La fin cruelle de la conduite autonome : Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, qui peuvent devenir la note de bas de page de l'histoire ?

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 Turing Award. 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.