Actualmente, as empresas que conducen automóbiles de pasaxeiros pódense dividir aproximadamente en tres categorías. A primeira categoría é un sistema de bucle pechado similar a Apple (NASDAQ: AAPL). Os compoñentes clave como chips e algoritmos están feitos por eles mesmos. Tesla (NASDAQ: TSLA) fai isto. Algunhas compañías de automóbiles de nova enerxía tamén esperan embarcarse nela aos poucos. esta estrada. A segunda categoría é un sistema aberto similar a Android. Algúns fabricantes fabrican plataformas intelixentes e outros fabrican coches. Por exemplo, Huawei e Baidu (NASDAQ: BIDU) teñen intencións neste sentido. A terceira categoría é a robótica (taxis sen condutor), como empresas como Waymo.
Neste artigo analizarase principalmente a viabilidade destas tres vías desde a perspectiva da tecnoloxía e o desenvolvemento empresarial, e analizarase o futuro dalgúns fabricantes de automóbiles de nova potencia ou empresas de condución autónoma. Non subestimes a tecnoloxía. Para a condución autónoma, a tecnoloxía é a vida e o camiño tecnolóxico clave é o camiño estratéxico. Polo tanto, este artigo é tamén unha discusión sobre os diferentes camiños das estratexias de condución autónoma.
No ámbito dos coches intelixentes, especialmente no da condución autónoma, adoptar o modelo de bucle pechado de Apple pode facilitar aos fabricantes a optimización do rendemento e a mellora do rendemento. Responde rapidamente ás necesidades dos consumidores.
Permíteme falar primeiro do rendemento. O rendemento é esencial para a condución autónoma. Seymour Cray, o pai das supercomputadoras, dixo unha vez unha palabra moi interesante: "Calquera pode construír unha CPU rápida. O truco é construír un sistema rápido".
Co fracaso gradual da Lei de Moore, non é factible simplemente aumentar o rendemento aumentando o número de transistores por unidade de área. E debido á limitación da área e do consumo de enerxía, a escala do chip tamén é limitada. Por suposto, o actual Tesla FSD HW3.0 (FSD chámase Full Self-Driving) é só un proceso de 14 nm e hai espazo para mellorar.
Na actualidade, a maioría dos chips dixitais están deseñados baseándose na arquitectura Von Neumann coa separación de memoria e calculadora, que crea todo o sistema de ordenadores (incluídos os teléfonos intelixentes). Desde software ata sistemas operativos ata chips, está profundamente afectado. Non obstante, a arquitectura Von Neumann non é completamente axeitada para a aprendizaxe profunda na que depende a condución autónoma e necesita melloras ou mesmo avances.
Por exemplo, hai un "muro de memoria" onde a calculadora funciona máis rápido que a memoria, o que pode causar problemas de rendemento. O deseño de chips parecidos ao cerebro ten un gran avance na arquitectura, pero é posible que o salto demasiado lonxe non se aplique pronto. Ademais, a rede convolucional de imaxes pódese converter en operacións matriciales, que poden non ser realmente adecuadas para chips semellantes ao cerebro.
Polo tanto, como a Lei de Moore e a arquitectura Von Neumann atopan pescozos de botella, as melloras futuras de rendemento deben conseguirse principalmente a través da Arquitectura Específica de Dominio (DSA, que pode referirse a procesadores dedicados). DSA foi proposto polos gañadores do premio Turing John Hennessy e David Patterson. É unha innovación que non avanza demasiado, e é unha idea que se pode poñer en práctica de inmediato.
Podemos entender a idea de DSA desde unha perspectiva macro. Xeralmente, os chips actuais de gama alta teñen miles de millóns a decenas de miles de millóns de transistores. Como se distribúen, conectan e combinan este gran número de transistores ten un gran impacto no rendemento dunha aplicación específica.No futuro, é necesario construír un "sistema rápido" desde a perspectiva global de software e hardware, e confiar na optimización e axuste da estrutura.
O "modo Android" non é unha boa solución no campo dos coches intelixentes.
Moita xente cre que na era da condución autónoma tamén hai Apple (circuito pechado) e Android (aberto) no campo dos teléfonos intelixentes, e tamén haberá provedores de software de núcleo pesado como Google. A miña resposta é sinxela. A ruta de Android non funcionará na condución autónoma porque non cumpre coa dirección do desenvolvemento tecnolóxico do futuro coche intelixente.
Por suposto, non diría que empresas como Tesla e outras empresas teñan que fabricar cada parafuso por si mesmas, e aínda hai que mercar moitas pezas aos fabricantes de accesorios. Pero a parte máis importante que afecta á experiencia do usuario debe facelo vostede mesmo, como todos os aspectos da condución autónoma.
Na primeira sección, mencionouse que a ruta de bucle pechado de Apple é a mellor solución. De feito, tamén demostra que a ruta aberta de Android non é a mellor solución no ámbito da condución autónoma.
A arquitectura dos teléfonos intelixentes e dos coches intelixentes é diferente. O foco dos teléfonos intelixentes é a ecoloxía. Ecosistema significa proporcionar diversas aplicacións baseadas en sistemas operativos ARM e IOS ou Android.Polo tanto, os teléfonos intelixentes Android pódense entender como unha combinación dunha serie de pezas estándar comúns. O chip estándar é ARM, enriba do chip está o sistema operativo Android, e despois hai varias aplicacións en Internet. Debido á súa estandarización, xa sexa un chip, un sistema Android ou unha aplicación, pode converterse facilmente nunha empresa de forma independente.
O foco dos coches intelixentes é o algoritmo e os datos e o hardware que soportan o algoritmo. O algoritmo require un rendemento extremadamente alto tanto se se adestra na nube como se infire no terminal. O hardware do coche intelixente require moita optimización do rendemento para aplicacións e algoritmos específicos específicos. Polo tanto, só os algoritmos ou só chips ou só os sistemas operativos enfrontaranse a dilemas de optimización do rendemento a longo prazo. Só cando cada compoñente se desenvolve por si mesmo pode optimizarse facilmente. A separación de software e hardware dará lugar a un rendemento que non se pode optimizar.
Podemos comparalo deste xeito, NVIDIA Xavier ten 9.000 millóns de transistores, Tesla FSD HW 3.0 ten 6.000 millóns de transistores, pero o índice de potencia de cálculo de Xavier non é tan bo como o HW3.0. E dise que o FSD HW de próxima xeración ten unha mellora de rendemento de 7 veces en comparación co actual. Entón, é porque o deseñador de chips de Tesla Peter Bannon e o seu equipo son máis fortes que os deseñadores de NVIDIA, ou porque a metodoloxía de Tesla para combinar software e hardware é mellor. Pensamos que a metodoloxía de combinación de software e hardware tamén debe ser un motivo importante para mellorar o rendemento do chip. Separar algoritmos e datos non é unha boa idea. Non é propicio para unha rápida retroalimentación sobre as necesidades dos consumidores e unha rápida iteración.
Polo tanto, no ámbito da condución autónoma, desmontar algoritmos ou chips e vendelos por separado non é un bo negocio a longo prazo.
Este artigo provén de EV-tech
psp13880916091
Hora de publicación: Dec-10-2020