El chip Tesla AI4 y NVIDIA Thor cara a cara. ¿Cuál es mejor para la conducción autónoma?
Los chips pensados para la conducción autónoma. Tesla y NVidia son los candidatos a triunfar
La carrera por la conducción autónoma tiene tres ejes: software, hardware y regulación. Hasta ahora, Tesla apostaba fuerte por su propio hardware con la idea de alcanzar la “conducción total” con sus chips internos. Pero la llegada de su nuevo chip —el hipotético “AI5”— se ha retrasado, y subraya lo necesario que es entender las diferencias reales entre el hardware dominante hoy: el AI4 de Tesla y el Drive/AGX Thor de NVIDIA.
Comparativa del chip Tesla AI y NVIDIA Thor
| Característica / Especificación | Tesla AI4 (Hardware 4.0) | NVIDIA Drive AGX Thor (Jetson/AGX Thor) |
|---|---|---|
| Desarrollador / Arquitectura | Tesla (interno) | NVIDIA |
| Proceso de fabricación | 7 nm (Samsung) | 4N de TSMC (equivalente a 5 nm) |
| Estado / Disponibilidad | Producción desde 2023 | En producción desde 2025 |
| CPU | ARM Cortex‑A72 — 20 núcleos (5 clusters de 4) | ARM Neoverse V3AE — 14 núcleos (configuración T5000) |
| NPU / GPU / Aceleradores | 3 núcleos NPU “personalizados” por SoC × 2 SoC = redundancia | GPU Blackwell con Tensor Cores + Transformer Engine, soporte para formatos modernos (FP4, etc.) |
| Rendimiento IA | ~100–150 TOPS (INT8, sistema dual‑SoC) según estimaciones recientes | > 1.000 TOPS (INT8) o ~2.000 TFLOPS — dependiendo de precisión y configuración. |
| Memoria / Ancho de banda | 16 GB RAM + almacenamiento NVMe según teardown; memoria “gordo ancho” — pero versiones anteriores indican un bus más modesto. | Hasta 64 GB (en dev‑kit) o módulos compatibles con hasta 128 GB LPDDR5X; bus 256‑bit, ~273 GB/s de ancho de banda. |
| Consumo / Diseño térmico | Dos SoC en una placa (redundancia), lo que implica necesidades de gestión térmica y consumo — aunque los números exactos varían. La documentación pública indica que HW4 “duplica” partes comparado con HW3. | Thor ha sido diseñado como plataforma escalable para automóviles, con certificaciones de seguridad (ASIL‑D), soporte para sensores, conectividad múltiple y suficiente potencia para stack completo de conducción autónoma + funciones adicionales. |
| Soporte de sensores / cámaras | Diseñado por Tesla para su propio sistema de cámaras y sensores — HW4 incluye conectores para múltiples cámaras. | Arquitectura abierta, soporta un abanico amplio de sensores: cámaras (GMSL3), lidar/radar, varios I/O, lo que facilita integrac |
La carrera por dominar la conducción autónoma se libra en tres frentes fundamentales: el software que interpreta el entorno, el hardware que lo ejecuta y la normativa que lo regula. Tesla ha apostado desde el principio por desarrollar internamente su plataforma, tanto en el ámbito del software como en el del hardware. Sin embargo, el resto de la industria ha optado por apoyarse en soluciones estandarizadas y más potentes, como las que ofrece NVIDIA con su nueva plataforma Drive Thor.
Ahora que Tesla ha confirmado que su chip de próxima generación, el esperado “AI5”, no estará listo hasta al menos 2027, resulta especialmente relevante analizar las diferencias entre el hardware que actualmente lidera la conducción autónoma: el chip AI4 de Tesla y el recién llegado Drive Thor de NVIDIA.
Una apuesta por caminos opuestos
La diferencia más llamativa entre ambas plataformas comienza desde el propio proceso de fabricación. Mientras que NVIDIA ha apostado por la vanguardia absoluta con el proceso de 4N de TSMC —una variante avanzada del nodo de 5 nm que también utilizan sus chips para centros de datos—, Tesla se ha mantenido en una estrategia más conservadora, utilizando el nodo de 7 nm de Samsung, más maduro y barato, pero menos eficiente en términos de rendimiento por vatio y densidad.
Esta elección no es casual. Mientras NVIDIA pretende ofrecer una solución universal para fabricantes de todo tipo, capaz de gestionar desde el sistema de conducción autónoma hasta el sistema de infoentretenimiento completo del vehículo, Tesla se ha centrado en un hardware específico y personalizado para su propio ecosistema de cámaras y sensores, priorizando la integración vertical y el control total del sistema.
Potencia de cálculo: ventaja abrumadora para NVIDIA
En términos de potencia pura de procesamiento para inteligencia artificial, NVIDIA se sitúa varios escalones por encima. Su Drive Thor, basado en la nueva arquitectura Blackwell, alcanza cifras de hasta 2.000 teraflops (TFLOPS) utilizando precisión FP4, un nuevo formato de cálculo optimizado para redes neuronales y modelos tipo transformer, cada vez más presentes en vehículos inteligentes.
En comparación, el chip AI4 de Tesla ofrece entre 100 y 150 TOPS (billones de operaciones por segundo) en precisión INT8, y eso contando su sistema redundante de doble procesador en una sola placa. Aunque estas cifras puedan parecer modestas frente a Thor, hay que tener en cuenta que Tesla no busca correr modelos generativos, sino ejecutar su software de conducción autónoma basado en visión computacional pura, sin lidar ni mapas HD.
El cuello de botella de Tesla: la memoria
Curiosamente, una de las grandes mejoras introducidas por Tesla en su chip AI4 no fue tanto el aumento de potencia de cálculo, sino la decisión de cambiar su arquitectura de memoria. Mientras que el hardware anterior (HW3) utilizaba memoria LPDDR4, el nuevo sistema apuesta por GDDR6, un tipo de memoria típicamente usado en tarjetas gráficas de alto rendimiento. ¿El motivo? Aumentar el ancho de banda para alimentar sus redes neuronales con vídeo sin procesar a alta resolución.
Esto le otorga al AI4 un ancho de banda de aproximadamente 384 GB/s, superando incluso al Thor en su configuración estándar, que utiliza LPDDR5X con un ancho de banda de unos 273 GB/s. Esta elección muestra que, más que falta de potencia de cálculo, el problema que Tesla arrastraba estaba en la cantidad de datos que podía mover por segundo. De hecho, Elon Musk ha adelantado que el próximo chip AI5 quintuplicará ese ancho de banda, confirmando que el verdadero cuello de botella en sus sistemas era la transferencia de datos, no la computación.
CPU y arquitectura: entre lo funcional y lo futurista
En este apartado la diferencia también es notable. Tesla mantiene en su AI4 una arquitectura CPU basada en los núcleos ARM Cortex-A72, una tecnología que, aunque probada y fiable, lleva casi una década en el mercado. Aumentaron el número de núcleos hasta 20, distribuidos en 5 clústeres, pero siguen siendo núcleos relativamente anticuados frente a los modernos diseños que incorpora NVIDIA.
En Thor encontramos los ARM Neoverse V3AE, núcleos de clase servidor diseñados para ofrecer gran rendimiento en sistemas definidos por software, con capacidad suficiente para ejecutar, además del stack autónomo, todo el sistema operativo del vehículo, incluyendo el panel de instrumentos digital, el sistema multimedia y, potencialmente, un asistente con IA generativa. Todo desde un único chip.
Esta versatilidad ha convencido a numerosos fabricantes, como BYD, Zeekr, Lucid o Xiaomi, que ya han anunciado su intención de integrar Drive Thor en sus próximos modelos eléctricos.
Coste vs. ambición
La comparación entre Tesla y NVIDIA no es solo técnica, sino también estratégica. Tesla apuesta por un sistema propietario, más económico, cerrado y optimizado para su propio software. Es un camino más eficiente en costes, pero también más limitado en cuanto a escalabilidad y adopción por parte de terceros.
NVIDIA, en cambio, ha desarrollado una plataforma escalable, abierta y con capacidad de evolucionar hacia niveles de autonomía más altos en el futuro. No se limita a resolver la conducción, sino que propone una arquitectura unificada para todos los sistemas computacionales del vehículo.
Dos visiones, dos futuros
Tesla sigue fiel a su filosofía de integración total: controla el hardware, el software, los sensores y el vehículo. Y aunque sus cifras en potencia bruta palidecen frente a NVIDIA, su enfoque centrado en la visión computacional puede seguir siendo suficiente para alcanzar sus metas en conducción autónoma dentro de su ecosistema.
NVIDIA, por su parte, se posiciona como el estándar de facto para cualquier fabricante que quiera una solución potente, escalable y compatible con múltiples sensores y funciones avanzadas. Thor no es solo un chip para conducción autónoma, es el corazón de un vehículo definido por software.
Con el retraso del chip AI5 de Tesla hasta 2027, Drive Thor tiene vía libre para consolidarse como la plataforma líder en esta nueva generación de coches inteligentes. Y aunque el futuro dirá quién llega más lejos, hoy por hoy la ventaja tecnológica y de adopción está claramente del lado de NVIDIA.
