Jelenleg a személygépkocsikat automatikusan vezető cégek nagyjából három kategóriába sorolhatók. Az első kategória az Apple-hez hasonló zárt hurkú rendszer (NASDAQ: AAPL). A kulcsfontosságú összetevőket, például a chipeket és az algoritmusokat maguk készítik. A Tesla (NASDAQ: TSLA) ezt teszi. Néhány új energiaautó-gyártó cég is abban reménykedik, hogy fokozatosan belevághat. ezt az utat. A második kategória az Androidhoz hasonló nyílt rendszer. Egyes gyártók intelligens platformokat, mások pedig autókat gyártanak. Például a Huawei és a Baidu (NASDAQ: BIDU) szándékai vannak ezzel kapcsolatban. A harmadik kategória a robotika (vezető nélküli taxik), például olyan cégek, mint a Waymo.
Ez a cikk elsősorban ennek a három útnak a megvalósíthatóságát elemzi a technológia és az üzletfejlesztés szempontjából, és néhány új motoros autógyártó vagy autonóm vezetéssel foglalkozó vállalat jövőjét tárgyalja. Ne becsülje alá a technológiát. Az autonóm vezetésnél a technológia az élet, a kulcsfontosságú technológiai út pedig a stratégiai út. Tehát ez a cikk egyben az autonóm vezetési stratégiák különböző útjait is tárgyalja.
Az intelligens autók területén, különösen az autonóm vezetés terén, az Apple zárt hurkú modelljének átvétele megkönnyítheti a gyártók számára a teljesítmény optimalizálását és a teljesítmény javítását. Gyorsan reagál a fogyasztói igényekre.
Hadd beszéljek először a teljesítményről. A teljesítmény elengedhetetlen az autonóm vezetéshez. Seymour Cray, a szuperszámítógépek atyja egyszer egy nagyon érdekes szót mondott: "Bárki tud gyors CPU-t építeni. A trükk az, hogy gyors rendszert kell építeni".
A Moore-törvény fokozatos meghibásodásával nem lehetséges egyszerűen a teljesítmény növelése az egységnyi területen lévő tranzisztorok számának növelésével. A terület és az energiafogyasztás korlátozottsága miatt pedig a chip mérete is korlátozott. Természetesen a jelenlegi Tesla FSD HW3.0 (az FSD-t Full Self-Drivingnek hívják) csak 14 nm-es folyamat, és van még hová fejlődni.
Jelenleg a legtöbb digitális chipet a Von Neumann architektúra alapján tervezték, a memória és a számológép szétválasztásával, amely létrehozza a számítógépek teljes rendszerét (beleértve az okostelefonokat is). A szoftvertől az operációs rendszereken át a chipekig ez mélyen érintett. A Von Neumann Architecture azonban nem teljesen alkalmas arra a mély tanulásra, amelyen az autonóm vezetés támaszkodik, és fejlesztésre vagy akár áttörésre szorul.
Például van egy "memóriafal", ahol a számológép gyorsabban fut, mint a memória, ami teljesítményproblémákat okozhat. Az agyszerű chipek tervezése valóban áttörést hozott az építészetben, de a túl messzire ugrást nem biztos, hogy hamarosan alkalmazzák. Sőt, a képkonvolúciós hálózat mátrixműveletekké alakítható, ami nem biztos, hogy igazán alkalmas agyszerű chipekre.
Ezért, mivel a Moore-törvény és a Von Neumann architektúra is szűk keresztmetszetekbe ütközik, a jövőbeni teljesítménynövekedést elsősorban a Domain Specific Architecture (DSA, amely dedikált processzorokra utalhat) révén kell elérni. A DSA-t a Turing-díjas John Hennessy és David Patterson javasolta. Ez egy olyan újítás, amely nem túl előremutató, és egy olyan ötlet, amely azonnal átültethető a gyakorlatba.
Megérthetjük a DSA gondolatát makro szempontból. Általában a jelenlegi csúcskategóriás chipek milliárd-tízmilliárd tranzisztorral rendelkeznek. Ennek a hatalmas számú tranzisztornak az elosztása, csatlakoztatása és kombinálása nagy hatással van egy adott alkalmazás teljesítményére.A jövőben szükség van egy "gyors rendszer" felépítésére a szoftver és a hardver átfogó perspektívájából, és a struktúra optimalizálására és beállítására kell támaszkodni.
Az "Android mód" nem jó megoldás az intelligens autók terén.
Sokan úgy gondolják, hogy az autonóm vezetés korszakában az okos telefonok terén is létezik Apple (zárt hurkú) és Android (nyílt), és lesznek olyan nehézmagos szoftverszolgáltatók is, mint a Google. A válaszom egyszerű. Az Android-útvonal nem fog működni az autonóm vezetésnél, mert nem felel meg a jövőbeli okosautó-technológia fejlesztési irányának.
Természetesen nem mondanám, hogy az olyan cégeknek, mint a Tesla és más cégek minden csavart maguknak kell elkészíteniük, és sok alkatrészt továbbra is a tartozékok gyártóitól kell beszerezni. A felhasználói élményt befolyásoló legfontosabb alkatrészt azonban magának kell elvégeznie, például az autonóm vezetés minden vonatkozását.
Az első részben szóba került, hogy az Apple zárt hurkú útvonala a legjobb megoldás. Valójában ez is azt mutatja, hogy az Android nyílt útvonala nem a legjobb megoldás az autonóm vezetés terén.
Az okostelefonok és az intelligens autók architektúrája eltérő. Az okostelefonok középpontjában az ökológia áll. Az ökoszisztéma különböző alkalmazások biztosítását jelenti ARM és IOS vagy Android operációs rendszereken.Ezért az Android okostelefonok egy csomó közös szabvány alkatrész kombinációjaként értelmezhetők. A chip szabvány az ARM, a chip tetején az Android operációs rendszer, majd különféle alkalmazások vannak az interneten. Szabványosítása miatt, legyen szó chipről, Android rendszerről vagy alkalmazásról, könnyen önálló vállalkozássá válhat.
Az intelligens autók fókuszában az algoritmus, valamint az algoritmust támogató adatok és hardver áll. Az algoritmus rendkívül nagy teljesítményt igényel, akár a felhőben tanítják, akár a terminálon következtetnek rá. Az intelligens autó hardvere sok teljesítményoptimalizálást igényel bizonyos speciális alkalmazásokhoz és algoritmusokhoz. Ezért hosszú távon csak az algoritmusok vagy csak a chipek vagy csak az operációs rendszerek szembesülnek teljesítményoptimalizálási dilemmákkal. Csak akkor lehet könnyen optimalizálni, ha az egyes komponenseket önállóan fejlesztik. A szoftver és a hardver szétválasztása olyan teljesítményt eredményez, amelyet nem lehet optimalizálni.
Összehasonlíthatjuk így, az NVIDIA Xavier 9 milliárd, a Tesla FSD HW 3.0 6 milliárd tranzisztorral rendelkezik, de a Xavier számítási teljesítményindexe nem olyan jó, mint a HW3.0. És azt mondják, hogy a következő generációs FSD HW teljesítménye hétszeres javulást mutat a jelenlegihez képest. Tehát azért, mert a Tesla chiptervezője, Peter Bannon és csapata erősebb, mint az NVIDIA tervezői, vagy azért, mert a Tesla szoftver- és hardverkombinációs módszere jobb. Úgy gondoljuk, hogy a szoftver és a hardver kombinálásának módszertana is fontos ok lehet a chip teljesítményének javítására. Az algoritmusok és az adatok szétválasztása nem jó ötlet. Nem segíti elő a fogyasztói igények gyors visszajelzését és a gyors iterációt.
Ezért az autonóm vezetés terén hosszú távon nem jó üzlet az algoritmusok vagy chipek szétszedése és külön értékesítése.
Ez a cikk az EV-techtől származik
psp13880916091
Feladás időpontja: 2020. december 10