Waymo dévoile sa puce IA 5 nm personnalisée pour ses robotaxis

Waymo a dévoilé le silicium personnalisé et l’architecture de calcul hétérogène qui équipent sa dernière plateforme de robotaxis. L’entreprise révèle notamment un ASIC dédié gravé en 5 nanomètres, capable de dépasser 1 000 000 milliards d’opérations d’apprentissage automatique par seconde pour le traitement frontal de la perception et des capteurs. Cette publication du 20 août est importante, car elle montre qu’un des plus grands déploiements commerciaux de conduite autonome au monde approfondit son intégration verticale de l’infrastructure IA au lieu de dépendre entièrement d’accélérateurs généralistes.

La puce ne remplace pas tous les processeurs présents dans un véhicule Waymo. L’entreprise la décrit comme un accélérateur spécialisé placé en amont de la chaîne de perception, où il traite les flux bruts des lidars, radars et caméras avant leur arrivée dans le système d’inférence plus large. Son rôle comprend l’extraction de caractéristiques, la fusion d’informations issues des capteurs et l’exécution de réseaux neuronaux sous de fortes contraintes de latence. Waymo affirme que son système le plus récent peut traiter simultanément et en temps réel les données haute fidélité de 13 caméras haute résolution.

Le problème d’ingénierie est très différent de celui de l’IA dans un centre de données. Un robotaxi doit exécuter localement et en permanence sa pile de conduite critique, avec des limites strictes de latence, de puissance, de chaleur, d’espace et de fiabilité. Waymo indique que le calcul embarqué prend des décisions en quelques millisecondes et qu’il est conçu autour de trois exigences : réactivité, robustesse et redondance. La société affirme également avoir multiplié par environ 20 la puissance de calcul disponible en huit ans, tout en conservant des contraintes de batterie, de refroidissement, de bruit et d’intégration dans le véhicule.

L’ASIC personnalisé traduit cette spécialisation de la charge de travail. Waymo explique que la conception comporte des accélérateurs pour des opérations comme le débruitage temporel, destiné notamment à améliorer la perception en faible luminosité, et qu’elle prend en charge des modèles allant des convolutions creuses aux transformeurs denses. Les charges de conduite autonome fonctionnant souvent avec de petits lots, le débit maximal ne suffit pas à déterminer les performances. L’entreprise insiste donc sur l’optimisation de toute la pile, y compris les mouvements de mémoire, la fidélité des capteurs, la quantification et la latence réellement obtenue.

L’architecture générale reste hétérogène. Waymo cite explicitement AMD, Micron, Nvidia, Samsung, SanDisk, Socionext et TSMC parmi les fournisseurs de sa plateforme de calcul actuelle. La présence d’une puce propriétaire ne signifie donc pas l’abandon des CPU, GPU ou autres accélérateurs du marché. Elle suggère plutôt une stratégie hybride : internaliser les parties les plus différenciantes du chemin d’inférence tout en continuant d’acheter les composants pour lesquels les fournisseurs externes offrent de meilleurs coûts, performances ou délais de développement.

Les informations publiées par des médias indépendants concordent globalement avec la présentation de Waymo. The Verge a rapporté le même procédé 5 nm, une capacité frontale de l’ordre de 1 000 TOPS et le maintien de fournisseurs tels que Nvidia et AMD. SiliconANGLE a également indiqué que le module autonome de sixième génération de Waymo associe des ASIC personnalisés à une pile de calcul plus large. Ces publications n’ont toutefois pas réalisé de benchmark indépendant des affirmations de Waymo. Le chiffre de 1 000 TOPS et les bénéfices d’efficacité doivent donc être considérés comme des spécifications déclarées par l’entreprise.

Pour les équipes d’infrastructure IA, la leçon architecturale compte davantage que le chiffre spectaculaire. À mesure que l’IA quitte le cloud pour les robots, véhicules, systèmes industriels et autres environnements temps réel, l’équilibre entre accélérateurs généralistes et silicium spécialisé change. Un GPU de centre de données offre une grande flexibilité, mais l’autonomie en périphérie valorise une latence prévisible, le traitement étroitement couplé aux capteurs, l’efficacité énergétique et la co-conception matériel-logiciel. Waymo traite en pratique le véhicule comme un système d’IA en périphérie distribué dont le calcul, les capteurs et les modèles sont conçus ensemble.

Cette approche modifie aussi l’architecture logicielle. Les accélérateurs spécialisés renforcent l’importance du support des compilateurs, des stratégies de quantification, du partitionnement des modèles, de l’observabilité et des mécanismes de repli. Les équipes ne peuvent pas optimiser uniquement la précision du modèle. Elles doivent choisir quelles opérations exécuter sur le silicium spécialisé, lesquelles laisser aux CPU ou GPU, comment déplacer les données entre processeurs, comment détecter et isoler les défaillances et comment mettre à jour le logiciel sans réduire les garanties de sécurité. Dans un système critique, la redondance et le comportement déterministe peuvent compter autant que le débit brut.

Cette divulgation a également des conséquences pour le marché des puces IA. Nvidia reste un fournisseur explicitement cité par Waymo : il ne s’agit donc pas simplement d’un client qui remplace Nvidia. Il est plus juste d’y voir un signe que les grands opérateurs d’IA peuvent internaliser les portions de charge de travail qui les différencient le plus, tout en conservant du silicium commercial ailleurs. Le même modèle apparaît déjà dans les infrastructures cloud hyperscale. La conduite autonome l’étend à l’IA physique, où les contraintes économiques et techniques sont différentes mais où l’incitation à co-concevoir matériel et modèles peut être encore plus forte.

Plusieurs limites doivent être conservées à l’esprit. Waymo n’a publié ni taille de die, ni nombre de transistors, ni volumes de production, ni coût unitaire, ni consommation, ni bande passante mémoire, ni topologie détaillée de redondance, ni benchmarks indépendants reproductibles. Les informations disponibles ne permettent pas non plus une comparaison directe et équitable avec les puces concurrentes de conduite autonome. L’annonce de plus de 1 000 TOPS ne doit donc pas être interprétée comme une mesure autonome des capacités de conduite ou de la sécurité.

Le calendrier reste néanmoins significatif. Waymo étend son service commercial à davantage de villes américaines tout en augmentant l’échelle et la diversité de sa flotte. Une plateforme de calcul sur mesure n’est économiquement rationnelle que si l’opérateur prévoit un volume de déploiement suffisant, de longues durées de vie produit ou une valeur stratégique liée au contrôle de composants critiques. La publication suggère que Waymo estime désormais sa charge de travail autonome suffisamment mature pour justifier cet investissement.

Il faudra surveiller les détails supplémentaires que Waymo présentera lors d’événements techniques comme Hot Chips, la part des futures charges d’inférence transférée vers son propre silicium et l’impact réel sur les coûts, la consommation énergétique et la maintenance à l’échelle d’une flotte. Pour les équipes qui développent de l’IA physique, le message général est déjà clair : quand l’IA sort du centre de données et doit agir dans le monde réel sous de fortes contraintes temporelles et de sécurité, le calcul spécialisé et la co-conception de bout en bout deviennent des décisions architecturales de premier ordre.