De vehículos definidos por software a vehículos definidos por IA: la próxima evolución de los automóviles
Definido por software a definido por IA: la próxima evolución de los automóviles
Los automóviles ya no se están volviendo simplemente más inteligentes; están empezando a comprender, adaptarse y actuar. La industria ya ha establecido las bases digitales para esta transición. En enero de 2024, Qualcomm informó que más de 350 millones de vehículos equipados con soluciones de chasis digital Snapdragon estaban operando en todo el mundo. El siguiente paso es el vehículo definido por IA, que utiliza inteligencia para interpretar las condiciones de la carretera, personalizar la cabina, predecir fallas de componentes y optimizar el consumo de energía. Esta evolución ya se está abriendo camino en los programas de desarrollo de vehículos. En enero de 2025, NVIDIA anunció que Toyota construiría vehículos de próxima generación utilizando su plataforma DRIVE AGX Orin habilitada para IA y DriveOS con certificación de seguridad. La ventaja competitiva dependerá cada vez más no de la cantidad de software que contenga un vehículo, sino de la seguridad y continuidad con la que ese software pueda aprender y crear valor.
La transición es evidente en la tecnología orientada a la producción. En enero de 2024, Bosch y Qualcomm demostraron una computadora central para vehículos capaz de operar información y entretenimiento y funciones avanzadas de asistencia al conductor en un solo sistema en chip, lo que reduce la necesidad de sistemas informáticos separados para dominios específicos. La plataforma DRIVE Thor de NVIDIA demuestra la creciente demanda de una mayor intensidad informática en los vehículos. La computadora centralizada del vehículo se presentó con hasta 2000 teraflops de rendimiento para soportar cargas de trabajo de cabina, estacionamiento y conducción automatizada.
Las actualizaciones de software también se han convertido en una responsabilidad regulada del ciclo de vida. Reglamento No. 156 de la ONU, que entró en vigor el 22 de eneroDakota del Nortede 2021, exige que los fabricantes de vehículos establezcan sistemas formales de gestión de actualizaciones de software y mantengan el control sobre las versiones de software relevantes para la seguridad.
El software para vehículos convencional sigue principalmente reglas predefinidas, opera dentro de dominios funcionales individuales y reacciona solo a las condiciones anticipadas durante el desarrollo. Un vehículo definido por IA añade percepción, razonamiento contextual y aprendizaje continuo de la flota. NVIDIA describe esta transición como un avance hacia modelos de IA más grandes, una mayor capacidad informática y un uso más amplio de los datos de los vehículos.
La carrera por construir automóviles definidos por IA no se define por un solo avance, sino por la eficacia con la que los fabricantes aplican la inteligencia en todo el vehículo y su ciclo de vida más amplio. El mayor número de oportunidades está surgiendo entre cinco áreas interconectadas: seguridad en la conducción, experiencia en la cabina, estado del vehículo, gestión de energía y desarrollo y fabricación de automóviles.
Conducción inteligente y seguridad predictiva
La IA está cambiando la seguridad de los vehículos, pasando de reaccionar ante un peligro detectado a predecir cómo pueden evolucionar los usuarios de la carretera y las condiciones del tráfico. Las cámaras, el radar, el LIDAR, los sistemas de monitoreo del conductor y los sensores de movimiento del vehículo se pueden combinar con la fusión de sensores basada en inteligencia artificial para identificar a los peatones, interpretar el comportamiento del carril, evaluar la atención del conductor e iniciar acciones preventivas.
El frenado automático de emergencia demuestra el valor potencial de la percepción y la intervención respaldadas por IA. La Administración Nacional de Seguridad del Tráfico en las Carreteras de Estados Unidos estimó que su estándar de frenado automático de emergencia para 2024 podría prevenir al menos 24.000 lesiones, salvar al menos 360 vidas y evitar más de 5.000 millones de dólares en daños a la propiedad al año.
El vehículo definido por IA lleva esta idea un paso más allá. En lugar de tratar el frenado, la dirección y la supervisión del conductor como funciones separadas, las reúne para crear una visión compartida del riesgo. Esto permite que el vehículo comprenda mejor lo que sucede a su alrededor y responda de manera más efectiva.
Cabinas adaptables y sensibles al contexto
La cabina digital está evolucionando de un centro de control basado en pantalla a una interfaz inteligente capaz de comprender la conversación natural, las preferencias del usuario y el contexto del viaje. Los asistentes de IA pueden conectar navegación, entretenimiento, control de clima, carga e información del vehículo sin necesidad de que los conductores naveguen por múltiples menús.
BMW anunció que su asistente personal inteligente compatible con inteligencia artificial, mejorado con capacidades de Amazon Alexa+ y basado en el asistente personalizado Alexa de Amazon podría debutar en el BMW iX3 durante la segunda mitad de 2026. El sistema utiliza un modelo de lenguaje grande para comprender el habla libre, procesar varias preguntas en una sola oración y responder a solicitudes de seguimiento. Los usuarios pueden hacer preguntas relacionadas tanto con las características del vehículo como con temas de conocimiento general. Con el tiempo, la cabina podría reconocer viajes de rutina, recomendar paradas para cargar o descansar, adaptarse a la configuración de la cabina y explicar las funciones del vehículo de acuerdo con el comportamiento anterior del conductor.
Estado y tiempo de actividad predictivos del vehículo
La IA también está haciendo que el mantenimiento pase de ser un programa fijo o una respuesta de luz de advertencia a una evaluación continua del estado de los componentes. Al analizar la temperatura, la vibración, los códigos de falla, las cargas operativas y la información histórica de reparaciones, los vehículos pueden identificar comportamientos anormales antes de que causen una avería. En marzo de 2026, Mack Trucks informó que su plataforma GuardDog Connect impulsada por IA podía interpretar el significado detrás del código de falla y requería reparación con un 95% de certeza, mientras que a menudo predecía el código antes de que apareciera en el tablero. Mack también informó que los contratos de mantenimiento adaptativo habían reducido el tiempo de inactividad planificado en un 38 %, mientras que los intervalos optimizados de drenaje de aceite podrían ahorrar aproximadamente USD 6000 por camión al año.
Inteligencia energética y de tren motriz
En los vehículos eléctricos e híbridos, la IA puede optimizar el uso de energía prediciendo las necesidades de energía, gestionando la distribución de energía y reduciendo el consumo innecesario de energía. Puede evaluar el tráfico, la pendiente, la temperatura, el comportamiento de conducción, el estado de la batería y la disponibilidad del cargador para producir estimaciones de autonomía y recomendaciones de carga más precisas. También se están desarrollando modelos de aprendizaje automático para estimar el estado de carga, el estado de salud y la vida útil restante de la batería en condiciones operativas cambiantes.
BMW utiliza el análisis backend de datos anteriores de carga y parada para mejorar la guía de ruta. La compañía informó que este análisis ha permitido obtener información de ubicación más precisa de aproximadamente un tercio de los puntos de recarga registrados en su sistema.
IA en ingeniería y fabricación
La IA se está aplicando al diseño generativo, la codificación, la simulación, la validación virtual, la logística de fábrica, la inspección de calidad y la planificación de la cadena de suministro. Esto puede acortar los ciclos de desarrollo y al mismo tiempo permitir a los ingenieros examinar varios escenarios de diseño y prueba antes de producir los prototipos físicos.
En la planta de BMW en Ratisbona, el sistema GenAI4Q genera recomendaciones de inspección de calidad individuales para aproximadamente 1.400 vehículos fabricados cada día. La IA analiza las especificaciones del vehículo junto con información de fabricación en tiempo real para determinar la secuencia de inspección adecuada para cada unidad del vehículo. De manera similar, General Motors también está integrando inteligencia artificial, gemelos digitales, robótica y simulación para acelerar las pruebas virtuales y optimizar los procesos de fabricación.
La competencia automovilística definida por la IA no se limitará a quién construye el coche más inteligente, lo que ampliará la aplicación. También dependerá de quién desarrolla, fabrica, respalda y mejora continuamente ese vehículo de manera más eficiente.
Un vehículo definido por IA es una integración de varias funciones inteligentes; Los ecosistemas de nube y desarrollo operan como un circuito de aprendizaje continuo. Los sensores primero capturan información sobre la carretera, el conductor, los pasajeros, la batería, el tren motriz y el entorno circundante. Luego, las computadoras de alto rendimiento dentro del vehículo procesan información crítica para la seguridad localmente, donde las decisiones inmediatas no pueden depender de la conectividad en la nube.
La informática centralizada proporciona la base de esta inteligencia. En enero de 2026, Qualcomm y Leapmotor anunciaron un sistema de computación central unificado para el D19 que combina cabina, sistemas avanzados de asistencia al conductor, control de la carrocería y conectividad. La consolidación de estas funciones reducirá la complejidad arquitectónica y al mismo tiempo permitirá que los modelos de IA utilicen información en dominios de vehículos previamente separados.
La nube desempeña un papel diferente. Admite almacenamiento de datos a gran escala, capacitación de modelos, análisis de flotas, distribución de software y comparación de patrones en miles de vehículos. Hyundai Motor Group, por ejemplo, está desarrollando modelos de inteligencia artificial con NVIDIA para admitir asistentes personalizados, información y entretenimiento inteligente y funciones de comodidad adaptativa que pueden evolucionar a través de actualizaciones inalámbricas. Sin embargo, construir este ciclo de aprendizaje requiere que los fabricantes conecten información que a menudo permanece separada entre la telemetría del vehículo, los concesionarios, los registros de servicio, las plataformas de clientes y los centros de contacto.
Los gemelos digitales completan el conjunto proporcionando representaciones virtuales en las que se pueden probar los sistemas de vehículos, las fábricas y los escenarios operativos antes de introducir cambios en los prototipos físicos. BMW está ampliando las aplicaciones de gemelos digitales en más de 30 sitios de producción, lo que permite evaluar virtualmente modificaciones que anteriormente requerían semanas de pruebas físicas.
El desafío clave en la IA automotriz ya no es demostrar que un modelo puede funcionar; se trata de garantizar que pueda funcionar de forma segura, consistente y económica en millones de vehículos. Un piloto puede tener éxito en una ruta, línea de fábrica o conjunto de datos seleccionados, mientras que los sistemas de producción deben operar en diferentes climas, condiciones de la carretera, idiomas, configuraciones de vehículos y niveles de conectividad. El siguiente gráfico ilustra la creciente escala de la conducción autónoma en los últimos años. La base de millas publicada solo para pasajeros de Waymo se expandió de aproximadamente 1 millón de millas en enero de 2023 a 220,6 millones de millas en marzo de 2026.
Los fabricantes requieren evidencia de que el sistema puede reconocer la incertidumbre, gestionar escenarios poco comunes y entrar en un estado de respaldo seguro cuando los sensores, los datos o los modelos son inadecuados.
ISO/PAS 8800:2024 aborda la IA relacionada con la seguridad en vehículos de carretera de producción en serie y respalda la garantía contra riesgos irrazonables derivados de limitaciones y fallas de un sistema de IA. A medida que estos sistemas escalan, la ciberseguridad y la gobernanza del software deben gestionarse continuamente durante todo el ciclo de vida del vehículo. El Reglamento n.º 155 de la CEPE exige una gestión de la ciberseguridad y una evaluación continua de los riesgos. Las expectativas regulatorias también son cada vez más exigentes. Para los sistemas relevantes de alto riesgo, la Ley de IA de la Unión Europea exige gestión de riesgos del ciclo de vida, conjuntos de datos adecuados, documentación, supervisión humana, precisión, solidez y ciberseguridad.
Los desafíos relacionados con la comercialización también son igualmente importantes. Los fabricantes de automóviles deben coordinar a los proveedores de semiconductores, los desarrolladores de software, las plataformas en la nube y los fabricantes de componentes mientras monitorean los costos informáticos, la complejidad de la integración y la responsabilidad por las actualizaciones. Las empresas que diseñen el modelo de IA, el caso de seguridad, los controles de ciberseguridad, la gobernanza de datos y el proceso de actualización como un solo sistema de producción, no como proyectos técnicos separados, escalarán con éxito.
La siguiente fase de la inteligencia automotriz surgirá a medida que los vehículos evolucionen desde simplemente responder a las órdenes del conductor hasta tomar decisiones de forma independiente en nombre del conductor. Los sistemas agentes podrían planificar rutas, identificar paradas de carga, ajustar la configuración de la cabina, gestionar pagos aprobados y revisar los viajes a medida que cambian las condiciones. En enero de 2025, Mercedes-Benz y Google Cloud introdujeron un agente de IA automotriz para el asistente virtual MBUX, que permite conversaciones de varios turnos y soporte de navegación personalizado utilizando datos de Google Maps.
El liderazgo en la era definida por la IA dependerá menos del lanzamiento de funciones aisladas y más de la capacidad de construir un ecosistema de inteligencia escalable. Los fabricantes de automóviles deben conectar la informática centralizada de los vehículos con datos gobernados, simulación, infraestructura en la nube y sistemas de fabricación, al tiempo que priorizan las aplicaciones que ofrecen mejoras mensurables en seguridad, eficiencia, calidad y valor para el cliente.
