Una automotriz adelanta el futuro de sus autos y anuncia una inversión de US$16.000 millones
General Motors presentó su estrategia global “GM Forward”, un marco tecnológico enfocado en transformar la industria automotriz mediante la integración profunda de inteligencia artificial y ...
General Motors presentó su estrategia global “GM Forward”, un marco tecnológico enfocado en transformar la industria automotriz mediante la integración profunda de inteligencia artificial y software en todo el ciclo de vida de sus vehículos. Para avanzar en esta transformación, la compañía anunció una inversión de US$16.000 millones en 2026 destinada al desarrollo de inteligencia artificial, sistemas de conducción autónoma y nuevas baterías LMR (ricas en manganeso y litio).
En el plano del desarrollo industrial, la empresa trabaja para reducir a la mitad el ciclo tradicional de diseño y producción de vehículos, que habitualmente demora entre cuatro y cinco años. Este avance se fundamenta en el uso de inteligencia artificial empresarial y virtualización para conectar diseño, ingeniería y manufactura en un único hilo digital desde el primer día.
Contaron que, a través de este modelo, los equipos podrían evaluar miles de variantes sin la necesidad de construir prototipos físicos de forma inmediata.
Ejemplo de ello fue el desarrollo de la batería de litio y magnesio (LMR), donde se evaluaron 300.000 configuraciones virtuales antes de fabricar una pieza física. Desde la compañía informan que lograron aprobar el programa en apenas un mes desde el concepto inicial.
Plataforma eléctrica de cuarta generaciónLa química LMR es también la piedra angular de la cuarta generación de la plataforma para vehículos eléctricos (EV) de la marca, diseñada para masificar la movilidad limpia.
Además de la innovación química, la plataforma incorpora unidades de propulsión rediseñadas con motores e inversores electrónicos más compactos, lo que permitiría reducir en un 40% la cantidad de componentes en comparación con las arquitecturas actuales. Esta disminución de piezas reduce la masa total del vehículo y libera espacio interior para los pasajeros.
Para gestionar tanto los servicios conectados del habitáculo como las funciones de conducción avanzada, la automotriz desarrolló una nueva infraestructura basada en una Unidad Central de Cómputo (CCU). Esta arquitectura desacopla el software del hardware físico y consolida en un solo módulo la percepción, la propulsión, la seguridad activa y el control del chasis.
El nuevo cerebro electrónico entrega 40 veces más potencia de procesamiento que los sistemas anteriores, reduce en un 30% la longitud y masa del cableado e incrementa hasta un 50% la velocidad de la conectividad celular a bordo.
La tecnología debutará comercialmente en 2028 en el Cadillac Escalade IQ y luego se extenderá a pickups de gran volumen como la Chevrolet Silverado, crossovers de tres filas y la gama de vehículos a gasolina y eléctricos.
Más cambios de softwareOtro de los cambios anunciados tiene que ver con OnStar, la plataforma de conectividad de la marca. De ahora en adelante, incorporará Inteligencia Artificial para “transformarse en una plataforma de inteligencia multimodal”.
El asistente llegará al Cadillac Lyriq 2027 en los próximos meses y, a partir de 2027, una nueva aplicación móvil unificada de OnStar reemplazará a las aplicaciones individuales de marcas como Chevrolet, GMC, Buick y Cadillac. La herramienta integrará la gestión del vehículo con funciones de cámaras de seguridad en vivo y registros de incidentes, por ejemplo.
En materia de conducción autónoma, GM proyecta habilitar la conducción sin manos en autopistas a partir de 2028 en el Cadillac Escalade IQ, para luego expandirla a sus SUV y pickups livianas a gasolina más vendidas. El desarrollo se respalda en la experiencia de más de 1200 millones de millas recorridas por clientes con el sistema Super Cruise y en una flota de prueba que genera un millón de millas mensuales de datos multisensoriales.
Para perfeccionar el sistema ante situaciones impredecibles, la firma desarrolló un método de aprendizaje por refuerzo en el que la computadora genera escenarios sintéticos complejos (como simular el esquive de un obstáculo imprevisto en el camino). Y la meta final busca que el auto pueda ejecutar tareas cotidianas como retirar compras, trasladar familiares o estacionar de forma independiente, devolviendo tiempo valioso a los usuarios.