Tällä hetkellä henkilöautoja automaattisesti ajavat yritykset voidaan jakaa karkeasti kolmeen kategoriaan. Ensimmäinen luokka on Applen kaltainen suljetun silmukan järjestelmä (NASDAQ: AAPL). Tärkeimmät komponentit, kuten sirut ja algoritmit, tehdään itse. Tesla (NASDAQ: TSLA) tekee tämän. Jotkut uudet energiaautoyritykset toivovat myös asteittain aloittavansa sen. tämä tie. Toinen luokka on Androidin kaltainen avoin järjestelmä. Jotkut valmistajat tekevät älykkäitä alustoja ja jotkut autoja. Esimerkiksi Huaweilla ja Baidulla (NASDAQ: BIDU) on aikeita tässä suhteessa. Kolmas luokka on robotiikka (kuljettamattomat taksit), kuten Waymon kaltaiset yritykset.
Tässä artikkelissa analysoidaan pääasiassa näiden kolmen reitin toteutettavuutta teknologian ja liiketoiminnan kehityksen näkökulmasta sekä keskustellaan joidenkin uusien voimaautojen valmistajien tai autonomista ajoa koskevien yritysten tulevaisuudesta. Älä aliarvioi tekniikkaa. Itseohjautuvassa ajamisessa teknologia on elämää, ja avainteknologiapolku on strateginen polku. Joten tämä artikkeli on myös keskustelu autonomisen ajostrategioiden eri poluista.
Älyautojen alalla, erityisesti autonomisen ajamisen alalla, Applen suljetun kierron mallin käyttöönotto voi helpottaa valmistajien suorituskyvyn optimointia ja suorituskyvyn parantamista. Vastaa nopeasti kuluttajien tarpeisiin.
Puhun ensin suorituskyvystä. Suorituskyky on välttämätöntä autonomiselle ajamiselle. Seymour Cray, supertietokoneiden isä, sanoi kerran erittäin mielenkiintoisen sanan: "Kuka tahansa voi rakentaa nopean suorittimen. Temppu on rakentaa nopea järjestelmä".
Mooren lain asteittaisen epäonnistumisen vuoksi ei ole mahdollista yksinkertaisesti lisätä suorituskykyä lisäämällä transistorien määrää pinta-alayksikköä kohti. Ja pinta-alan ja energiankulutuksen rajoittamisen vuoksi sirun mittakaava on myös rajoitettu. Tietenkin nykyinen Tesla FSD HW3.0 (FSD on nimeltään Full Self-Driving) on vain 14 nm prosessi, ja parantamisen varaa on.
Tällä hetkellä suurin osa digitaalisista siruista on suunniteltu Von Neumann -arkkitehtuuriin perustuen muistin ja laskimen erottamiseen, mikä luo koko tietokonejärjestelmän (mukaan lukien älypuhelimet). Se vaikuttaa syvästi ohjelmistoista käyttöjärjestelmiin siruihin. Von Neumann Architecture ei kuitenkaan täysin sovellu syvään oppimiseen, johon autonominen ajaminen perustuu, ja vaatii parannusta tai jopa läpimurtoa.
Esimerkiksi siellä on "muistiseinä", jossa laskin toimii nopeammin kuin muisti, mikä voi aiheuttaa suorituskykyongelmia. Aivojen kaltaisten sirujen suunnittelulla on läpimurto arkkitehtuurissa, mutta liian pitkälle tehtyä harppausta ei välttämättä toteuteta pian. Lisäksi kuvan konvoluutioverkko voidaan muuntaa matriisioperaatioiksi, jotka eivät välttämättä sovellu aivomaisille siruille.
Siksi, koska Mooren laki ja Von Neumann -arkkitehtuuri kohtaavat molemmat pullonkauloja, tulevat suorituskyvyn parannukset on saavutettava pääasiassa Domain Specific Architecture (DSA, joka voi viitata omistettuihin prosessoreihin) avulla. DSA:ta ehdottivat Turing-palkinnon voittajat John Hennessy ja David Patterson. Se on innovaatio, joka ei ole liian pitkälle eteenpäin, ja se on idea, joka voidaan toteuttaa välittömästi.
Voimme ymmärtää DSA:n idean makronäkökulmasta. Yleensä nykyisissä huippuluokan siruissa on miljardeista kymmeniin miljardeihin transistoreja. Kuinka nämä valtavat määrät transistoreita jaetaan, yhdistetään ja yhdistetään, on suuri vaikutus tietyn sovelluksen suorituskykyyn.Tulevaisuudessa on välttämätöntä rakentaa "nopea järjestelmä" ohjelmistojen ja laitteistojen kokonaisnäkökulmasta ja luottaa rakenteen optimointiin ja säätöön.
"Android-tila" ei ole hyvä ratkaisu älyautojen alalla.
Monet uskovat, että autonomisen ajamisen aikakaudella älypuhelimien alalla on myös Apple (suljettu silmukka) ja Android (avoin), ja mukana tulee myös raskaan ydinohjelmiston toimittajia, kuten Google. Vastaukseni on yksinkertainen. Android-reitti ei toimi autonomisessa ajamisessa, koska se ei vastaa tulevan älyautoteknologian kehityksen suuntaa.
En tietenkään sanoisi, että Teslan ja muiden yritysten kaltaisten yritysten on tehtävä jokainen ruuvi itse, ja monet osat on silti ostettava lisävarustevalmistajilta. Mutta keskeisin osa, joka vaikuttaa käyttökokemukseen, on tehtävä itse, kuten kaikki autonomisen ajamisen osa-alueet.
Ensimmäisessä osiossa on mainittu, että Applen suljetun kierron reitti on paras ratkaisu. Itse asiassa se osoittaa myös, että Androidin avoin reitti ei ole paras ratkaisu autonomisen ajamisen alalla.
Älypuhelimien ja älyautojen arkkitehtuuri on erilainen. Älypuhelimien painopiste on ekologia. Ekosysteemi tarkoittaa ARM- ja IOS- tai Android-käyttöjärjestelmiin perustuvien erilaisten sovellusten tarjoamista.Siksi Android-älypuhelimet voidaan ymmärtää yhdistelmänä joukosta yleisiä vakio-osia. Sirustandardi on ARM, sirun päällä Android-käyttöjärjestelmä, ja sitten Internetissä on erilaisia sovelluksia. Standardoinnin ansiosta, olipa kyseessä sitten siru, Android-järjestelmä tai sovellus, siitä voi helposti tulla itsenäisesti yritys.
Älyautojen painopiste on algoritmissa sekä algoritmia tukevassa datassa ja laitteistossa. Algoritmi vaatii äärimmäisen korkeaa suorituskykyä riippumatta siitä, onko se opetettu pilvessä tai päätelty päätteellä. Älyauton laitteisto vaatii paljon suorituskyvyn optimointia tiettyjä erikoissovelluksia ja algoritmeja varten. Siksi vain algoritmit tai vain sirut tai vain käyttöjärjestelmät kohtaavat suorituskyvyn optimoinnin ongelmia pitkällä aikavälillä. Vain kun jokainen komponentti on kehitetty itse, se voidaan helposti optimoida. Ohjelmiston ja laitteiston erottaminen toisistaan johtaa suorituskykyyn, jota ei voida optimoida.
Voimme verrata sitä näin, NVIDIA Xavierissa on 9 miljardia transistoria, Tesla FSD HW 3.0:ssa on 6 miljardia transistoria, mutta Xavierin laskentatehoindeksi ei ole yhtä hyvä kuin HW3.0. Ja sanotaan, että seuraavan sukupolven FSD HW:n suorituskyky on 7-kertainen nykyiseen verrattuna. Joten se johtuu siitä, että Teslan sirusuunnittelija Peter Bannon ja hänen tiiminsä ovat vahvempia kuin NVIDIAn suunnittelijat, tai siitä, että Teslan menetelmä ohjelmistojen ja laitteistojen yhdistämiseksi on parempi. Mielestämme myös ohjelmiston ja laitteiston yhdistämisen metodologian on oltava tärkeä syy sirujen suorituskyvyn parantamiseen. Algoritmien ja tietojen erottaminen ei ole hyvä idea. Se ei edistä nopeaa palautetta kuluttajien tarpeista ja nopeaa iteraatiota.
Siksi autonomisen ajon alalla algoritmien tai sirujen purkaminen ja niiden myynti erikseen ei ole pitkällä tähtäimellä hyvää bisnestä.
Tämä artikkeli on peräisin EV-techiltä
psp13880916091
Postitusaika: 10.12.2020