Επί του παρόντος, οι εταιρείες που οδηγούν αυτόματα επιβατικά αυτοκίνητα μπορούν να χωριστούν χονδρικά σε τρεις κατηγορίες. Η πρώτη κατηγορία είναι ένα σύστημα κλειστού βρόχου παρόμοιο με το Apple (NASDAQ: AAPL). Τα βασικά στοιχεία όπως τα τσιπ και οι αλγόριθμοι κατασκευάζονται από μόνα τους. Η Tesla (NASDAQ: TSLA) το κάνει αυτό. Ορισμένες εταιρείες νέων ενεργειακών αυτοκινήτων ελπίζουν επίσης να το ξεκινήσουν σταδιακά. αυτός ο δρόμος. Η δεύτερη κατηγορία είναι ένα ανοιχτό σύστημα παρόμοιο με το Android. Μερικοί κατασκευαστές κατασκευάζουν έξυπνες πλατφόρμες και κάποιοι κατασκευάζουν αυτοκίνητα. Για παράδειγμα, η Huawei και η Baidu (NASDAQ: BIDU) έχουν προθέσεις από αυτή την άποψη. Η τρίτη κατηγορία είναι η ρομποτική (ταξί χωρίς οδηγό), όπως εταιρείες όπως η Waymo.
Αυτό το άρθρο θα αναλύσει κυρίως τη σκοπιμότητα αυτών των τριών διαδρομών από την άποψη της τεχνολογίας και της επιχειρηματικής ανάπτυξης και θα συζητήσει το μέλλον ορισμένων νέων κατασκευαστών ηλεκτρικών αυτοκινήτων ή εταιρειών αυτόνομης οδήγησης. Μην υποτιμάτε την τεχνολογία. Για την αυτόνομη οδήγηση, η τεχνολογία είναι ζωή και το βασικό μονοπάτι της τεχνολογίας είναι το στρατηγικό μονοπάτι. Έτσι, αυτό το άρθρο είναι επίσης μια συζήτηση για τα διαφορετικά μονοπάτια των στρατηγικών αυτόνομης οδήγησης.
Στον τομέα των έξυπνων αυτοκινήτων, ειδικά στον τομέα της αυτόνομης οδήγησης, η υιοθέτηση του μοντέλου κλειστού βρόχου της Apple μπορεί να διευκολύνει τους κατασκευαστές να βελτιστοποιήσουν την απόδοση και να βελτιώσουν τις επιδόσεις. Γρήγορη ανταπόκριση στις ανάγκες των καταναλωτών.
Επιτρέψτε μου να μιλήσω πρώτα για την απόδοση. Οι επιδόσεις είναι απαραίτητες για την αυτόνομη οδήγηση. Ο Seymour Cray, ο πατέρας των υπερυπολογιστών, είπε κάποτε μια πολύ ενδιαφέρουσα λέξη, "Ο καθένας μπορεί να φτιάξει μια γρήγορη CPU. Το κόλπο είναι να φτιάξεις ένα γρήγορο σύστημα".
Με τη σταδιακή αποτυχία του νόμου του Moore, δεν είναι εφικτό να αυξηθεί απλώς η απόδοση αυξάνοντας τον αριθμό των τρανζίστορ ανά μονάδα επιφάνειας. Και λόγω του περιορισμού της περιοχής και της κατανάλωσης ενέργειας, η κλίμακα του τσιπ είναι επίσης περιορισμένη. Φυσικά, το τρέχον Tesla FSD HW3.0 (FSD ονομάζεται Full Self-Driving) είναι μόνο μια διαδικασία 14 nm και υπάρχει χώρος για βελτίωση.
Προς το παρόν, τα περισσότερα ψηφιακά τσιπ σχεδιάζονται με βάση την Αρχιτεκτονική Von Neumann με το διαχωρισμό μνήμης και αριθμομηχανής, η οποία δημιουργεί ολόκληρο το σύστημα των υπολογιστών (συμπεριλαμβανομένων των έξυπνων τηλεφώνων). Από λογισμικό μέχρι λειτουργικά συστήματα και τσιπ, επηρεάζεται βαθιά. Ωστόσο, η Αρχιτεκτονική Von Neumann δεν είναι απολύτως κατάλληλη για τη βαθιά εκμάθηση στην οποία βασίζεται η αυτόνομη οδήγηση και χρειάζεται βελτίωση ή ακόμα και πρόοδο.
Για παράδειγμα, υπάρχει ένας "τείχος μνήμης" όπου η αριθμομηχανή λειτουργεί πιο γρήγορα από τη μνήμη, γεγονός που μπορεί να προκαλέσει προβλήματα απόδοσης. Ο σχεδιασμός των τσιπ που μοιάζουν με τον εγκέφαλο έχει πράγματι μια σημαντική ανακάλυψη στην αρχιτεκτονική, αλλά το υπερβολικό άλμα μπορεί να μην εφαρμοστεί σύντομα. Επιπλέον, το συνελικτικό δίκτυο εικόνας μπορεί να μετατραπεί σε λειτουργίες μήτρας, οι οποίες μπορεί να μην είναι πραγματικά κατάλληλες για τσιπ τύπου εγκεφάλου.
Επομένως, καθώς ο νόμος του Moore και η αρχιτεκτονική Von Neumann αντιμετωπίζουν και τα δύο σημεία συμφόρησης, οι μελλοντικές βελτιώσεις απόδοσης πρέπει κυρίως να επιτευχθούν μέσω της Ειδικής Αρχιτεκτονικής Τομέα (DSA, η οποία μπορεί να αναφέρεται σε αποκλειστικούς επεξεργαστές). Το DSA προτάθηκε από τους νικητές του βραβείου Turing John Hennessy και David Patterson. Είναι μια καινοτομία που δεν είναι πολύ μακριά, και είναι μια ιδέα που μπορεί να εφαρμοστεί άμεσα.
Μπορούμε να κατανοήσουμε την ιδέα του DSA από μια μακροσκοπική προοπτική. Γενικά, τα τρέχοντα high-end τσιπ έχουν δισεκατομμύρια έως δεκάδες δισεκατομμύρια τρανζίστορ. Ο τρόπος με τον οποίο κατανέμονται, συνδέονται και συνδυάζονται αυτοί οι τεράστιοι αριθμοί τρανζίστορ έχουν μεγάλο αντίκτυπο στην απόδοση μιας συγκεκριμένης εφαρμογής.Στο μέλλον, είναι απαραίτητο να οικοδομήσουμε ένα «γρήγορο σύστημα» από τη συνολική προοπτική του λογισμικού και του υλικού και να βασιστούμε στη βελτιστοποίηση και προσαρμογή της δομής.
Το «Android mode» δεν είναι καλή λύση στον τομέα των έξυπνων αυτοκινήτων.
Πολλοί πιστεύουν ότι στην εποχή της αυτόνομης οδήγησης, υπάρχουν επίσης η Apple (κλειστός βρόχος) και το Android (ανοιχτό) στον τομέα των έξυπνων τηλεφώνων, ενώ θα υπάρχουν και πάροχοι λογισμικού βαρέως πυρήνα όπως η Google. Η απάντησή μου είναι απλή. Η διαδρομή Android δεν θα λειτουργήσει στην αυτόνομη οδήγηση επειδή δεν ανταποκρίνεται στην κατεύθυνση της μελλοντικής ανάπτυξης τεχνολογίας έξυπνων αυτοκινήτων.
Φυσικά, δεν θα έλεγα ότι εταιρείες όπως η Tesla και άλλες εταιρείες πρέπει να φτιάχνουν κάθε βίδα μόνες τους, και πολλά εξαρτήματα πρέπει ακόμα να αγοραστούν από κατασκευαστές αξεσουάρ. Αλλά το πιο βασικό κομμάτι που επηρεάζει την εμπειρία χρήστη πρέπει να το κάνετε μόνοι σας, όπως όλες οι πτυχές της αυτόνομης οδήγησης.
Στην πρώτη ενότητα, αναφέρθηκε ότι η κλειστή διαδρομή της Apple είναι η καλύτερη λύση. Μάλιστα, καταδεικνύει επίσης ότι η ανοιχτή διαδρομή Android δεν είναι η καλύτερη λύση στον τομέα της αυτόνομης οδήγησης.
Η αρχιτεκτονική των έξυπνων τηλεφώνων και των έξυπνων αυτοκινήτων είναι διαφορετική. Το επίκεντρο των smartphones είναι η οικολογία. Οικοσύστημα σημαίνει παροχή διαφόρων εφαρμογών που βασίζονται σε λειτουργικά συστήματα ARM και IOS ή Android.Επομένως, τα έξυπνα τηλέφωνα Android μπορούν να θεωρηθούν ως ένας συνδυασμός μιας δέσμης κοινών τυπικών εξαρτημάτων. Το πρότυπο τσιπ είναι το ARM, πάνω από το τσιπ είναι το λειτουργικό σύστημα Android και στη συνέχεια υπάρχουν διάφορες εφαρμογές στο Διαδίκτυο. Λόγω της τυποποίησής του, είτε πρόκειται για ένα τσιπ, ένα σύστημα Android ή μια εφαρμογή, μπορεί εύκολα να γίνει μια επιχείρηση ανεξάρτητα.
Το επίκεντρο των έξυπνων αυτοκινήτων είναι ο αλγόριθμος και τα δεδομένα και το υλικό που υποστηρίζουν τον αλγόριθμο. Ο αλγόριθμος απαιτεί εξαιρετικά υψηλές επιδόσεις είτε εκπαιδεύεται στο cloud είτε συμπεραίνεται στο τερματικό. Το υλικό του έξυπνου αυτοκινήτου απαιτεί μεγάλη βελτιστοποίηση απόδοσης για συγκεκριμένες εξειδικευμένες εφαρμογές και αλγόριθμους. Επομένως, μόνο αλγόριθμοι ή μόνο τσιπ ή μόνο λειτουργικά συστήματα θα αντιμετωπίσουν διλήμματα βελτιστοποίησης απόδοσης μακροπρόθεσμα. Μόνο όταν κάθε στοιχείο αναπτύσσεται από μόνο του μπορεί να βελτιστοποιηθεί εύκολα. Ο διαχωρισμός λογισμικού και υλικού θα έχει ως αποτέλεσμα την απόδοση που δεν μπορεί να βελτιστοποιηθεί.
Μπορούμε να το συγκρίνουμε με αυτόν τον τρόπο, η NVIDIA Xavier έχει 9 δισεκατομμύρια τρανζίστορ, το Tesla FSD HW 3.0 έχει 6 δισεκατομμύρια τρανζίστορ, αλλά ο δείκτης υπολογιστικής ισχύος του Xavier δεν είναι τόσο καλός όσο το HW3.0. Και λέγεται ότι η επόμενη γενιά FSD HW έχει βελτίωση απόδοσης 7 φορές σε σύγκριση με την τρέχουσα. Έτσι, είναι επειδή ο σχεδιαστής τσιπ της Tesla, Peter Bannon και η ομάδα του είναι ισχυρότεροι από τους σχεδιαστές της NVIDIA ή επειδή η μεθοδολογία της Tesla για το συνδυασμό λογισμικού και υλικού είναι καλύτερη. Πιστεύουμε ότι η μεθοδολογία συνδυασμού λογισμικού και υλικού πρέπει επίσης να είναι ένας σημαντικός λόγος για τη βελτίωση της απόδοσης του chip. Ο διαχωρισμός αλγορίθμων και δεδομένων δεν είναι καλή ιδέα. Δεν ευνοεί την ταχεία ανατροφοδότηση για τις ανάγκες των καταναλωτών και την ταχεία επανάληψη.
Επομένως, στον τομέα της αυτόνομης οδήγησης, η αποσυναρμολόγηση αλγορίθμων ή τσιπ και η ξεχωριστή πώληση τους δεν είναι καλή δουλειά μακροπρόθεσμα.
Αυτό το άρθρο προέρχεται από την EV-tech
psp13880916091
Ώρα δημοσίευσης: Δεκ-10-2020