Saat ini, perusahaan yang mengemudikan mobil penumpang otomatis secara garis besar dapat dibagi menjadi tiga kategori. Kategori pertama adalah sistem loop tertutup yang mirip dengan Apple (NASDAQ: AAPL). Komponen kunci seperti chip dan algoritma dibuat sendiri. Tesla (NASDAQ: TSLA) melakukan ini. Beberapa perusahaan mobil energi baru juga berharap untuk memulainya secara bertahap. jalan ini. Kategori kedua adalah sistem terbuka mirip Android. Beberapa produsen membuat platform pintar, dan beberapa lagi membuat mobil. Misalnya, Huawei dan Baidu (NASDAQ: BIDU) mempunyai niat dalam hal ini. Kategori ketiga adalah robotika (taksi tanpa pengemudi), seperti perusahaan seperti Waymo.
Artikel ini terutama akan menganalisis kelayakan ketiga rute tersebut dari perspektif teknologi dan pengembangan bisnis, serta membahas masa depan beberapa produsen mobil bertenaga baru atau perusahaan penggerak otonom. Jangan meremehkan teknologi. Untuk kendaraan otonom, teknologi adalah kehidupan, dan jalur teknologi utama adalah jalur strategis. Jadi artikel ini juga membahas berbagai jalur strategi mengemudi otonom.
Di bidang mobil pintar, khususnya di bidang berkendara otonom, mengadopsi model loop tertutup Apple dapat memudahkan produsen dalam mengoptimalkan performa dan meningkatkan performa. Cepat tanggap terhadap kebutuhan konsumen.
Izinkan saya berbicara tentang kinerja terlebih dahulu. Performa sangat penting untuk berkendara otonom. Seymour Cray, bapak superkomputer, pernah mengatakan sebuah kata yang sangat menarik, “Siapa pun dapat membangun CPU yang cepat. Caranya adalah dengan membangun sistem yang cepat”.
Dengan kegagalan bertahap Hukum Moore, tidak mungkin meningkatkan kinerja hanya dengan meningkatkan jumlah transistor per satuan luas. Dan karena keterbatasan area dan konsumsi energi, skala chip juga terbatas. Tentu saja, Tesla FSD HW3.0 (FSD disebut Full Self-Driving) saat ini hanya menggunakan proses 14nm, dan masih ada ruang untuk perbaikan.
Saat ini, sebagian besar chip digital dirancang berdasarkan Arsitektur Von Neumann dengan pemisahan memori dan kalkulator, yang menciptakan keseluruhan sistem komputer (termasuk ponsel pintar). Dari perangkat lunak, sistem operasi, hingga chip, semuanya sangat terpengaruh. Namun, Arsitektur Von Neumann tidak sepenuhnya cocok untuk pembelajaran mendalam yang diandalkan oleh kendaraan otonom, dan memerlukan perbaikan atau bahkan terobosan.
Misalnya, ada "dinding memori" di mana kalkulator berjalan lebih cepat dari memori, sehingga dapat menyebabkan masalah kinerja. Desain chip mirip otak memang memiliki terobosan dalam arsitektur, namun lompatan yang terlalu jauh mungkin tidak akan bisa segera diterapkan. Selain itu, jaringan konvolusional gambar dapat diubah menjadi operasi matriks, yang mungkin tidak cocok untuk chip mirip otak.
Oleh karena itu, karena Hukum Moore dan arsitektur Von Neumann sama-sama menghadapi hambatan, peningkatan kinerja di masa depan terutama perlu dicapai melalui Arsitektur Spesifik Domain (DSA, yang merujuk pada prosesor khusus). DSA diusulkan oleh pemenang Turing Award John Hennessy dan David Patterson. Ini merupakan inovasi yang tidak terlalu jauh ke depan, dan merupakan ide yang dapat segera dipraktikkan.
Ide DSA dapat kita pahami dari sudut pandang makro. Umumnya, chip kelas atas saat ini memiliki miliaran hingga puluhan miliar transistor. Bagaimana sejumlah besar transistor didistribusikan, dihubungkan, dan digabungkan mempunyai dampak besar pada kinerja aplikasi tertentu.Di masa depan, perlu untuk membangun "sistem cepat" dari keseluruhan perspektif perangkat lunak dan perangkat keras, dan mengandalkan optimalisasi dan penyesuaian struktur.
"Mode Android" bukanlah solusi yang baik di bidang mobil pintar.
Banyak orang yang percaya bahwa di era self-driving, akan ada juga Apple (closed loop) dan Android (open) di bidang ponsel pintar, dan juga akan ada penyedia software kelas berat seperti Google. Jawaban saya sederhana. Jalur Android tidak akan berfungsi pada pengemudian otonom karena tidak sesuai dengan arah perkembangan teknologi mobil pintar di masa depan.
Tentu saja, saya tidak akan mengatakan bahwa perusahaan seperti Tesla dan perusahaan lain harus membuat setiap sekrup sendiri, dan banyak suku cadang masih perlu dibeli dari produsen aksesori. Namun bagian paling inti yang mempengaruhi pengalaman pengguna harus dilakukan sendiri, seperti semua aspek mengemudi otonom.
Di bagian pertama telah disebutkan bahwa rute loop tertutup Apple adalah solusi terbaik. Faktanya, hal ini juga menunjukkan bahwa rute terbuka Android bukanlah solusi terbaik di bidang mengemudi otonom.
Arsitektur ponsel pintar dan mobil pintar berbeda. Fokus ponsel pintar adalah ekologi. Ekosistem berarti menyediakan berbagai aplikasi berbasis sistem operasi ARM dan IOS atau Android.Oleh karena itu, ponsel pintar Android dapat dipahami sebagai kombinasi dari sekumpulan komponen standar yang umum. Standar chipnya adalah ARM, di atas chip tersebut adalah sistem operasi Android, dan kemudian ada berbagai aplikasi di Internet. Karena standarisasinya, baik itu chip, sistem Android, atau Aplikasi, dengan mudah dapat menjadi bisnis mandiri.
Fokus mobil pintar adalah algoritma dan data serta perangkat keras yang mendukung algoritma tersebut. Algoritme ini memerlukan kinerja yang sangat tinggi baik dilatih di cloud atau disimpulkan di terminal. Perangkat keras mobil pintar memerlukan banyak optimasi kinerja untuk aplikasi dan algoritma khusus tertentu. Oleh karena itu, hanya algoritme atau chip saja atau sistem operasi saja yang akan menghadapi dilema pengoptimalan kinerja dalam jangka panjang. Hanya ketika setiap komponen dikembangkan sendiri maka komponen tersebut dapat dioptimalkan dengan mudah. Pemisahan software dan hardware akan mengakibatkan kinerja tidak dapat optimal.
Kita bisa membandingkannya seperti ini, NVIDIA Xavier memiliki 9 miliar transistor, Tesla FSD HW 3.0 memiliki 6 miliar transistor, namun indeks daya komputasi Xavier tidak sebaik HW3.0. Dan dikatakan bahwa FSD HW generasi berikutnya memiliki peningkatan kinerja sebesar 7 kali lipat dibandingkan saat ini. Jadi, itu karena perancang chip Tesla Peter Bannon dan timnya lebih kuat dari perancang NVIDIA, atau karena metodologi Tesla dalam menggabungkan perangkat lunak dan perangkat keras lebih baik. Kami berpendapat metodologi penggabungan perangkat lunak dan perangkat keras juga harus menjadi alasan penting untuk peningkatan kinerja chip. Memisahkan algoritma dan data bukanlah ide yang baik. Hal ini tidak kondusif untuk umpan balik yang cepat mengenai kebutuhan konsumen dan pengulangan yang cepat.
Oleh karena itu, di bidang mengemudi otonom, membongkar algoritma atau chip dan menjualnya secara terpisah bukanlah bisnis yang baik dalam jangka panjang.
Artikel ini bersumber dari EV-tech
psp13880916091
Waktu posting: 10 Des-2020