נכון לעכשיו, חברות שנוהגות במכוניות נוסעים אוטומטיות יכולות להיות מחולקות באופן גס לשלוש קטגוריות. הקטגוריה הראשונה היא מערכת בלולאה סגורה הדומה לאפל (NASDAQ: AAPL). מרכיבי המפתח כגון שבבים ואלגוריתמים מיוצרים בעצמם. טסלה (NASDAQ: TSLA) עושה זאת. כמה חברות מכוניות אנרגיה חדשות גם מקווים להתחיל בה בהדרגה. הכביש הזה. הקטגוריה השנייה היא מערכת פתוחה הדומה לאנדרואיד. חלק מהיצרנים מייצרים פלטפורמות חכמות, וחלק מייצרים מכוניות. לדוגמה, ל-Huawei ול-Baidu (NASDAQ: BIDU) יש כוונות בהקשר זה. הקטגוריה השלישית היא רובוטיקה (מוניות ללא נהג), כמו חברות כמו Waymo.
מאמר זה ינתח בעיקר את ההיתכנות של שלושת המסלולים הללו מנקודת מבט של טכנולוגיה ופיתוח עסקי, וידון בעתיד של כמה יצרניות מכוניות חדשות או חברות נהיגה אוטונומית. אל תזלזל בטכנולוגיה. עבור נהיגה אוטונומית, טכנולוגיה היא החיים, ודרך הטכנולוגיה המרכזית היא הדרך האסטרטגית. אז מאמר זה הוא גם דיון על הנתיבים השונים של אסטרטגיות נהיגה אוטונומית.
בתחום המכוניות החכמות, בעיקר בתחום הנהיגה האוטונומית, אימוץ דגם הלולאה הסגורה של אפל יכול להקל על היצרנים לייעל את הביצועים ולשפר את הביצועים. ענה במהירות לצרכי הצרכן.
תן לי לדבר קודם על ביצועים. ביצועים חיוניים לנהיגה אוטונומית. סימור קריי, אבי מחשבי העל, אמר פעם מילה מעניינת מאוד, "כל אחד יכול לבנות מעבד מהיר. החוכמה היא לבנות מערכת מהירה".
עם הכישלון ההדרגתי של חוק מור, זה לא אפשרי פשוט להגביר את הביצועים על ידי הגדלת מספר הטרנזיסטורים ליחידת שטח. ובגלל מגבלת השטח וצריכת האנרגיה, גם קנה המידה של השבב מוגבל. כמובן, ה-Tesla FSD HW3.0 הנוכחי (FSD נקרא Full Self-Driving) הוא תהליך של 14 ננומטר בלבד, ויש מקום לשיפור.
כיום, רוב השבבים הדיגיטליים מתוכננים על בסיס ארכיטקטורת פון נוימן עם הפרדת זיכרון ומחשבון, היוצרת את כל מערכת המחשבים (כולל טלפונים חכמים). מתוכנה למערכות הפעלה ועד שבבים, זה מושפע מאוד. עם זאת, ארכיטקטורת פון נוימן אינה מתאימה לחלוטין ללמידה העמוקה שעליה מסתמכת הנהיגה האוטונומית, וצריכה שיפור או אפילו פריצת דרך.
לדוגמה, יש "קיר זיכרון" שבו המחשבון פועל מהר יותר מהזיכרון, מה שעלול לגרום לבעיות ביצועים. לעיצוב של שבבים דמויי מוח יש אמנם פריצת דרך בארכיטקטורה, אבל ייתכן שהקפיצה רחוקה מדי לא תיושם בקרוב. יתרה מכך, ניתן להמיר את רשת הפיתול של התמונה לפעולות מטריקס, שאולי לא ממש מתאימות לשבבים דמויי מוח.
לכן, מכיוון שחוק מור וארכיטקטורת פון נוימן נתקלות שניהם בצווארי בקבוק, שיפורי ביצועים עתידיים צריכים להיות מושגים בעיקר באמצעות Domain Specific Architecture (DSA, שיכולה להתייחס למעבדים ייעודיים). DSA הוצע על ידי זוכי פרס טיורינג ג'ון הנסי ודיוויד פטרסון. זהו חידוש שאינו רחוק מדי, והוא רעיון שניתן ליישם באופן מיידי.
אנחנו יכולים להבין את הרעיון של DSA מנקודת מבט של מאקרו. באופן כללי, לשבבים היוקרתיים הנוכחיים יש מיליארדי עד עשרות מיליארדי טרנזיסטורים. לאופן שבו מספרים עצומים אלה של טרנזיסטורים מופצים, מחוברים ומשולבים יש השפעה רבה על הביצועים של יישום ספציפי.בעתיד יש צורך לבנות "מערכת מהירה" מנקודת מבט כוללת של תוכנה וחומרה, ולהסתמך על אופטימיזציה והתאמה של המבנה.
"מצב אנדרואיד" אינו פתרון טוב בתחום המכוניות החכמות.
אנשים רבים מאמינים שבעידן הנהיגה האוטונומית יש גם אפל (לולאה סגורה) ואנדרואיד (פתוח) בתחום הטלפונים החכמים, ויהיו גם ספקי תוכנה כבדים כמו גוגל. התשובה שלי פשוטה. מסלול האנדרואיד לא יעבוד על נהיגה אוטונומית מכיוון שהוא לא עומד בכיוון של פיתוח טכנולוגיית מכוניות חכמות עתידיות.
כמובן, לא הייתי אומר שחברות כמו טסלה וחברות אחרות צריכות לייצר כל בורג בעצמן, ועדיין צריך לרכוש חלקים רבים מיצרני האביזרים. אבל החלק המרכזי ביותר שמשפיע על חווית המשתמש חייב להיעשות בעצמך, כמו כל ההיבטים של נהיגה אוטונומית.
בסעיף הראשון, הוזכר שמסלול הלולאה הסגורה של אפל הוא הפתרון הטוב ביותר. למעשה, הוא גם מדגים שהמסלול הפתוח של אנדרואיד אינו הפתרון הטוב ביותר בתחום הנהיגה האוטונומית.
הארכיטקטורה של טלפונים חכמים ומכוניות חכמות שונה. המוקד של הסמארטפונים הוא אקולוגיה. Ecosystem פירושה אספקת יישומים שונים המבוססים על ARM ו-IOS או מערכות הפעלה אנדרואיד.לכן, ניתן להבין את הטלפונים החכמים של אנדרואיד כשילוב של חבורה של חלקים סטנדרטיים נפוצים. תקן השבב הוא ARM, על השבב נמצאת מערכת ההפעלה אנדרואיד, ואז יש אפליקציות שונות באינטרנט. בגלל הסטנדרטיזציה שלו, בין אם זה שבב, מערכת אנדרואיד או אפליקציה, זה יכול בקלות להפוך לעסק עצמאי.
המוקד של מכוניות חכמות הוא האלגוריתם והנתונים והחומרה התומכים באלגוריתם. האלגוריתם דורש ביצועים גבוהים במיוחד בין אם הוא מאומן בענן ובין אם הוא מוסק בטרמינל. החומרה של המכונית החכמה דורשת הרבה אופטימיזציה של ביצועים עבור יישומים ואלגוריתמים מיוחדים ספציפיים. לכן, רק אלגוריתמים או רק שבבים או רק מערכות הפעלה יתמודדו עם דילמות אופטימיזציה של ביצועים בטווח הארוך. רק כאשר כל רכיב מפותח בפני עצמו ניתן לייעל אותו בקלות. ההפרדה בין תוכנה לחומרה תגרום לביצועים שלא ניתן לבצע אופטימיזציה.
אנחנו יכולים להשוות את זה כך, ל-NVIDIA Xavier יש 9 מיליארד טרנזיסטורים, ל-Tesla FSD HW 3.0 יש 6 מיליארד טרנזיסטורים, אבל מדד כוח המחשוב של Xavier אינו טוב כמו HW3.0. ונאמר שלדור הבא של FSD HW יש שיפור ביצועים של פי 7 לעומת הנוכחי. אז, זה בגלל שמעצב השבבים של טסלה פיטר באנון והצוות שלו חזקים יותר מהמעצבים של NVIDIA, או בגלל שהמתודולוגיה של טסלה של שילוב תוכנה וחומרה טובה יותר. אנו חושבים שהמתודולוגיה של שילוב תוכנה וחומרה חייבת להיות גם סיבה חשובה לשיפור ביצועי השבב. הפרדת אלגוריתמים ונתונים אינה רעיון טוב. זה לא תורם למשוב מהיר על צרכי הצרכן ואיטרציה מהירה.
לכן, בתחום הנהיגה האוטונומית, פירוק אלגוריתמים או שבבים ומכירתם בנפרד זה לא עסק טוב בטווח הארוך.
מאמר זה מקורו ב-EV-tech
psp13880916091
זמן פרסום: 10 בדצמבר 2020