Cada industria invierte enormes esfuerzos en sus ciclos de desarrollo de productos. No es ningún secreto que crear un automóvil es difícil, pero con el auge de los vehículos definidos por software, que aportan aún más complicaciones al proceso de desarrollo, es más importante que nunca contar con una estrategia eficiente de desarrollo de productos.
Con el ritmo acelerado del desarrollo de software llegando al mundo automotriz, es imprescindible aprovechar cualquier recurso para acelerar el desarrollo de productos. Ya sea mediante asociaciones estratégicas o buscando formas de integrar verticalmente en su nicho, es fundamental explorar todas las oportunidades posibles.
A continuación, hemos recopilado algunos ejemplos de estrategias de desarrollo de productos en el mundo de la conducción autónoma que pueden ayudarle a comprender mejor los pasos que puede tomar en su proyecto.
Autopilot de Tesla y su integración total
Uno de los desarrollos más publicitados en el ámbito de la conducción autónoma es, sin duda, el Autopilot de Tesla. Inicialmente, Tesla estableció una asociación con el proveedor de sistemas de conducción autónoma Mobileye. Aunque no se conocen todos los detalles de la colaboración, al menos permitió a Tesla comprender de primera mano las limitaciones de la tecnología de conducción autónoma e identificar las áreas que necesitaban mejoras. Después de varios años, la asociación se disolvió, pero Tesla logró obtener bases sólidas para desarrollar sus propios sistemas.
Un aspecto clave para crear un sistema que pueda navegar en casi cualquier situación es la cantidad de datos con los que se le puede entrenar. Tesla tenía una ventaja significativa en este sentido. En lugar de depender exclusivamente de pruebas en circuitos cerrados, como muchos otros proveedores de conducción autónoma, Tesla aprovecha los datos recopilados de cientos de miles de vehículos en la carretera, conducidos por personas comunes en entornos reales. Incluso si el conductor no tiene activado el Autopilot, los vehículos de Tesla operan en un «modo sombra», que recopila datos de conducción y ayuda a identificar la mayor cantidad posible de casos atípicos. Mientras que los humanos utilizamos la intuición para adaptarnos a nuevas situaciones, en este punto, un sistema informático no sabe cómo responder si nunca ha visto un escenario similar.
Este flujo constante de datos acelera significativamente el desarrollo del producto, ya que los modelos de conducción se actualizan constantemente y se envían a los vehículos mediante actualizaciones de software, creando un ciclo de retroalimentación positiva.
Para aumentar aún más la velocidad del desarrollo del producto, Tesla creó un superordenador conocido como Tesla Dojo. Utilizando chips diseñados a medida, esta computadora procesa millones de terabytes de datos provenientes de la flota de Tesla, etiquetando y anotando detalles importantes para la visión por computadora responsable de la conducción autónoma.
Nvidia: de los videojuegos a la conducción autónoma
Aunque no es una marca automotriz, Nvidia ha logrado avances significativos en el sector de la conducción autónoma en la última década. Conocida principalmente por sus unidades de procesamiento gráfico (GPU) utilizadas en videojuegos, la compañía encontró un nicho muy lucrativo cuando los fabricantes de automóviles comenzaron a tomarse en serio la conducción autónoma.
A diferencia de los procesadores centrales (CPU), las GPU están diseñadas para procesar datos en paralelo, lo que las hace ideales para los sistemas de conducción autónoma, que dependen de cámaras, radares y sensores LIDAR enviando datos simultáneamente para crear una imagen completa del entorno.
En 2015, Nvidia presentó una versión de sus GPUs especialmente diseñadas para aplicaciones de conducción autónoma y que aprovechaban la tecnología de redes neuronales. Gracias a su prestigio en la industria de semiconductores, no fue sorprendente que Nvidia lograra rápidamente asociaciones con múltiples compañías tecnológicas y automotrices, entre ellas Volvo, Mercedes y Hyundai.
Al igual que Tesla, Nvidia entiende que la recopilación de datos es esencial para construir un sistema de conducción autónoma exitoso. Con tantos fabricantes utilizando chips Nvidia, la compañía puede identificar rápidamente cómo mejorar sus próximos procesadores. Aunque el desarrollo de hardware no ocurre tan rápido como las actualizaciones de software, esta estrategia ha ayudado a mantener a Nvidia como líder de la industria.
Sin embargo, estas asociaciones van más allá de los chips para vehículos. Nvidia también desarrolla GPUs para entrenar sistemas de conducción autónoma, funcionando de manera similar al superordenador Tesla Dojo. Incluso si un fabricante diseña sus propios chips para los sensores de su automóvil, es posible que siga utilizando GPUs de Nvidia para procesar datos y entrenar el software.
Además, estos avances en inteligencia artificial no solo han fortalecido la presencia de Nvidia en la conducción autónoma, sino que también han impulsado el desarrollo de sus chips de inteligencia artificial. Asociaciones como la de Mercedes-Benz han permitido que su tecnología de IA se implemente en los sistemas de infoentretenimiento de los vehículos, proporcionando a Nvidia aún más datos para mejorar su tecnología.
Aurrigo: encontrando un mercado inexplorado
Pero no es necesario ser una empresa valorada en miles de millones de libras para demostrar un desarrollo de producto eficiente en este sector. Aurrigo ha pasado muchos años fabricando diversas piezas para fabricantes de automóviles como Volkswagen y Bentley. Sin embargo, en lugar de competir directamente con gigantes como Tesla o Waymo, Aurrigo optó por enfocarse en vehículos de baja velocidad.
Estos vehículos son más baratos de producir, y sus requisitos computacionales son mucho menores, ya que el sistema tiene más tiempo para reaccionar ante obstáculos cuando viaja a 10 km/h en lugar de 100 km/h.
Aurrigo identificó un nicho desatendido en el mundo de la conducción autónoma. Mientras que la mayoría de los fabricantes intentaban desarrollar vehículos más deseables para los consumidores, Aurrigo se centró en aeropuertos y sus flotas de tractores de equipaje.
Este mercado prácticamente inexplorado permitió a Aurrigo establecer rápidamente asociaciones con aeropuertos interesados, como el Aeropuerto de Changi en Singapur. Estas instalaciones permitieron a la empresa realizar pruebas con aviones y equipaje simulados, lo que ayudó a los funcionarios a evaluar la viabilidad del sistema y proporcionó a Aurrigo datos valiosos para seguir perfeccionando su producto.
Además, estas demostraciones en aeropuertos de renombre han ayudado a Aurrigo a atraer más inversores, lo que le ha permitido acelerar aún más su desarrollo de producto y expandirse a nivel mundial.