Nvidia y Valeo llegan a un acuerdo en disputa de secretos comerciales vinculada a código de conducción autónoma robado

Nvidia resolvió un caso que comenzó cuando un excontratado entró a la empresa con secretos comerciales de conducción autónoma que había tomado de su antiguo trabajo en Valeo.

El acuerdo se hizo público en un documento presentado en un tribunal federal en San José, donde ambas partes le dijeron al juez que habían resuelto la disputa. El tribunal luego canceló el juicio programado para el próximo mes.

No se revelaron términos, y ninguna parte ha dicho qué acordaron, pero la disputa provenía de un proyecto conjunto para Mercedes-Benz, donde ambas empresas trabajaban en tecnología para funciones de conducción avanzada.

En 2021, Valeo dijo que uno de sus propios ingenieros se fue a Nvidia y luego se unió al trabajo interno en la empresa de chips. Durante una videollamada, el personal de Valeo vio su código fuente verbatim en su pantalla, y tomaron una captura de pantalla antes de que cerrara la ventana.

Ese momento se convirtió en el núcleo de una demanda que Valeo presentó en 2023, acusando a Nvidia de beneficiarse de material que nunca debería haber salido de sus servidores.

El juez avanza el caso después de revisar la evidencia

Un documento de Nvidia rechazó la afirmación de que utilizó cualquier código robado para construir su sistema de asistencia de estacionamiento. La empresa dijo que «deshizo» cada tarea en la que tocó el ingeniero, Mohammad Moniruzzaman.

Nvidia dijo que también cortó lazos con Mohammad una vez que se confirmó el problema. Mohammad fue posteriormente condenado en Alemania por infringir secretos comerciales vinculados al software de Valeo.

Un juez revisó el registro de descubrimiento y dijo que había suficiente evidencia «circunstancial» para permitir que un jurado escuchara el caso.

Esa sentencia llegó en agosto y dio a Valeo un camino para argumentar que Nvidia obtuvo valor de los archivos confidenciales. El caso estuvo bajo el título Valeo Schalter und Sensoren GmbH v. Nvidia Corp., 23-cv-05721, en el Tribunal de Distrito de EE. UU. para el Distrito Norte de California.

Google impulsa el soporte de TPU para desafiar a Nvidia

Mientras Nvidia cerraba el capítulo legal con Valeo, Google está atacando su trono, construyendo frenéticamente un nuevo impulso dentro de la empresa llamado TorchTPU para hacer que sus chips sean mejores ejecutando PyTorch, el marco de software de IA más común del mundo.

El CEO de Alphabet, Sundar Pichai, dijo a los accionistas en el evento del tercer trimestre que su objetivo es eliminar las barreras que hicieron que los desarrolladores se quedaran con el hardware de Nvidia.

Google quiere que sus Unidades de Procesamiento Tensor (TPU) sirvan como una alternativa real a las GPU de Nvidia, que aún dominan las instalaciones en centros de datos para cargas de trabajo de aprendizaje automático. Las ventas de TPU alimentan los ingresos en la nube de Google, y la compañía quiere que los inversores vean rendimientos de su presupuesto de IA.

TorchTPU tiene como objetivo hacer que las TPUs sean totalmente compatibles con las herramientas que los desarrolladores ya utilizan. Algunos equipos dentro de Google también están debatiendo si abrir partes del software como código abierto para acelerar la adopción.

PyTorch, respaldado fuertemente por Meta, está en el centro del desarrollo moderno de IA. En el Valle de Silicio, pocos ingenieros escriben instrucciones de bajo nivel para chips de Nvidia, AMD o Google. En cambio, dependen de marcos de trabajo con código listo para usar.

PyTorch se lanzó en 2016 y creció junto con CUDA, la pila de software que muchos analistas dicen que protege a Nvidia de los rivales.

Los equipos de Nvidia han pasado años haciendo que PyTorch funcione sin problemas en sus chips. Google, en comparación, entrenó a sus ingenieros en Jax, junto con una herramienta llamada XLA para el rendimiento en TPUs.

Ese enfoque interno creó distancia entre cómo Google construye sistemas de IA y cómo los clientes realmente escriben sus modelos. TorchTPU tiene como objetivo cerrar esa brecha y dar a las empresas una razón para cambiar las cargas de trabajo fuera del hardware de Nvidia.