Actuellement, les entreprises qui conduisent automatiquement des voitures particulières peuvent être grossièrement divisées en trois catégories. La première catégorie est un système en boucle fermée similaire à Apple (NASDAQ : AAPL). Les composants clés tels que les puces et les algorithmes sont fabriqués eux-mêmes. Tesla (NASDAQ : TSLA) fait cela. Certains constructeurs de voitures à énergies nouvelles espèrent également s’y lancer progressivement. cette route. La deuxième catégorie est un système ouvert similaire à Android. Certains fabricants fabriquent des plates-formes intelligentes et d’autres des voitures. Par exemple, Huawei et Baidu (NASDAQ : BIDU) ont des intentions à cet égard. La troisième catégorie est celle de la robotique (taxis sans conducteur), comme celle d’entreprises comme Waymo.
Cet article analysera principalement la faisabilité de ces trois voies du point de vue du développement technologique et commercial, et discutera de l'avenir de certains constructeurs de voitures de nouvelle puissance ou d'entreprises de conduite autonome. Ne sous-estimez pas la technologie. Pour la conduite autonome, la technologie est la vie et la voie technologique clé est la voie stratégique. Cet article est donc également une discussion sur les différentes voies des stratégies de conduite autonome.
Dans le domaine des voitures intelligentes, en particulier dans le domaine de la conduite autonome, l'adoption du modèle en boucle fermée d'Apple peut permettre aux constructeurs d'optimiser et d'améliorer plus facilement les performances. Répondez rapidement aux besoins des consommateurs.
Permettez-moi d'abord de parler de performances. La performance est essentielle pour la conduite autonome. Seymour Cray, le père des supercalculateurs, a dit un jour un mot très intéressant : "N'importe qui peut construire un processeur rapide. L'astuce consiste à construire un système rapide".
Avec l'échec progressif de la loi de Moore, il n'est pas possible d'augmenter simplement les performances en augmentant le nombre de transistors par unité de surface. Et en raison de la limitation de la surface et de la consommation d’énergie, la taille de la puce est également limitée. Bien sûr, l'actuel Tesla FSD HW3.0 (FSD est appelé Full Self-Driving) n'est qu'un processus de 14 nm, et il y a place à amélioration.
À l'heure actuelle, la plupart des puces numériques sont conçues sur la base de l'architecture Von Neumann avec séparation de la mémoire et de la calculatrice, qui crée l'ensemble du système informatique (y compris les téléphones intelligents). Des logiciels aux systèmes d’exploitation en passant par les puces, tout cela est profondément affecté. Cependant, l’architecture Von Neumann n’est pas entièrement adaptée à l’apprentissage profond sur lequel repose la conduite autonome et doit être améliorée, voire percée.
Par exemple, il existe un « mur de mémoire » dans lequel la calculatrice fonctionne plus rapidement que la mémoire, ce qui peut entraîner des problèmes de performances. La conception de puces de type cerveau représente certes une percée architecturale, mais ce saut trop loin ne sera peut-être pas appliqué de sitôt. De plus, le réseau convolutif d’images peut être converti en opérations matricielles, ce qui peut ne pas être vraiment adapté aux puces de type cerveau.
Par conséquent, comme la loi de Moore et l'architecture de Von Neumann rencontrent toutes deux des goulots d'étranglement, les futures améliorations des performances doivent principalement être obtenues via une architecture spécifique au domaine (DSA, qui peut faire référence à des processeurs dédiés). DSA a été proposé par John Hennessy et David Patterson, lauréats du prix Turing. Il s’agit d’une innovation qui n’est pas très avancée et qui peut être mise en pratique immédiatement.
Nous pouvons comprendre l’idée du DSA d’un point de vue macro. Généralement, les puces haut de gamme actuelles comportent des milliards, voire des dizaines de milliards de transistors. La manière dont ces très nombreux transistors sont distribués, connectés et combinés a un impact important sur les performances d’une application spécifique.À l'avenir, il sera nécessaire de construire un « système rapide » du point de vue global du logiciel et du matériel, et de s'appuyer sur l'optimisation et l'ajustement de la structure.
Le « mode Android » n’est pas une bonne solution dans le domaine des voitures intelligentes.
Beaucoup de gens pensent qu'à l'ère de la conduite autonome, il y aura aussi Apple (en boucle fermée) et Android (ouvert) dans le domaine des téléphones intelligents, et il y aura également des fournisseurs de logiciels lourds comme Google. Ma réponse est simple. La voie Android ne fonctionnera pas sur la conduite autonome car elle ne correspond pas à l’orientation du développement futur de la technologie des voitures intelligentes.
Bien sûr, je ne dirais pas que des entreprises telles que Tesla et d’autres doivent fabriquer elles-mêmes chaque vis et que de nombreuses pièces doivent encore être achetées auprès de fabricants d’accessoires. Mais la partie la plus essentielle qui affecte l’expérience utilisateur doit être réalisée par vous-même, comme tous les aspects de la conduite autonome.
Dans la première section, il a été mentionné que la solution en boucle fermée d'Apple était la meilleure solution. En fait, cela démontre également que la voie ouverte d’Android n’est pas la meilleure solution dans le domaine de la conduite autonome.
L’architecture des téléphones intelligents et des voitures intelligentes est différente. L’enjeu des smartphones est l’écologie. L'écosystème signifie fournir diverses applications basées sur les systèmes d'exploitation ARM et IOS ou Android.Par conséquent, les téléphones intelligents Android peuvent être compris comme une combinaison d’un ensemble de pièces standard communes. La puce standard est ARM, au-dessus de la puce se trouve le système d'exploitation Android, puis il existe diverses applications sur Internet. Grâce à sa standardisation, qu'il s'agisse d'une puce, d'un système Android ou d'une application, elle peut facilement devenir une entreprise indépendante.
Les voitures intelligentes se concentrent sur l’algorithme ainsi que sur les données et le matériel qui le supportent. L'algorithme nécessite des performances extrêmement élevées, qu'il soit formé dans le cloud ou déduit sur le terminal. Le matériel de la voiture intelligente nécessite de nombreuses optimisations de performances pour des applications et des algorithmes spécialisés spécifiques. Par conséquent, seuls les algorithmes, ou uniquement les puces, ou uniquement les systèmes d’exploitation seront confrontés à des dilemmes d’optimisation des performances à long terme. Ce n'est que lorsque chaque composant est développé par lui-même qu'il peut être facilement optimisé. La séparation du logiciel et du matériel entraînera des performances qui ne pourront pas être optimisées.
Nous pouvons le comparer de cette façon, NVIDIA Xavier a 9 milliards de transistors, Tesla FSD HW 3.0 a 6 milliards de transistors, mais l'indice de puissance de calcul de Xavier n'est pas aussi bon que celui de HW3.0. Et on dit que le FSD HW de nouvelle génération présente des performances améliorées de 7 fois par rapport à l'actuel. C'est donc parce que le concepteur de puces Tesla, Peter Bannon, et son équipe sont plus forts que les concepteurs de NVIDIA, ou parce que la méthodologie de Tesla consistant à combiner logiciel et matériel est meilleure. Nous pensons que la méthodologie consistant à combiner logiciel et matériel doit également être une raison importante pour l'amélioration des performances des puces. Séparer les algorithmes et les données n'est pas une bonne idée. Cela ne favorise pas une rétroaction rapide sur les besoins des consommateurs ni une itération rapide.
Par conséquent, dans le domaine de la conduite autonome, démonter des algorithmes ou des puces et les vendre séparément n’est pas une bonne affaire à long terme.
Cet article provient de EV-tech
psp13880916091
Heure de publication : 10 décembre 2020