprecia lo suficiente la dificultad de la fabricación. La fabricación es increíblemente difícil. Pero mucha gente con la que hablo piensa que, si simplemente tienen el diseño correcto, pueden fabricar al instante tanto de eso como el mundo quiera. Eso no es cierto. Es extremadamente difícil diseñar un nuevo sistema de fabricación para una nueva tecnología. Quiero decir, Audi está teniendo grandes problemas fabricando el e-tron, y son extremadamente buenos fabricando. Y si ellos están teniendo problemas, ¿qué les pasará a los demás? Así que, ya saben, del orden de 2.000 millones de coches y camiones en el mundo, del orden de unos 100 millones de unidades al año de capacidad de producción de vehículos, pero solo del diseño antiguo. Va a tardar mucho tiempo convertir todo eso en coches de conducción totalmente autónoma. Y realmente necesitan ser eléctricos, porque el coste de operación de un coche de gasolina o diésel es mucho más alto que el de un coche eléctrico. Así que cualquier robotaxi que no sea eléctrico definitivamente no será competitivo.
Elon, soy Colin Rush, de Oppenheimer, aquí. Ya saben, obviamente apreciamos que los clientes estén adelantando parte del efectivo para esta construcción de la flota, pero suena como un compromiso masivo del balance de la organización a lo largo del tiempo. ¿Podrían hablar un poco sobre
cómo se ve eso, cuáles son sus expectativas
en términos de financiamiento durante los próximos
próximos, digamos, tres años, tres, cuatro
años, para construir esta flota y empezar a monetizarla con su base de clientes?
Bueno, estamos apuntando a ser aproximadamente neutrales en flujo de caja durante la fase de construcción de la flota. Y luego esperaría que fuéramos extremadamente positivos en flujo de caja una vez que los robotaxis estén habilitados. Pero no quiero hablar sobre rondas de financiamiento. Sería difícil hablar de rondas de financiamiento en este foro. Pero creo que tomaremos las decisiones correctas. Creo que tomaremos las decisiones que ustedes crean que deberíamos tomar.
Analyst
Tengo una pregunta. Si yo fuera Uber, ¿por qué no simplemente compraría todos sus coches? Ya saben, ¿por qué los dejaría sacarme del negocio?
Hay una cláusula que incluimos en nuestros coches. Creo que fue hace unos tres o cuatro años. Solo pueden usarse en la Red Tesla.
Analyst
Así que, incluso una persona particular, si salgo y compro 10 Model 3, no puedo, podría operar en la red. Eso ahora es un negocio. ¿Verdad?
Solo tienen derecho a usar la Red Tesla.
Analyst
Correcto. Pero si uso la Red Tesla, en teoría, podría operar un negocio de coche compartido tipo robotaxi con mis 10 Model 3.
Sí, pero es como la App Store. Solo pueden añadirlos o quitarlos a través de la Red Tesla, y entonces Tesla recibe una parte de los ingresos.
Analyst
Pero, de forma similar a Airbnb, en el sentido de que tengo esta casa, mi coche, y ahora simplemente puedo alquilarlos, así que puedo obtener un ingreso adicional por tener varios coches y simplemente alquilarlos. Como, tengo un Model 3. Aspiro a conseguir este roadster aquí, el próximo, cuando lo construyan. Y voy a simplemente alquilar mi Model 3. ¿Por qué habría de devolvérselo? Ya saben,
Supongo que podrías operar una flota de coches de alquiler, pero creo que esto es muy poco práctico. Sí, no sé. Parece fácil. De acuerdo, inténtalo.
Analyst
Para operar una red de robotaxis, parece que hay que resolver ciertos problemas; por ejemplo, el Autopilot hoy, si lo contradices con el volante, te deja tomar el control. Pero si es, ya saben, un producto de coche compartido en el que otra persona se sube en el asiento del pasajero, mover el volante no puede permitir que esa persona tome el control del coche, por ejemplo, porque ni siquiera podría estar en el asiento del conductor. Entonces, ¿el hardware ya está ahí para que sea un robotaxi? Y podría encontrarse en situaciones como que un policía lo detenga, donde algún humano podría necesitar intervenir, como usando una flota central de operadores que interactúan a distancia con los humanos, o, quiero decir, ¿todo ese tipo de infraestructura ya está incorporada en cada uno de los coches?
¿Tiene sentido eso? Creo que habrá una especie de sistema de 'llamada a casa', donde si el coche se queda atascado, simplemente llamará a Tesla y pedirá una solución. Cosas como que la policía lo detenga. Eso es fácil para nosotros de programar. No es un problema. Será posible que alguien tome el control usando el volante, al menos durante un período de tiempo. Y luego, probablemente más adelante, simplemente taparemos el volante para que no haya control de dirección. Simplemente quitaremos el volante y pondremos una tapa, a largo plazo. Démosle, como, un par de años de modificación de hardware
Analyst
al coche para que pueda habilitar eso.
O, sí, literalmente solo desatornillaríamos el volante y pondríamos una tapa donde actualmente está la empuñadura del volante.
Analyst
Pero eso, eso es un coche del futuro que sacarían. ¿Pero qué pasa con los coches de hoy, donde el volante es un mecanismo para tomar el control del Autopilot, así que si está en modo robotaxi, alguien podría tomar el control simplemente moviendo el volante?
Sí, creo que habrá un período de transición en el que la gente podrá tomar el control, y debería poder tomar el control del robotaxi. Y luego, una vez que los reguladores se sientan cómodos con que no tengamos volante, simplemente lo eliminaremos. Y para los coches que están en la flota, ya saben, obviamente con el permiso del propietario si pertenece a otra persona, simplemente quitaríamos el volante y pondríamos una tapa donde actualmente se conecta.
Analyst
Así que podría haber como dos fases para el robotaxi. Una en la que se presta el servicio y uno entra como conductor, pero potencialmente podría tomar el control. Y luego, en el futuro, podría no haber opción de conductor. ¿Es así como lo ven
también, o en el futuro? En el futuro habrá. La probabilidad de que el volante sea eliminado en el futuro es del 100%, gente. Los consumidores lo exigirán.
Analyst
Pero, pero inicialmente llamarían.
Esto no es. Esto, para que quede claro, no pretende ser un punto de vista profesional sobre el mundo. Esto es solo yo prediciendo lo que exigirán los consumidores. Los consumidores exigirán, en el futuro, que no se permita a las personas conducir estas máquinas mortales de tres toneladas.
Analyst
Estoy totalmente de acuerdo con eso. Pero para que un Model 3 hoy forme parte de la red de robotaxis, cuando lo llamen, básicamente se sentarían en el asiento del conductor, solo para estar en la misma...
De acuerdo, eso tiene sentido.
Exactamente. Es un poco como, ya saben, hubo anfibios, ya saben, pero luego, básicamente, las cosas se convierten en criaturas terrestres. Habrá un pequeño período de fase anfibia.
Perdón. Puedo ver lo que el... De acuerdo.
La estrategia que hemos escuchado de otros actores en el espacio del robotaxi es seleccionar una zona municipal específica para crear conducción autónoma delimitada geográficamente. De esa forma usan un mapa de alta definición para tener un área más confinada con un poco más de seguridad.
No escuchamos mucho hoy sobre la importancia de los mapas de alta definición. ¿Hasta qué punto es necesario un mapa de alta definición para ustedes? Y, en segundo lugar, tampoco escuchamos mucho sobre desplegar esto en municipios específicos, donde trabajen con el municipio para obtener
Analyst
su apoyo, y así obtener
también un área más delimitada. Entonces, ¿cuál es la importancia de los mapas de alta definición, y hasta qué punto están considerando municipios específicos para el despliegue?
Creo que los mapas de alta definición son un error. De hecho, los tuvimos durante un tiempo. En realidad no tiene sentido, porque o bien necesitan mapas de alta definición, en cuyo caso, si algo cambia en el entorno, el coche se descompone; o no los necesitan, en cuyo caso, ¿por qué están perdiendo el tiempo haciendo mapas de alta definición? Así que lo de los mapas de alta definición, como las dos muletas principales que no deberían usarse y que, en retrospectiva, resultarán obviamente falsas y tontas, son el lidar y los mapas de alta definición. Tomen nota de mis palabras.
Si necesitan un área delimitada geográficamente, no tienen verdadera conducción autónoma.
Solo, parece que quizás el suministro de baterías podría ser el único cuello de botella que queda para esta visión. Y también, ¿podrían aclarar cómo logran que las baterías duren un millón de millas?
Creo que las celdas serán una limitación. Ese es un tema completamente aparte. Es un tema completamente aparte. Y creo que, de hecho, vamos a querer impulsar más nuestra batería estándar de autonomía plus que nuestra batería de largo alcance, porque el contenido energético en la batería de largo alcance es un 50% más alto en kilovatios-hora. Así que, básicamente, pueden fabricar, ya saben, un tercio más de coches si, si simplemente... si todos son, más o menos, de autonomía estándar plus en lugar de la batería de largo alcance. Así que una es de unos 50 kilovatios-hora, la otra es de unos 75 kilovatios-hora. Así que probablemente vamos a inclinar intencionalmente nuestras ventas hacia la batería más pequeña, para tener un mayor volumen de, básicamente, lo obvio que hay que hacer es maximizar el número de unidades autónomas, o maximizar la producción que resultará en la mayor fuga autónoma más adelante. Así que estamos haciendo varias cosas en ese sentido, pero no es para la reunión de hoy. La vida de un millón de millas básicamente se trata solo de lograr que la vida cíclica de la batería llegue a, ya saben, básicamente del orden de... digamos que hacen el cálculo básico: si tienen una batería de 250 millas de autonomía, necesitarán unos 4.000 ciclos. Así que es muy alcanzable. Ya hacemos eso con nuestro almacenamiento estacionario. Algunas de nuestras soluciones de almacenamiento estacionario, como el Power Pack, ya están listas para desplegarse con una capacidad de vida de 4.000 ciclos.
Analyst
¿Puedo preguntar? Perdón, sí, quería.
Analyst
No, obviamente es significativo. Implicaciones de margen muy constructivas, en la medida en que puedan impulsar tasas de adopción mucho más altas de la opción de conducción totalmente autónoma. Tengo curiosidad por saber dónde se encuentran actualmente en términos de esas tasas de adopción, y cómo esperan educar a los consumidores sobre el escenario del robotaxi para que esas tasas de adopción mejoren de forma significativa con el tiempo.
Perdón, es un poco difícil escuchar su pregunta.
Analyst
Sí, solo tengo curiosidad por saber dónde estamos hoy en términos de tasas de adopción de la conducción totalmente autónoma, en cuanto a las implicaciones financieras. Creo que sería enormemente beneficioso que esas tasas de adopción aumentaran significativamente, por los mayores dólares de margen bruto que eso generaría. En la medida en que la gente se suscriba a la FSD completa, solo tengo curiosidad por saber cómo ven que eso crezca
o cuáles son las tasas de adopción
Analyst
hoy en día, en comparación con, ya saben, cuándo esperan... ¿Cómo esperan educar a los consumidores y hacer que sean conscientes de que deberían añadir la FSD a la compra de su vehículo?
Vamos a impulsar eso masivamente después de hoy. Sí, quiero decir, el mensaje fundamental, realmente fundamental, que los consumidores deberían llevarse hoy es que es financieramente una locura comprar cualquier otra cosa que no sea un Tesla. Será como tener un caballo dentro de tres años. Quiero decir, está bien si quieren tener un caballo, pero deberían entrar en eso con esa expectativa. Si compran un coche que no tiene el hardware necesario para la conducción totalmente autónoma, es como comprar un caballo, y el único coche que tiene el hardware necesario para la conducción totalmente autónoma es un Tesla. La gente de verdad debería pensarse comprar cualquier otro vehículo. Básicamente es una locura comprar cualquier coche que no sea un Tesla. Necesitamos transmitir ese argumento con claridad, y lo haremos después de hoy.
Analyst
Perfecto. Gracias por traer el futuro al presente; un momento muy informativo hoy. Me preguntaba, no hablaron mucho de la pickup de Tesla, y déjenme dar un contexto para eso. Podría estar equivocado, pero la forma en que veo la Red Tesla es como algo de adopción temprana, una especie de prueba de concepto. Creo que la pickup de Tesla podría ser la primera fase para poner vehículos en la red, porque la utilidad de la pickup de Tesla sería sobre todo para gente que carga muchas cosas, o que trabaja en construcción, o cosas puntuales de aquí y allá, como recoger cosas de Home Depot. Diría que, ya saben, quizás necesite un proceso de dos etapas: camionetas pickup exclusivamente para la Red Tesla como punto de partida. Luego gente como yo podría comprarlas más adelante. Pero, ¿qué opinan de eso?
Bueno, hoy en realidad se trataba solo de autonomía. Hay, hay mucho de lo que podríamos hablar, como la producción de celdas, la camioneta pickup y futuros vehículos. Pero hoy nos enfocamos solo en la autonomía. Pero estoy de acuerdo en que es algo importante. Estoy muy emocionado por el lanzamiento de la pickup de Tesla más adelante este año. Va a ser genial.
Colin Lang, de UBS. Solo para que entendamos las definiciones: cuando se refieren a conducción autónoma con todas las funciones completas, suena como que están hablando de nivel cinco, sin delimitación geográfica. ¿Es eso lo que esperan para fin de año?
Solo para que todos estemos...
Y luego, en cuanto al proceso regulatorio, quiero decir
¿han hablado con los reguladores sobre esto? Esto parece una cronología bastante agresiva comparada con
lo que otras personas han planteado. Es decir, ¿cuáles son, ya saben, los obstáculos necesarios, y cuál es el plazo para obtener la aprobación?
¿Y necesitan cosas como en
California, y están rastreando millas, ya saben, con un operador detrás? ¿Necesitan esas cosas? ¿Cómo se verá ese proceso?
Sí, hablamos con reguladores de todo el mundo todo el tiempo a medida que introducimos, ya saben, funciones adicionales como Navigate on Autopilot. Esto requiere aprobación regulatoria por cada jurisdicción. Pero creo que, fundamentalmente, en mi experiencia, los reguladores se convencen con datos. Así que, si tienen una cantidad masiva de datos que demuestren que la autonomía es segura, los escuchan. Puede que tarden un tiempo en digerir la información mientras la procesan. Puede tomar algo de tiempo, pero siempre han llegado a la conclusión correcta, por lo que he visto.
Ah, tengo una pregunta por aquí.
Tengo licencia y pilar. De acuerdo.
Solo quería, ya saben, parte del trabajo que hemos hecho tratando de entender mejor el mercado de viajes compartidos. Parece que está muy concentrado en grandes centros urbanos densos. Entonces, ¿es correcto pensar que los robotaxis probablemente se desplegarían más en esa zona, y la conducción totalmente autónoma adicional para vehículos de propiedad personal estaría en las zonas suburbanas?
Creo que probablemente, sí, los robotaxis propiedad de Tesla estarían en zonas urbanas densas junto con los vehículos de los clientes. Y luego, a medida que se llega a zonas de densidad media y baja, tendería a ser más que la gente sea dueña del coche y ocasionalmente lo preste. Sí, hay muchos casos límite en Manhattan y, digamos, en el centro de San Francisco, pero esos son, ya saben, y hay varias ciudades en todo el mundo que tienen entornos abiertos desafiantes. Pero no esperamos que esto sea un problema significativo. Y cuando digo todas las funciones completas, quiero decir que funcionará en el centro de San Francisco y en el centro de Manhattan. Este año.
Hola, tengo una pregunta sobre la arquitectura de la red neuronal. ¿Usan modelos distintos, por ejemplo, para la planificación de trayectoria y la percepción, o distintos tipos de IA, y más o menos cómo dividen ese problema entre las distintas partes de la autonomía?
Bueno, básicamente, ahora mismo, la IA o las redes neuronales se usan de verdad para el reconocimiento de objetos. Y todavía básicamente la usamos como fotogramas fijos, así que identificando objetos en fotogramas fijos y uniéndolo todo en una capa de percepción y planificación de trayectoria después de eso. Pero lo que está pasando, de forma constante, es que la red neuronal va comiéndose cada vez más la base del software. Y así, con el tiempo, esperamos que la red neuronal haga cada vez más. Ahora bien, desde un punto de vista de coste computacional, hay algunas cosas que son muy simples para una heurística y muy difíciles para una red neuronal. Y por eso probablemente tenga sentido mantener cierto nivel de heurísticas en el sistema, porque computacionalmente son mil veces más fáciles que una red neuronal. Una red neuronal es como un misil de crucero, y si están tratando de matar a una mosca, simplemente usen un matamoscas, no un misil de crucero. Pero, con el tiempo, esperaría que se mueva realmente hacia entrenar solo contra video, y luego video como entrada, dirección y pedales del coche como salida, o básicamente video como entrada y aceleración lateral y longitudinal como salida, casi por completo. Para eso vamos a usar el sistema Dojo. Actualmente no hay ningún sistema que pueda hacer eso.
Volviendo a la discusión sobre el conjunto de sensores, Elon. Un área de la que quisiera hablar
es la falta de radares laterales.
Y en una situación en la que hay una intersección con señal de alto, donde
quizás hay tráfico cruzado a unas 35, 40 millas por
hora, ¿se sienten cómodos con
el conjunto de sensores, con que las cámaras laterales sean
Analyst
capaces de manejar eso?
¿Podrían hablar un poco de eso?
Sí, no hay problema. Básicamente, el coche va a hacer más o menos lo que haría un humano. Pueden pensar en un humano como básicamente una cámara en un soporte giratorio lento. Y es bastante notable que la gente sea capaz de conducir de la forma en que lo hace, porque no se puede mirar en todas direcciones a la vez. El coche literalmente puede mirar en todas direcciones a la vez con múltiples cámaras. Así que los humanos son capaces de conducir simplemente mirando hacia aquí, mirando hacia allá. En realidad están atrapados en su asiento de conductor. No pueden realmente salir del asiento del conductor. Así que es como una sola cámara en un soporte giratorio, y aun así puede conducir. Un conductor consciente puede conducir con muy alta seguridad. Las cámaras en los coches tienen un mejor punto de vista que la persona. Así que están arriba, en el pilar B, o frente al espejo retrovisor. De verdad tienen un gran punto de vista. Así que, si están girando hacia una carretera con mucho tráfico a alta velocidad, simplemente pueden hacer lo que hace una persona. Simplemente girar un poco. No meterse del todo en la carretera. Dejar que la cámara vea qué está pasando. Y si las cosas se ven bien, y las cámaras traseras no muestran tráfico que se acerque, adelante. Y si se ve sospechoso, simplemente pueden retroceder un poco. Igual que una persona. El comportamiento es como, notablemente... empieza a volverse notablemente realista. Es, de hecho, bastante inquietante. El coche simplemente empieza a comportarse como una persona, aquí mismo. Bueno, aquí vamos entonces.
Pregunta complicada aquí mismo.
Dado todo el valor que están creando en su negocio automotriz al envolver toda esta tecnología alrededor de ustedes mismos, supongo que tengo curiosidad por saber por qué seguirían tomando parte de su capacidad de celdas y poniéndola en el Powerwall y el Power Pack. ¿No tendría sentido poner cada unidad que puedan fabricar en esta parte de su negocio?
Ya robamos prácticamente todas las líneas de celdas que estaban destinadas al Powerwall y al Power Pack, y las usamos para el Model 3. Quiero decir, el año pasado, para lograr nuestra producción del Model 3 y no quedarnos sin suministro, tuvimos que convertir todas las líneas 2170 de la Gigafactory a la producción de coches. Así que nuestra producción real, en gigavatios-hora totales de almacenamiento estacionario comparada con la de vehículos, es un orden de magnitud distinta. Y para el almacenamiento estacionario, básicamente podemos usar un montón de celdas diversas que hay por ahí. Así que simplemente podemos reunir celdas de múltiples proveedores de todo el mundo, y no se tiene el mismo problema de homologación ni de seguridad que se tiene con los coches. Así que, básicamente, nuestro negocio de baterías estacionarias ha estado viviendo de las sobras durante bastante tiempo. Así que. Pero, de verdad, piensen en la producción como algo... Hay muchísimas, muchísimas restricciones en un sistema de producción masivo. Es increíble cuán poco se aprecia la dificultad de fabricar una cadena de suministro. Hay toda una serie de restricciones. Y lo que es la restricción en una semana puede no serlo en otra semana. Es increíblemente difícil fabricar un coche, especialmente uno que evoluciona tan rápidamente. Así que.
Pero voy a tomar solo unas preguntas más, y luego creo que haremos una pausa para que puedan probar los coches.
Hola, Elon, soy Adam Jonas.
Preguntas sobre seguridad.
¿qué datos pueden compartir con nosotros hoy
sobre qué tan segura es esta tecnología, lo cual
obviamente sería importante en una discusión regulatoria o de seguros?
Bueno, publicamos los accidentes por milla cada trimestre. Y lo que vemos ahora mismo es que el Autopilot es aproximadamente el doble de seguro que un conductor normal, en promedio. Y esperamos que eso aumente bastante con el tiempo. Como dije, en el futuro será así. Los consumidores van a querer prohibir, y digo que lo lograrán, tampoco digo que esté de acuerdo con esta postura, pero en el futuro los consumidores van a querer prohibir que la gente conduzca sus propios coches porque es inseguro. Si piensan en los ascensores, los ascensores solían operarse con una gran palanca, para subir y bajar de piso, y había un gran relé, y había operadores de ascensor, pero de vez en cuando se cansaban o se emborrachaban o algo así, y entonces movían la palanca en el momento equivocado y cortaban a alguien por la mitad. Así que ahora no hay operadores de ascensor. Y sería bastante alarmante si entraran en un ascensor que tuviera una gran palanca que pudiera moverse arbitrariamente entre pisos.
Así que simplemente hay botones, y a largo plazo, de nuevo, no es un juicio de valor. No estoy diciendo que quiera que el mundo sea así. Estoy diciendo que, muy probablemente, los consumidores exigirán que a la gente no se le permita conducir coches.
Y Elon, una pregunta de seguimiento, ¿podrían
compartir con nosotros cuánto está gastando Tesla
en el Autopilot o en tecnología autónoma, en orden de magnitud, de forma anual? Gracias.
Básicamente, es toda nuestra estructura de gastos. Una pregunta sobre la economía de la Red Tesla. Solo para entenderlo, parecía que... Así que toman un Model 3 que sale de arrendamiento, 25.000 dólares entran, en el balance sería un activo, y luego... generaría un flujo de caja de unos 30.000 dólares al año, aproximadamente. ¿Es así como hay que pensarlo? Sí, algo así, sí.
Y entonces, solo en cuanto al financiamiento
Analyst
de eso, hubo una pregunta antes, mencionaron
que lo harían. ¿Es neutral en flujo de caja para el programa de robotaxi, o neutral en flujo de caja para
Analyst
Tesla en su conjunto?
Perdón, la neutralidad de flujo de caja en términos de...
Él hizo una pregunta sobre el financiamiento del
robotaxi, pero a mí me parece
Analyst
que se están autofinanciando.
Pero mencionaron que serían básicamente neutrales en flujo de caja. ¿Es a eso a lo que se refieren? Solo estoy diciendo que, entre ahora y cuando los robotaxis estén completamente desplegados en todo el mundo, lo sensato para nosotros es maximizar las tasas y llevar a la empresa a ser neutral en flujo de caja. Una vez que la flota de robotaxis esté activa, esperaría ser extremadamente positivo en flujo de caja. Y entonces estaban hablando de la producción, sí. Para producirlos todos.
Maximizar el número de unidades autónomas fabricadas.
De acuerdo, quizás solo una. Una última pregunta aquí. Hola.
Si añado mi Tesla a la red de robotaxis, ¿quién...
¿quién es responsable de un accidente?
Analyst
¿Es Tesla o soy yo?
Si el vehículo tiene un accidente y causa daños...
Probablemente Tesla. Probablemente es Tesla.
Sí. Creo que lo correcto es simplemente asegurarse de que haya muy, muy pocos accidentes. Muy bien, gracias a todos. Por favor, disfruten las pruebas de conducción.
Speaker
gracias. Sam. Sa. Sam. Eso. Sam.
Speaker
Eso. Eso. Es. Sa. Sam. Eso. Ra.