Tiempo de lectura: 15-20 minutos.
RESUMEN
Entenderás el funcionamiento del software Full Self-Driving (FSD) y su papel en la conducción autónoma.
Descubrirás los retos tecnológicos y de producción que Tesla enfrenta para hacer realidad esta visión.
Conocerás las diferencias clave entre Tesla y sus competidores, como Waymo, en el desarrollo de vehículos autónomos.
Explorarás cómo los Robotaxis podrían transformar la economía y cambiar nuestra relación con la propiedad de vehículos.
Descubrirás cuánto vale la línea de negocio del Cybercab y analizaremos si Tesla está sobrevalorada o representa una oportunidad de inversión.
¡Muy buenas a todos!
Mi nombre es Sualem Betancor, soy uno de los tres fundadores de WorldStocks Investments. Hoy quiero profundizar en la tecnología que ha impulsado a Tesla a despegar como un cohete y analizar si el mercado ha exagerado al valorar el Robotaxi.
Antes de que leas el artículo, me encantaría conocer tu opinión sobre lo siguiente:
Si quieres saber más, te recomiendo que te quedes hasta el final del artículo.
⚠️ IMPORTANTE ⚠️
Los formatos del artículo (PDF, audio y el Excel con la valoración) están al final, junto con una bibliografía para que puedas profundizar por tu cuenta.
Artículo Escrito:
Imagina un futuro en el que no necesitas conducir. Un futuro donde los coches se desplazan solos, las ciudades se transforman y surge una nueva economía en torno a ellos. Eso es lo que Tesla está planteando con su visión de los robotaxis.
Lo interesante es que el mercado parece estar adelantándose a esta promesa.
La acción de Tesla, que antes reflejaba únicamente su negocio de coches eléctricos, ahora incluye las expectativas de una revolución en la movilidad liderada por los robotaxis.
Además, con Elon Musk como asesor del gobierno de EE. UU., muchos piensan que las barreras regulatorias podrían desaparecer más rápido de lo esperado.
Pero la realidad es más compleja. Tesla no solo enfrenta retos legales; también debe superar enormes desafíos tecnológicos, de producción y de seguridad para hacer que esta visión sea viable en 2030.
¿Realmente la conducción autónoma de Tesla justifica su valoración?
Antes de responder a esta pregunta, es fundamental entender bien qué es lo que estamos valorando.
Por eso esto es lo que te vas a encontrar en el artículo de hoy:
Por eso, debemos comenzar con la base de todo el negocio de Tesla: el software.
¿Qué es y cómo funciona el FSD?
El Full Self-Driving (FSD) de Tesla es un software de asistencia a la conducción diseñado para que, en el futuro, los vehículos puedan conducirse completamente solos.
Basado en Tesla Vision, utiliza exclusivamente cámaras y redes neuronales para generar un mapa tridimensional del entorno, identificando coches, peatones, señales y otros elementos clave en la carretera.
Gracias a su tecnología de aprendizaje continuo y actualizaciones periódicas, el FSD combina precisión, adaptabilidad y velocidad de procesamiento.
¿Cómo consiguen que sea seguro que el coche conduzca por sí solo?
Como he mencionado, este sistema prescinde de radares y LiDaR para centrarse únicamente en lo que capturan sus cámaras.
Con ocho ojos electrónicos distribuidos por todo el vehículo y redes neuronales avanzadas que procesan la información, el coche es capaz de comprender su entorno y tomar decisiones en tiempo real.
Elon Musk suele describir a sus coches como “animales sintéticos”, una metáfora que ilustra a la perfección cómo funciona el FSD.
Las cámaras son los ojos y las redes neuronales, el cerebro. Gracias a esta tecnología, el sistema no solo ve, sino que “recuerda”.
Por ejemplo, si un camión bloquea la vista de un semáforo, el coche sabe cuál era la última posición visible y actúa en consecuencia, evitando errores que podrían ser peligrosos.
Todo esto sería inútil si la velocidad de procesamiento no fuera lo suficientemente rápida para comprender lo que ocurre a su alrededor, y este es otro punto fuerte del FSD.
Cada 28 milisegundos, el sistema actualiza su percepción del entorno, manteniendo al coche perfectamente sincronizado con la realidad.
Incluso en situaciones complejas, como un peatón que cruza de repente o un coche que aparece en el ángulo muerto, el FSD sabe cómo reaccionar.
Además, Tesla ha incorporado un sistema de respaldo: dos módulos de computación trabajan en paralelo, uno encargado de tomar las decisiones principales y el otro comprobando su coherencia.
Esto no solo aumenta la fiabilidad, sino que permite probar nuevas versiones del software en un “modo sombra”, donde se ensayan mejoras sin afectar la conducción.
Las redes neuronales que permiten este nivel de precisión utilizan una arquitectura conocida como Hydranets. En términos simples, es como si el sistema tuviera un cerebro central para interpretar lo general y varios mini-cerebros especializados en tareas concretas.
Este diseño modular permite actualizar cada componente de forma independiente, mejorando la flexibilidad y el rendimiento del sistema.
Una de las mayores ventajas de Tesla Vision es su capacidad para reconstruir el entorno en 3D directamente a partir de imágenes.
Esto elimina la necesidad de cálculos intermedios que emplean otros sistemas, haciendo que el FSD sea más preciso en escenarios complejos, como curvas cerradas o intersecciones concurridas.
Y no solo reacciona a lo que ve en el momento, también incorpora contexto temporal.
Esto significa que el sistema puede predecir cómo se moverán los objetos basándose en sus trayectorias pasadas, una capacidad crucial para gestionar situaciones complejas, como un peatón que aparece de repente detrás de un autobús.
Ahora que tenemos una comprensión clara de cómo funciona el FSD, es momento de analizar qué se necesita para mejorar este software. Aquí es donde realmente se encuentra la clave del futuro de esta empresa.
¿Cómo se entrena el FSD?
El Full Self-Driving (FSD) de Tesla no requiere programación manual para aprender a conducir. En su lugar, combina datos reales, aprendizaje profundo y procesamiento avanzado, lo que le permite mejorar de forma continua.
Todo comienza con los coches Tesla en las calles, que recopilan datos a través de sus cámaras mientras conducen.
Como mencioné antes, estas cámaras funcionan como los "ojos" del coche, capturando imágenes y vídeos de todo tipo de situaciones: un peatón cruzando de forma inesperada, una señal de tráfico dañada o una intersección compleja.
Esos datos se envían directamente a los servidores de Tesla, donde son procesados y analizados para identificar eventos relevantes o situaciones en las que el sistema puede mejorar.
¿Cómo aprende el sistema?
Una vez que Tesla recibe los datos, el siguiente paso es el etiquetado. Aquí es donde entra la inteligencia del sistema. Las imágenes y videos se etiquetan para que el software pueda “entender” lo que está viendo.
En algunos casos, este etiquetado es manual, realizado por ingenieros cuando las situaciones son más complejas.
Sin embargo, en la mayoría de los casos, los algoritmos automatizados pueden identificar patrones con gran precisión.
Por ejemplo, en lugar de programar manualmente al FSD para que reconozca cada tipo de señal de tráfico, el sistema aprende por sí solo analizando miles de imágenes de señales en diferentes contextos.
Este enfoque permite que el FSD no dependa de reglas predefinidas, sino que aprenda por repetición, adaptándose al mundo real.
De hecho, Elon Musk mencionó algo en uno de sus podcasts con Lex Fridman que no ha recibido la atención que realmente merece:
"Nunca le enseñamos a leer señales, pero aprendió a leerlas. Nunca le enseñamos qué era un coche, una persona o un ciclista; aprendió lo que son todos esos objetos en la carretera solo viendo videos, al igual que los humanos."
¿Y dónde sucede todo este entrenamiento?
El núcleo del aprendizaje tiene lugar en Dojo, el superordenador de Tesla diseñado específicamente para entrenar redes neuronales. Dojo procesa millones de imágenes y vídeos etiquetados, enseñando al FSD a interpretar situaciones y tomar decisiones de forma autónoma.
Este aprendizaje se basa en patrones y comportamientos observados, no en reglas impuestas.
Es como si el coche aprendiera a conducir de la misma manera que un ser humano, pero con la ventaja de poder analizar millones de situaciones a una velocidad asombrosa.
Este método de aprendizaje permite que el FSD responda a situaciones nuevas y complejas con una comprensión que emula la percepción humana.
¿Una vez aprenden cómo se lo enseñan al resto de coches?
Antes de implementar cualquier mejora, Tesla somete al sistema a rigurosas pruebas.
Estas comienzan en simulaciones virtuales, donde se recrean escenarios extremadamente complejos e inusuales para verificar que el FSD responda de manera adecuada.
Si supera esta fase, se lanza una versión beta para un grupo limitado de vehículos. Estos coches prueban las actualizaciones en el mundo real, recopilando más datos para confirmar su eficacia y mejorar aún más el sistema.
Cualquier problema detectado durante esta fase se ajusta antes de implementar la actualización de forma global.
Gracias a las actualizaciones automáticas (over-the-air), cada Tesla mejora de forma continua, convirtiendo cada kilómetro recorrido en una oportunidad para perfeccionar el sistema.
¿Qué se necesita para entrenar al FSD?
En el último año, Tesla ha invertido 10.000 millones de dólares en capital de infraestructura (capex), destinando una parte significativa a la adquisición de tarjetas H100 de NVIDIA.
Estas GPUs son esenciales para gestionar las enormes cantidades de datos recopilados por los vehículos Tesla, permitiendo entrenar redes neuronales a una escala masiva.
Este gasto sitúa a Tesla como una de las empresas con mayor capacidad de cómputo para entrenar inteligencia artificial, consolidándose como la número uno en IA con entendimiento del mundo real.
Además, Tesla ha asegurado el suministro de las próximas tarjetas NVIDIA Thor Blackwell, que serán significativamente más potentes que las H100.
Aunque Tesla no solo depende de GPUs comerciales, también han desarrollado sus propios chips.
¿A dónde van todas esas GPUs?
A los centros de datos de Tesla, donde no solo procesan los datos recopilados por los vehículos, sino que también realizan simulaciones avanzadas para probar nuevas versiones del FSD.
Esto implica un consumo energético enorme, los centros de datos de Tesla llegan a consumir decenas de megavatios al día, un nivel comparable al de una ciudad pequeña.
Tesla alcanza cientos de petaflops (miles de billones de operaciones matemáticas por segundo) de potencia computacional, acercándose al rendimiento de exaescala, un nivel clave para entrenar software avanzado como el FSD.
¿Tiene sentido toda esta inversión?
En mi opinión, toda esta capacidad de cómputo es absolutamente necesaria y no un derroche de recursos. Tesla, de hecho, se distingue por su obsesión con la eficiencia en el uso de estos recursos.
Esta inversión ha permitido que el FSD se considere un factor clave en la valoración de la empresa. Sin embargo, esto solo tendrá sentido si el Cybercab demuestra ser capaz de realizar viajes de manera rentable.
Dicho esto, antes de entrar en detalles sobre la valoración del robotaxi, vamos a analizar todo lo que sabemos del Cybercab, que, al fin y al cabo, es el vehículo de producción masiva que definirá el éxito de esta línea de negocio.
¿Qué es el Cybercab?
El Tesla Cybercab es la nueva apuesta de Tesla para transformar la movilidad urbana. Con un diseño que recuerda al Cybertruck, este robotaxi de dos plazas presenta un estilo futurista que no convence a todos, pero que a Elon Musk le fascina.
“Queríamos que el Cybercab tuviera un aspecto futurista, y creo que lo hemos logrado."
- Elon Musk
¿Por qué este diseño?
El Cybercab tiene un diseño sencillo y funcional. Al prescindir de volante y pedales, está diseñado para ser completamente autónomo. Su interior es cómodo para los pasajeros y está optimizado para ser fácil de limpiar, ideal para su uso como robotaxi.
Musk lo define como:
“Un pequeño salón cómodo donde puedes hacer lo que quieras mientras te lleva a tu destino."
Además, el interior está diseñado para minimizar la posibilidad de que los pasajeros olviden objetos en el vehículo. El coche ofrece un amplio espacio, complementado con un maletero de gran capacidad, ideal para transportar equipaje.
Es biplaza porque, según los datos, la mayoría de los viajes en taxi y Uber son para una o dos personas. Por eso, Tesla ha apostado por un diseño más compacto y eficiente, alineado con las necesidades reales de los usuarios.
Además, las puertas tipo tijera facilitan el acceso y la salida del vehículo, mientras que la carga inductiva elimina los cables, haciendo todo más práctico y sencillo.
Como vemos, cada detalle del diseño del coche está estratégicamente pensado para maximizar la eficiencia operativa.
¿Cómo Tesla optimiza la producción y reduce costos en el Cybercab?
El Cybercab, como era de esperar, utiliza cámaras e inteligencia artificial para su conducción autónoma, sin necesidad de sensores como radar o LiDaR.
Esta decisión no solo busca reducir costes o simplificar la producción, sino que, según Tesla, es la mejor manera de garantizar que el vehículo pueda desenvolverse en cualquier situación donde lo haría un humano.
Fabricar el Cybercab al menor coste posible es fundamental.
Reducir el coste de producción impacta directamente en el coste por milla, un factor clave para que el robotaxi sea rentable.
Además, la línea de producción del Cybercab promete ser significativamente más rápida que las tradicionales, lo que permitirá optimizar los tiempos de fabricación.
"La línea de producción del Cybercab tendrá tiempos de ciclo significativamente mejores, media orden de magnitud mejor que otras líneas de producción."
- Elon Musk
Para ponerlo en perspectiva, una mejora de media orden de magnitud representa un aumento en la eficiencia de producción del 216%.
Además, el Cybercab está destinado a ser el vehículo más eficiente que Tesla haya diseñado hasta la fecha, con un consumo estimado de solo 11 kWh por cada 100 km y una autonomía superior a los 300 km por carga.
Gracias a su diseño y a una plataforma extremadamente eficiente, el Cybercab podrá equipar una batería más pequeña, lo que reduce el peso del vehículo y, en consecuencia, su consumo energético.
Esto permitirá alcanzar un precio final por debajo de los 30.000 dólares y un coste operativo aproximado de 20 centavos por milla, haciéndolo más competitivo y rentable.
"El Cybercab reducirá los costos de transporte masivo mientras transforma el diseño de las ciudades."
- Elon Musk
¿Cuál es el fin de este producto?
Esto es todo lo que se sabe del Cybercab, y es suficiente para entender la intención de Tesla con este vehículo. La idea es clara:
Revolucionar la forma en que nos movemos, eliminando la necesidad de poseer un coche propio y sustituyéndolo por una flota autónoma.
Si el coste por milla estimado se confirma, cualquier cálculo que hagamos sobre los costes de mantener nuestro propio vehículo nos llevará a la misma conclusión: tener un coche propio dejará de tener sentido.
Pero, más allá de todo esto, surge una pregunta crucial:
¿Qué diferencia a Tesla de sus competidores? ¿Qué la distingue de Waymo, que ya tiene vehículos autónomos en operación?
Aunque ambos tienen enfoques diferentes, es importante analizar las principales diferencias para comprender mejor sus vehículos y modelos de negocio.
El Cybercab vs Waymo
Waymo apuesta por sensores avanzados como LiDaR, cámaras y radares, una combinación que ofrece una percepción 3D extremadamente precisa del entorno.
¿Cuál es el problema de este enfoque?
Esta tecnología, aunque precisa, es costosa y depende de mapas de alta definición, lo que limita su operación a áreas predefinidas. Tesla, en cambio, utilizará exclusivamente cámaras e inteligencia artificial, eliminando la necesidad de sensores adicionales.
Además, el Cybercab ha sido diseñado desde cero para maximizar la eficiencia, con una plataforma que tiene hasta un 60% menos de componentes en comparación con un Tesla Model Y.
Con esto, y considerando todo lo que ya hemos mencionado anteriormente, queda claro que Tesla y Waymo representan enfoques radicalmente distintos hacia el futuro de la movilidad autónoma.
¿Por qué el Cybercab podría ser la opción más económica del mercado?
Porque su precio de venta, estimado en menos de 30.000 dólares, no solo lo hace accesible para empresas de transporte, sino también para particulares interesados en convertir sus vehículos en robotaxis.
¿Y qué pasa con los vehículos de Waymo?
En contraste, los vehículos de Waymo, como el Jaguar I-Pace, están basados en modelos de terceros que han sido adaptados para integrar su tecnología autónoma.
Además, Waymo necesita añadir hardware muy caro para la conducción autónoma, y estos vehículos no están disponibles para la venta al público, lo que limita su adopción masiva.
En total, se estima que el coste de cada vehículo de Waymo ronda los 100.000 dólares, solo para ponerlo en la carretera.
¿Y la expansión geográfica?
Waymo opera en áreas geofencadas con rutas previamente mapeadas, lo que garantiza un mayor nivel de seguridad y control. Sin embargo, esta estrategia también restringe su capacidad para expandirse rápidamente a nuevos territorios.
Por otro lado, Tesla cuenta con millones de vehículos en circulación que recopilan datos diariamente, alimentando su sistema de aprendizaje automático. Cada Tesla funciona como un nodo dentro de una red global que mejora continuamente el software de conducción autónoma.
Gracias a esta infraestructura, cualquier Tesla equipado con el hardware necesario puede integrarse fácilmente en su red de robotaxis.
Además, cuando se trata de escalar el producto, Tesla cuenta con una ventaja clave: sus propias fábricas.
Waymo, al no disponer de plantas de producción propias, no tiene el mismo control sobre los costes ni la capacidad para fabricar suficientes vehículos que satisfagan una demanda masiva.
En cuanto a la expansión geográfica, Waymo requiere semanas o incluso meses para mapear y preparar una nueva área debido a su dependencia de mapas HD.
En cambio, Tesla, al no necesitar este tipo de mapas, puede expandirse rápidamente a nuevas ciudades y países, lo que le otorga una ventaja significativa en la carrera por la conducción autónoma.
¿Entonces que modelo de negocio es mejor?
Desde mi punto de vista, el robotaxi de Tesla ofrece una propuesta de valor superior, tanto desde el punto de vista empresarial como para el cliente.
Para el cliente, Tesla proporciona un vehículo con un coste por milla estimado muy bajo, acompañado de un interior amplio y funcional, pensado para que los pasajeros puedan trabajar, disfrutar de una película en la pantalla central o simplemente relajarse durante el trayecto.
Además, es un vehículo capaz de conducirse en cualquier circunstancia donde lo haría un humano, incluidas autopistas y áreas no mapeadas, algo que la competencia aún no ha logrado alcanzar.
Desde el enfoque empresarial, Tesla cuenta con una ventaja estratégica clave: su gran flota de vehículos en circulación, que recopila datos de manera constante para mejorar su sistema de conducción autónoma (FSD).
Esta red masiva de datos en tiempo real no tiene comparación, ya que competidores como Waymo operan con una flota significativamente menor, de apenas 700 coches.
Además, Tesla ejerce un control absoluto sobre las partes críticas de su modelo de negocio.
Desde el desarrollo del software y el entrenamiento de la IA, hasta la producción del vehículo, los materiales empleados y las prestaciones finales, Tesla domina cada aspecto.
Este nivel de integración no solo facilita la escalabilidad del producto, sino que también lo hace más rentable y seguro, algo que pocos competidores pueden igualar.
Por estas razones, considero que Tesla ofrece una propuesta de valor claramente superior, y esta opcionalidad debería reflejarse en la valoración de la compañía.