Por: Jeremie Bouchaud y Hrishikesh S de S&P Global Mobility.
La capacidad de cómputo automotriz está convirtiéndose en una métrica fundamental del desempeño vehicular — no solo habilita la conducción autónoma, sino también sistemas avanzados de cabina, conectividad continua y actualizaciones de software a lo largo de todo el ciclo de vida del vehículo.
A medida que los vehículos transicionan hacia arquitecturas eléctricas/electrónicas (E/E) centralizadas y plataformas definidas por software, el rendimiento del silicio se convierte en un factor determinante de lo que un vehículo puede hacer — y por cuánto tiempo podrá seguir siendo competitivo en el mercado.
Las métricas detrás de la potencia de cómputo en vehículos modernos
Dos métricas han surgido como estándar en la industria para medir esta evolución de la computación automotriz: los kilo Dhrystone millones de instrucciones por segundo (kDMIPS) y las tera operaciones por segundo (TOPS).
El kDMIPS cuantifica el rendimiento de procesamiento de propósito general, típicamente gestionado por las unidades centrales de procesamiento (CPUs). Refleja qué tan bien el sistema puede manejar lazos de control, ejecutar sistemas operativos vehiculares y soportar lógica de decisión en tiempo real.
En contraste, los TOPS miden el rendimiento de procesamiento en paralelo, esencial para cargas de trabajo intensivas en inteligencia artificial, como la percepción, clasificación y fusión de sensores. (Para ponerlo en perspectiva: el iPhone 15 entrega aproximadamente 17 TOPS, mientras que el promedio de los vehículos actuales opera con solo 19 TOPS).
Los TOPS están impulsados principalmente por bloques de cómputo especializados como las unidades de procesamiento neuronal (NPUs) y las unidades de procesamiento gráfico (GPUs), ahora centrales para la ejecución de modelos de aprendizaje automático dentro del vehículo.
A medida que aplicaciones como la detección de objetos basada en cámaras o el procesamiento de lenguaje natural se vuelven más complejas, los kDMIPS y TOPS — uno para el control determinista, el otro para inferencias de IA — ofrecen en conjunto una visión más completa de las capacidades de cómputo del vehículo.
S&P Global Mobility estima que entre 2024 y 2030, la potencia de cómputo promedio por vehículo se triplicará en términos de kDMIPS y aumentará 4.8 veces en TOPS. Este crecimiento está siendo impulsado por la convergencia de la innovación en cabinas, la escalada de funciones de conducción automatizada y la transición de la industria hacia vehículos definidos por software (SDVs).
Esta alza en el rendimiento no ocurre en el vacío
Está motivada por tendencias reales de producto y expectativas del usuario. En la cabina, los consumidores esperan una experiencia similar a la de un smartphone: pantallas de alta definición, asistentes por voz naturales, interacciones fluidas e incluso superposiciones de realidad aumentada.
Los fabricantes de automóviles en China continental han sido particularmente agresivos, no solo integrando pantallas de alta resolución y chatbots con IA, sino también utilizando los sistemas en chip (SoC) — como los de Qualcomm o Nvidia — como argumentos de venta.
Estas exigencias requieren gran capacidad de procesamiento, incluyendo renderizar múltiples pantallas a la vez, mantener una latencia ultra baja y operar interfaces impulsadas por IA en paralelo.
Impulsores del crecimiento en cómputo automotriz: SDVs, cabinas con IA y conducción automatizada
La transición hacia vehículos definidos por software está impulsando el crecimiento del cómputo automotriz al reemplazar arquitecturas de funciones fijas con plataformas actualizables.
Para habilitar actualizaciones over-the-air (OTA) y herramientas como gemelos digitales, los vehículos necesitan desde el principio una holgura considerable en cómputo, lo que exige una arquitectura de software modular y orientada a servicios.
La demanda de poder de cómputo es particularmente evidente en las funciones de conducción automatizada de Nivel 2+ (SAE), que están ganando terreno en China y en los segmentos premium.
Estos sistemas dependen de la percepción, toma de decisiones y actuación en tiempo real, a través de datos de sensores como cámaras, radares y lidars. Muchos OEMs están adoptando modelos de IA de extremo a extremo, que infieren el comportamiento de conducción directamente a partir de datos crudos de sensores, lo que mejora el desempeño en escenarios extremos pero aumenta la complejidad computacional, llegando a requerir hasta 500 TOPS para lograr una fusión de sensores completa e inferencias en tiempo real.
Los sistemas diseñados para funciones de Nivel 2+ o Nivel 3 deben cumplir con estrictos estándares de seguridad y latencia — buscando cumplir con ASIL-D — y usar arquitecturas híbridas que combinen CPUs, NPUs y GPUs para aprendizaje profundo. Esto eleva considerablemente la densidad de cómputo dedicada a IA en los vehículos.
La cabina digital también es un factor clave. Los vehículos premium ya incorporan pantallas de alta definición, head-up displays con realidad aumentada y asistentes multimodales con IA, todos exigiendo gran capacidad de gráficos y mínima latencia. Estas funciones están cada vez más integradas con la navegación, monitoreo del conductor y sensores de conducción automatizada.
En consecuencia, las plataformas de cómputo de cabina se parecen cada vez más a procesadores de aplicaciones de consumo, a menudo con GPUs dedicadas y aceleradores de IA, en entornos térmicos limitados.
En China continental, la cabina se ha convertido en un diferenciador de mercado, con consumidores orientados a la tecnología que impulsan a los OEMs a destacar marcas de SoC como Snapdragon Ride de Qualcomm como símbolo de innovación.
Memorias DRAM y NAND como activos estratégicos en la era SDV
La evolución acelerada del cómputo automotriz está impactando directamente los mercados de memoria RAM dinámica (DRAM) y memoria flash NAND, ambos volviéndose habilitadores críticos para la pila de software de los SDVs.
La DRAM sirve como memoria de trabajo temporal para el SoC, permitiendo acceso rápido a datos e instrucciones en tiempo real. Es esencial para funciones como inferencia de IA, almacenamiento temporal de datos de sensores, renderizado gráfico y operaciones del sistema operativo en tiempo real.
La memoria NAND, por otro lado, es almacenamiento no volátil, utilizado para guardar desde el sistema operativo hasta contenido de infoentretenimiento, modelos de IA y actualizaciones OTA.
A medida que los vehículos se vuelven más conectados y definidos por software, ambos tipos de memoria están creciendo rápidamente en capacidad y relevancia estratégica.
La creciente demanda está beneficiando a los proveedores de memoria, ya que los Tier 1 y OEMs están incluyendo más DRAM de la que recomiendan las hojas técnicas de los SoC — impulsados por ineficiencias de software y falta de visibilidad en los chips.
OEMs como Tesla y Nio, que desarrollan su propio silicio, evitan este problema al integrar hardware y software de forma más estrecha.
La adopción de sistemas operativos unificados en SDVs también incrementa el uso de DRAM, ya que las plataformas de cómputo centralizadas deben soportar múltiples funciones de alto rendimiento sin comprometer seguridad ni tiempos de respuesta.
Simultáneamente, el contenido almacenado en NAND crece por las actualizaciones OTA, los gemelos digitales y los modelos de IA. Las gateways conectadas requieren actualmente entre 32 y 128 GB, y conforme más funciones se integren en arquitecturas centralizadas, las necesidades de NAND seguirán creciendo en capacidad y rendimiento.
Con los vehículos transformándose en plataformas móviles de alto rendimiento, la DRAM y la NAND ya no son solo componentes de soporte — se están convirtiendo en elementos centrales del valor total del sistema.
S&P Global Mobility estima que para 2028, el valor combinado de la DRAM y la NAND por vehículo superará al del propio SoC. Las funciones centradas en software —desde procesamiento de IA en tiempo real hasta entregas OTA y unificación de dominios— no están limitadas solo por el cómputo, sino también por la memoria.
Para los OEMs y proveedores Tier 1, optimizar la arquitectura de memoria será tan crucial como elegir el procesador adecuado.
Retener y crecer participación en el mercado automotriz global
A medida que la industria automotriz evoluciona, la necesidad de capacidades avanzadas de cómputo se vuelve cada vez más vital para mantener una ventaja competitiva.
Con el aumento de la demanda de vehículos definidos por software y sistemas potenciados por IA, se abre una mayor oportunidad para maximizar el potencial del mercado.