自動運転の残酷な結末: テスラ、ファーウェイ、アップル、ウェイライ・シャオペン、百度、滴滴、誰が歴史の脚注になれるでしょうか?

スマートカーの分野、特に自動運転の分野では、Appleのクローズドループモデルを採用することで、メーカーは性能を最適化し、性能を向上させることが容易になる。消費者のニーズに迅速に対応します。
まずパフォーマンスについて話しましょう。自動運転には性能が不可欠です。 スーパーコンピューターの父であるシーモア・クレイは、「誰でも高速な CPU を構築できる。コツは高速なシステムを構築することだ」という非常に興味深い言葉を残しました。
ムーアの法則が徐々に崩れてきているため、単位面積あたりのトランジスタ数を増やして単純に性能を向上させることは現実的ではありません。 また、面積とエネルギー消費量に制限があるため、チップの規模も制限されます。もちろん、現在の Tesla FSD HW3.0 (FSD は Full Self-Driving と呼ばれます) はわずか 14nm プロセスであり、改善の余地はあります。
現在、ほとんどのデジタル チップは、メモリと計算機を分離したフォン ノイマン アーキテクチャに基づいて設計されており、コンピュータ (スマートフォンを含む) のシステム全体が構成されています。 ソフトウェアからオペレーティング システム、チップに至るまで、深刻な影響を受けています。ただし、フォン・ノイマン・アーキテクチャは、自動運転が依存する深層学習には完全に適しているわけではなく、改善、あるいは画期的な進歩が必要です。
たとえば、電卓がメモリよりも高速に実行される「メモリの壁」があり、これがパフォーマンスの問題を引き起こす可能性があります。脳のようなチップの設計はアーキテクチャにおいて画期的な進歩をもたらしましたが、行き過ぎた飛躍はすぐには適用されないかもしれません。 さらに、画像畳み込みネットワークは行列演算に変換できますが、これは脳のようなチップにはあまり適していない可能性があります。
したがって、ムーアの法則とフォン ノイマン アーキテクチャの両方がボトルネックに遭遇するため、将来のパフォーマンス向上は主にドメイン固有アーキテクチャ (DSA、専用プロセッサを指すこともある) を通じて実現する必要があります。 DSA は、チューリング賞受賞者のジョン ヘネシーとデイビッド パターソンによって提案されました。これはそれほど先のことではないイノベーションであり、すぐに実践できるアイデアです。
DSAの考え方をマクロな視点で理解することができます。 一般に、現在のハイエンドチップには数十億から数百億のトランジスタが搭載されています。これらの膨大な数のトランジスタがどのように分散、接続、結合されるかは、特定のアプリケーションのパフォーマンスに大きな影響を与えます。今後は、ソフトウェアとハ​​ードウェアの総合的な視点から「速いシステム」を構築し、構造の最適化と調整を行う必要がある。