حاليًا، يمكن تقسيم الشركات التي تقود سيارات الركاب تلقائيًا إلى ثلاث فئات. الفئة الأولى هي نظام حلقة مغلقة مشابه لنظام Apple (NASDAQ: AAPL). يتم تصنيع المكونات الرئيسية مثل الرقائق والخوارزميات بنفسها. تقوم تسلا (NASDAQ: TSLA) بذلك. وتأمل بعض شركات سيارات الطاقة الجديدة أيضًا أن تشرع في ذلك تدريجيًا. هذا الطريق. الفئة الثانية هي نظام مفتوح شبيه بنظام الأندرويد. بعض الشركات المصنعة تصنع منصات ذكية، والبعض الآخر يصنع السيارات. على سبيل المثال، لدى Huawei وBaidu (NASDAQ: BIDU) نوايا في هذا الصدد. الفئة الثالثة هي الروبوتات (سيارات الأجرة بدون سائق)، مثل شركات مثل Waymo.
ستحلل هذه المقالة بشكل أساسي جدوى هذه الطرق الثلاثة من منظور التكنولوجيا وتطوير الأعمال، وتناقش مستقبل بعض شركات تصنيع السيارات الجديدة أو شركات القيادة الذاتية. لا نقلل من التكنولوجيا. بالنسبة للقيادة الذاتية، التكنولوجيا هي الحياة، والمسار التكنولوجي الرئيسي هو المسار الاستراتيجي. لذا فإن هذه المقالة هي أيضًا مناقشة حول المسارات المختلفة لاستراتيجيات القيادة الذاتية.
في مجال السيارات الذكية، وخاصة في مجال القيادة الذاتية، فإن اعتماد نموذج الحلقة المغلقة من Apple يمكن أن يسهل على الشركات المصنعة تحسين الأداء وتحسينه. الاستجابة بسرعة لاحتياجات المستهلك.
اسمحوا لي أن أتحدث عن الأداء أولا. الأداء ضروري للقيادة الذاتية. قال سيمور كراي، أبو الحواسيب العملاقة، ذات مرة كلمة مثيرة للاهتمام للغاية، "يمكن لأي شخص بناء وحدة معالجة مركزية سريعة. الحيلة هي بناء نظام سريع".
مع الفشل التدريجي لقانون مور، فإنه ليس من الممكن ببساطة زيادة الأداء عن طريق زيادة عدد الترانزستورات لكل وحدة مساحة. وبسبب محدودية المساحة واستهلاك الطاقة، فإن حجم الشريحة محدود أيضًا. بالطبع، فإن Tesla FSD HW3.0 الحالي (FSD يسمى القيادة الذاتية الكاملة) هو مجرد عملية 14 نانومتر، وهناك مساحة للتحسين.
في الوقت الحاضر، تم تصميم معظم الرقائق الرقمية بناءً على بنية فون نيومان مع فصل الذاكرة والآلة الحاسبة، مما يؤدي إلى إنشاء نظام الكمبيوتر بالكامل (بما في ذلك الهواتف الذكية). من البرامج إلى أنظمة التشغيل إلى الرقائق، تتأثر بشدة. ومع ذلك، فإن بنية فون نيومان ليست مناسبة تمامًا للتعلم العميق الذي تعتمد عليه القيادة الذاتية، وتحتاج إلى تحسين أو حتى اختراق.
على سبيل المثال، يوجد "جدار ذاكرة" حيث تعمل الآلة الحاسبة بشكل أسرع من الذاكرة، مما قد يسبب مشاكل في الأداء. لقد حقق تصميم الرقائق الشبيهة بالدماغ طفرة في الهندسة المعمارية، لكن القفزة الكبيرة قد لا يتم تطبيقها قريبًا. علاوة على ذلك، يمكن تحويل الشبكة التلافيفية للصور إلى عمليات مصفوفة، والتي قد لا تكون مناسبة حقًا للرقائق الشبيهة بالدماغ.
لذلك، بما أن قانون مور وبنية فون نيومان يواجهان اختناقات، فإن تحسينات الأداء المستقبلية تحتاج بشكل أساسي إلى تحقيقها من خلال البنية المحددة للمجال (DSA، والتي يمكن أن تشير إلى معالجات مخصصة). تم اقتراح DSA من قبل الفائزين بجائزة تورينج جون هينيسي وديفيد باترسون. إنه ابتكار ليس بعيدًا جدًا، وهو فكرة يمكن وضعها موضع التنفيذ على الفور.
يمكننا أن نفهم فكرة DSA من منظور كلي. بشكل عام، تحتوي الرقائق المتطورة الحالية على مليارات إلى عشرات المليارات من الترانزستورات. إن كيفية توزيع هذه الأعداد الهائلة من الترانزستورات وتوصيلها ودمجها لها تأثير كبير على أداء تطبيق معين.في المستقبل، من الضروري بناء "نظام سريع" من المنظور الشامل للبرامج والأجهزة، والاعتماد على تحسين الهيكل وتعديله.
"وضع Android" ليس حلاً جيدًا في مجال السيارات الذكية.
يعتقد الكثير من الناس أنه في عصر القيادة الذاتية، هناك أيضًا Apple (حلقة مغلقة) وAndroid (مفتوح) في مجال الهواتف الذكية، وسيكون هناك أيضًا موفرو برامج ثقيلة مثل Google. إجابتي بسيطة. لن يعمل مسار Android على القيادة الذاتية لأنه لا يتوافق مع اتجاه تطوير تكنولوجيا السيارات الذكية في المستقبل.
بالطبع، لن أقول إن شركات مثل Tesla وغيرها من الشركات يجب أن تصنع كل برغي بنفسها، ولا يزال يتعين شراء العديد من الأجزاء من الشركات المصنعة للملحقات. لكن الجزء الأساسي الذي يؤثر على تجربة المستخدم يجب أن تقوم به بنفسك، مثل جميع جوانب القيادة الذاتية.
في القسم الأول، تم الإشارة إلى أن مسار الحلقة المغلقة من Apple هو الحل الأفضل. في الواقع، يوضح أيضًا أن الطريق المفتوح الذي يعمل بنظام Android ليس هو الحل الأفضل في مجال القيادة الذاتية.
تختلف بنية الهواتف الذكية والسيارات الذكية. محور الهواتف الذكية هو البيئة. النظام البيئي يعني توفير تطبيقات متنوعة تعتمد على أنظمة التشغيل ARM و IOS أو Android.لذلك، يمكن فهم الهواتف الذكية التي تعمل بنظام Android على أنها مزيج من مجموعة من الأجزاء القياسية المشتركة. معيار الشريحة هو ARM، ويوجد فوق الشريحة نظام التشغيل Android، ثم هناك تطبيقات مختلفة على الإنترنت. نظرًا لتوحيدها، سواء كانت شريحة أو نظام Android أو تطبيقًا، يمكن أن تصبح بسهولة عملاً تجاريًا بشكل مستقل.
تركز السيارات الذكية على الخوارزمية والبيانات والأجهزة التي تدعم الخوارزمية. تتطلب الخوارزمية أداءً عاليًا للغاية سواء تم تدريبها في السحابة أو تم استنتاجها على الجهاز. تتطلب أجهزة السيارة الذكية الكثير من تحسين الأداء لتطبيقات وخوارزميات متخصصة محددة. لذلك، فإن الخوارزميات فقط أو الرقائق فقط أو أنظمة التشغيل فقط هي التي ستواجه معضلات تحسين الأداء على المدى الطويل. فقط عندما يتم تطوير كل مكون بمفرده، يمكن تحسينه بسهولة. سيؤدي فصل البرامج والأجهزة إلى أداء لا يمكن تحسينه.
يمكننا مقارنتها بهذه الطريقة، NVIDIA Xavier لديه 9 مليارات ترانزستور، وTesla FSD HW 3.0 لديه 6 مليارات ترانزستور، لكن مؤشر قوة الحوسبة لـ Xavier ليس جيدًا مثل HW3.0. ويقال أن الجيل التالي من FSD HW يتمتع بتحسن في الأداء بمقدار 7 مرات مقارنة بالجيل الحالي. لذا، يرجع السبب في ذلك إلى أن مصمم شرائح Tesla Peter Bannon وفريقه أقوى من مصممي NVIDIA، أو لأن منهجية Tesla في الجمع بين البرامج والأجهزة أفضل. نعتقد أن منهجية الجمع بين البرامج والأجهزة يجب أن تكون أيضًا سببًا مهمًا لتحسين أداء الشريحة. إن فصل الخوارزميات والبيانات ليس فكرة جيدة. إنه لا يفضي إلى ردود الفعل السريعة على احتياجات المستهلك والتكرار السريع.
لذلك، في مجال القيادة الذاتية، فإن تفكيك الخوارزميات أو الرقائق وبيعها بشكل منفصل ليس عملاً جيدًا على المدى الطويل.
هذا المقال مصدره EV-tech
psp13880916091
وقت النشر: 10 ديسمبر 2020