--- title: "A Hyundai usa um ciclo de dados com IA para acelerar a direção autônoma" author: "Gustavo Ramos O. Klein" date: "2026-09-13 06:45:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/09/13/a-hyundai-usa-um-ciclo-de-dados-com-ia-para-acelerar-a-direcao-autonoma/md" --- ## Resumo - A Hyundai colocou em operação plena o Data Flywheel, ciclo que reúne coleta de dados, treinamento de IA, validação e implantação. - A montadora pretende usar uma escala global superior a 7 milhões de veículos por ano para coletar dados. - A estratégia combina tecnologia da NVIDIA para produção em massa em 2028 com a plataforma interna Atria AI, prevista para 2029. - A Hyundai usa Hard Example Mining, Virtual Validation com 3D Gaussian Splatting e centros de desenvolvimento na Coreia do Sul e nos Estados Unidos. - A Waymo revelou um ASIC proprietário de 5 nanômetros para processar dados de sensores antes do computador central. - O chip da Waymo tem desempenho anunciado superior a 1.000 TOPS e inclui temporal denoising para melhorar a percepção em baixa luminosidade. - As duas iniciativas mostram a integração entre ciclos de dados, hardware especializado e arquiteturas de veículos definidos por software. --- Em **13 de setembro de 2026**, a Hyundai Motor Group anunciou a operação plena de um ciclo de dados alimentado por inteligência artificial para acelerar o desenvolvimento da direção autônoma; poucos dias antes, em **20 de agosto de 2026**, a Waymo havia revelado o desenho de seu primeiro circuito integrado próprio de **5 nanômetros** para veículos autônomos. As duas iniciativas atacam pontos diferentes do mesmo problema: a Hyundai organiza a conversa contínua entre veículos, dados e modelos de IA, enquanto a Waymo aproxima o processamento dos sensores da própria entrada do sistema. O resultado é uma disputa que acontece em duas camadas conectadas, uma ligada à qualidade e à escala dos dados e outra dedicada à velocidade com que o veículo interpreta o que acontece ao redor. Para entender o que essas escolhas mudam na prática, é preciso acompanhar as duas pontas dessa ponte tecnológica. ## Quando os dados viram uma linha contínua de desenvolvimento A operação plena do **Data Flywheel** transforma a evolução do veículo em um circuito com quatro etapas: coleta de dados, treinamento de IA, validação e implantação da condução autônoma. A Hyundai descreve essa lógica como um ciclo em que cada nova rodada de informações ajuda a preparar a seguinte, aproximando o comportamento observado nas ruas dos modelos que serão testados e aplicados nos veículos. O anúncio coloca a escala como parte central da estratégia: a empresa planeja usar uma produção global superior a **7 milhões de veículos por ano** para coletar dados em grande volume. É como substituir conversas isoladas por uma rede permanente de diálogo entre a frota e os centros de desenvolvimento, uma conexão que aparece detalhada no [anúncio da Hyundai](https://www.hyundai.com/worldwide/en/newsroom/detail/0000001273). Dentro desse circuito, o **Hard Example Mining** funciona como uma busca por exemplos difíceis, aqueles registros que exigem uma resposta mais cuidadosa do sistema de condução. A Hyundai também cita a **Virtual Validation**, ou validação virtual, com uso de 3D Gaussian Splatting, técnica mencionada pela empresa para construir representações tridimensionais usadas na avaliação. A ideia prática é levar situações selecionadas para uma etapa de teste antes que elas dependam exclusivamente de novas viagens e novos registros nas ruas. Quando um caso raro ou difícil é identificado, ele pode entrar novamente no treinamento e na validação, fechando o circuito descrito pela montadora e preparando a transição para a etapa seguinte. O terceiro elemento dessa organização é o **Follow-the-Sun Development**, modelo que conecta centros de desenvolvimento na Coreia do Sul e nos Estados Unidos. O nome descreve uma operação distribuída entre locais com fusos horários diferentes, permitindo que o trabalho do ciclo continue entre esses centros. A Hyundai apresenta esse arranjo junto das técnicas de mineração de exemplos difíceis e validação virtual, formando uma cadeia que começa na coleta e passa por diferentes equipes até chegar à implantação. Para o leitor, a tradução é simples: a empresa tenta reduzir o intervalo entre encontrar um comportamento difícil, transformá-lo em material de treinamento e verificar se a resposta melhorou, uma ponte operacional que prepara as metas de produção em massa. ## Duas rotas para levar a IA aos veículos Essa base de dados sustenta uma estratégia de duas frentes. De um lado, a **Hyundai** mantém parcerias com a **NVIDIA** para acelerar a produção em massa de sistemas classificados como Nível 2+ em 2028 e Nível 2++ no fim daquele ano; de outro, desenvolve de forma independente a plataforma Atria AI, destinada a veículos Nível 2++ em 2029. Os níveis aparecem, no anúncio, como marcadores para organizar os diferentes estágios dos sistemas de assistência e condução autônoma. A escolha combina uma rota de chegada mais rápida, apoiada por tecnologia de parceiro, com uma rota própria que depende do amadurecimento dos dados coletados pela frota. O ponto de conexão entre as duas é o aprendizado acumulado durante o uso dos veículos. Os dados coletados por veículos equipados com tecnologia da **NVIDIA** serão usados para aprimorar a plataforma interna **Atria**, segundo a estratégia divulgada pela montadora. Essa decisão aproxima o produto que chega primeiro ao mercado do sistema que a Hyundai pretende controlar internamente em 2029. A colaboração também está ligada à plataforma DRIVE Hyperion 10, apresentada como base para integrar sistemas de assistência ao veículo produzido em escala. Em vez de tratar cada lançamento como uma ilha, a empresa descreve uma passagem de dados entre as soluções, com a tecnologia de parceria ajudando a alimentar o desenvolvimento próprio. Esse fluxo explica por que o calendário comercial e o calendário de pesquisa aparecem lado a lado no plano da Hyundai. Na escolha dos sensores para a plataforma voltada à produção, a Hyundai prioriza **câmeras** e **radares** na arquitetura descrita para os sistemas de assistência. Câmeras registram a informação visual da via, enquanto radares oferecem outra forma de leitura do entorno, e a combinação é apresentada como parte da estratégia para os níveis intermediários de automação. O lidar, por sua vez, fica reservado pela empresa para sistemas de Nível 3 sob condições específicas. Essa separação mostra que a Hyundai está associando cada conjunto de hardware a uma etapa de capacidade, em vez de aplicar a mesma configuração a todos os veículos. A decisão torna a interoperabilidade entre dados, software e sensores uma questão de projeto desde o início. A expansão anunciada em março de 2026 com a **NVIDIA** também mira a arquitetura de **Veículos Definidos por Software**, conhecida pela sigla SDV. Nesse modelo, funções do veículo dependem mais diretamente de software e de uma base computacional capaz de receber atualizações e novos modelos. A parceria foi descrita como uma forma de criar uma base escalável de dados para sistemas entre os Níveis 2 e 4. Na prática, a Hyundai está tentando construir uma estrada comum para diferentes graus de assistência, enquanto a plataforma Atria representa a rota interna que pretende amadurecer usando as informações acumuladas no caminho. A próxima pergunta passa a ser onde o processamento deve acontecer: no centro do veículo ou mais perto dos sensores. ## Waymo leva a percepção para um chip dedicado É nessa camada de processamento que a Waymo apresentou sua própria resposta. Em **20 de agosto de 2026**, a empresa revelou o desenho de seu primeiro ASIC proprietário de **5 nanômetros**. ASIC é um circuito integrado criado para uma finalidade específica, em vez de um componente projetado para executar uma grande variedade de tarefas. No caso da Waymo, o chip foi dedicado ao processamento de dados dos sensores dos veículos autônomos. A fabricação conta com o suporte de parceiros como a TSMC, mas o desenho pertence à Waymo, uma combinação que permite à empresa controlar a lógica de uma etapa especializada sem abandonar a fabricação por parceiros. A apresentação foi detalhada pela [cobertura sobre o chip da Waymo](https://gadgetsnow.indiatimes.com/auto-tech/waymo-built-a-5nm-chip-that-decides-what-its-robotaxis-see/articleshow/133393428.cms). O ASIC recebe fluxos brutos de **câmeras** e **radar** em tempo real antes de encaminhar os dados ao computador central do veículo. Essa etapa é chamada de processamento de front-end, expressão que, neste caso, significa preparar a informação logo na entrada do sistema, antes das tarefas que dependem do computador principal. A Waymo também descreve o chip como parte do caminho de percepção, isto é, da camada que transforma sinais dos sensores em informações úteis para os modelos de inteligência artificial. Ao colocar essa triagem em um componente dedicado, a empresa separa o tratamento inicial dos dados das demais funções computacionais do carro. A consequência é uma arquitetura em que o primeiro contato com o mundo físico ganha um equipamento próprio. O desempenho anunciado supera **1.000 TOPS**, indicador usado para expressar a capacidade de processamento voltada a operações de inteligência artificial. A Waymo associa essa capacidade às tarefas de percepção de front-end e inclui o **temporal denoising**, técnica que reduz ruídos ao comparar informações ao longo do tempo. A aplicação citada pela empresa é a melhoria da visão em condições de baixa luminosidade, situação em que os sinais capturados pelos sensores podem exigir tratamento adicional. O chip, portanto, não aparece apenas como uma unidade de cálculo mais rápida, mas como uma peça desenhada para uma tarefa delimitada: preparar a percepção antes que outras partes do sistema assumam o processamento. Essa especialização ajuda a explicar por que o número de TOPS vem acompanhado de uma função concreta. Mesmo com o ASIC próprio, a **Waymo** mantém um modelo híbrido para as demais funções do sistema. A empresa continua usando chips de terceiros fora dessa etapa de pré-processamento, enquanto reserva o componente de 5 nanômetros para a percepção inicial dos dados. Essa divisão lembra uma negociação entre sistemas diferentes: cada parte assume a tarefa para a qual foi preparada, e o resultado depende da passagem ordenada das informações entre elas. O desenho também impede uma leitura simplista de que um chip proprietário eliminaria todos os componentes externos. A Waymo está especializando uma camada do veículo, não substituindo toda a infraestrutura computacional por uma única peça. ## As pontes entre dados, hardware e operação Os anúncios da **Hyundai** e da **Waymo** se conectam porque ambos tratam a direção autônoma como uma cadeia de decisões que precisa funcionar de ponta a ponta. A Hyundai concentra sua estratégia na repetição do ciclo de dados, usando a frota e os centros de desenvolvimento para encontrar, treinar e validar respostas. A Waymo concentra uma camada específica no chip, processando os sinais antes que eles cheguem ao computador central. Uma abordagem melhora a matéria-prima dos modelos; a outra organiza a entrada dessa matéria-prima no sistema do veículo. A pergunta que fica para o setor é qual combinação entre escala de dados e especialização de hardware entrega o melhor resultado quando as duas camadas precisam conversar em tempo real. Essa conversa entre plataformas já aparece na parceria estratégica firmada por **Hyundai** e **Waymo** em outubro de 2024. O acordo prevê a produção em volume significativo de veículos **IONIQ 5** equipados com o Waymo Driver no centro de manufatura HMGMA, na Geórgia, nos Estados Unidos. A integração foi planejada para ampliar a frota Waymo One, com testes em vias públicas previstos para começar no fim de 2025. O acordo mostra uma dimensão adicional da interoperabilidade: a tecnologia de condução autônoma precisa encontrar um veículo produzido em escala e uma operação capaz de colocá-lo em circulação. Dados, chip e carro são partes de uma mesma conversa quando o objetivo é transformar pesquisa em serviço. A colaboração ampliada com a **NVIDIA**, anunciada pela Hyundai Motor e pela Kia em março de 2026, reforça essa ligação entre o veículo e a infraestrutura de inteligência artificial. A integração da computação de IA veicular à arquitetura SDV foi apresentada como uma base escalável de dados para modelos entre os Níveis 2 e 4. A expressão SDV pode parecer abstrata, mas seu papel aqui é direto: organizar funções do veículo em uma arquitetura na qual software, dados e processamento possam evoluir juntos. O Data Flywheel fornece o fluxo de aprendizado, enquanto a computação veicular oferece o lugar onde os modelos serão executados. A conexão entre essas duas dimensões define a velocidade com que novos sistemas podem sair dos centros de desenvolvimento e chegar aos veículos. Para quem acompanha a mobilidade autônoma, o ponto prático é observar a qualidade da ponte inteira, e não apenas o componente mais chamativo. Um ciclo de dados precisa transformar registros em validação e implantação; um chip especializado precisa entregar os dados preparados ao restante do computador; e uma parceria precisa conectar software, veículo e operação. A Hyundai colocou prazos diferentes para suas duas rotas, enquanto a Waymo detalhou uma peça de hardware voltada ao início do processamento. Juntos, os anúncios mostram que a direção autônoma está sendo construída por camadas que precisam dialogar, com cada empresa escolhendo onde concentrar seu controle técnico. ## O que acompanhar a partir de agora O próximo marco da Hyundai está dividido em duas datas concretas: sistemas apoiados pela **NVIDIA** devem avançar para a produção em massa em 2028, com a meta de Nível 2+ e depois Nível 2++ no fim do ano, enquanto a plataforma interna **Atria AI** tem previsão de chegar a veículos Nível 2++ em 2029. Até lá, o ciclo de dados terá a tarefa de alimentar treinamento, validação e implantação, usando a escala global planejada pela montadora. Para analisar esse avanço, o leitor pode acompanhar três perguntas: que dados entram no ciclo, onde eles são validados e em qual plataforma o modelo será executado. Essas respostas revelam mais sobre a maturidade do sistema do que um anúncio isolado de velocidade ou potência. A Waymo, por sua vez, já apresentou o desenho de seu ASIC de 5 nanômetros e estabeleceu a percepção de front-end como a função especializada do componente, com desempenho anunciado superior a **1.000 TOPS**. A Hyundai segue uma rota apoiada na escala dos dados e em uma plataforma própria prevista para 2029, enquanto a Waymo combina hardware desenhado internamente com chips de terceiros para as demais funções. O próximo passo do setor será fazer essas camadas funcionarem como uma conversa contínua: dados suficientes para treinar, processamento adequado para interpretar e integração capaz de levar a resposta ao veículo. É nessa combinação, com prazos e componentes definidos, que a direção autônoma deixa de ser uma promessa isolada e passa a ser uma arquitetura que pode ser acompanhada por etapas.