The cruel end of autonomous driving: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, who can become the footnote of history?

현재 승용차를 자동으로 운전하는 업체는 크게 3가지로 분류된다. 첫 번째 범주는 Apple(NASDAQ: AAPL)과 유사한 폐쇄 루프 시스템입니다. 칩이나 알고리즘 등 핵심 부품은 스스로 만든다. Tesla(NASDAQ: TSLA)가 이를 수행합니다. 일부 신에너지 자동차 회사들도 점차적으로 이를 추진하기를 희망하고 있다. 이 길. 두 번째 범주는 Android와 유사한 개방형 시스템입니다. 일부 제조업체는 스마트 플랫폼을 만들고 일부 제조업체는 자동차를 만듭니다. 예를 들어 Huawei와 Baidu(NASDAQ: BIDU)는 이와 관련하여 의도를 갖고 있습니다. 세 번째 범주는 Waymo와 같은 회사와 같은 로봇공학(무인택시)입니다.

본 글에서는 주로 기술 및 사업 발전의 관점에서 이 세 가지 노선의 타당성을 분석하고, 일부 신규 동력차 제조사나 자율주행 기업의 미래에 대해 논의할 것이다. 기술을 과소평가하지 마세요. 자율주행에 있어 기술은 곧 생명이며, 핵심 기술 경로는 전략적 경로입니다. 그래서 이 글은 자율주행 전략의 다양한 경로에 대한 논의이기도 합니다.

소프트웨어와 하드웨어의 통합 시대가 도래했습니다. 테슬라로 대표되는 '애플 모델'이 최선의 길이다.

스마트카 분야, 특히 자율주행 분야에서 Apple의 폐쇄 루프 모델을 채택하면 제조업체가 성능을 최적화하고 성능을 향상시키는 것이 더 쉬워질 수 있습니다. 소비자의 요구에 신속하게 대응합니다.
먼저 성능에 대해 이야기하겠습니다. 자율주행에는 성능이 필수다. 슈퍼컴퓨터의 아버지 세이모어 크레이(Seymour Cray)는 "누구나 빠른 CPU를 만들 수 있다. 비결은 빠른 시스템을 만드는 것이다"라는 매우 흥미로운 말을 한 적이 있다.
무어의 법칙이 점차 실패함에 따라 단순히 단위 면적당 트랜지스터 수를 늘려 성능을 높이는 것은 불가능합니다. 그리고 면적과 에너지 소비의 제한으로 인해 칩의 규모도 제한됩니다. 물론 현재 Tesla FSD HW3.0(FSD는 Full Self-Driving이라고 합니다)은 14nm 공정에 불과해 개선의 여지가 있습니다.
현재 대부분의 디지털 칩은 메모리와 계산기가 분리된 폰 노이만 아키텍처(Von Neumann Architecture)를 기반으로 설계되어 컴퓨터(스마트폰 포함)의 전체 시스템을 구성합니다. 소프트웨어에서 운영 체제, 칩에 이르기까지 깊은 영향을 받습니다. 그러나 Von Neumann 아키텍처는 자율 주행이 의존하는 딥 러닝에 완전히 적합하지 않으며 개선이나 획기적인 발전이 필요합니다.
예를 들어 계산기가 메모리보다 빠르게 실행되는 "메모리 벽"이 있어 성능 문제가 발생할 수 있습니다. 뇌와 같은 칩의 설계는 아키텍처에서 획기적인 발전을 이루었지만 너무 큰 도약은 곧 적용되지 않을 수 있습니다. 더욱이, 이미지 컨벌루션 네트워크는 행렬 연산으로 변환될 수 있는데, 이는 뇌와 같은 칩에 실제로 적합하지 않을 수 있습니다.
따라서 무어의 법칙과 폰 노이만 아키텍처 모두 병목 현상이 발생하므로 향후 성능 향상은 주로 도메인 특정 아키텍처(DSA, 전용 프로세서를 의미할 수 있음)를 통해 달성해야 합니다. DSA는 Turing Award 수상자 John Hennessy와 David Patterson이 제안했습니다. 너무 멀지 않은 혁신이며, 즉시 실천에 옮길 수 있는 아이디어입니다.
우리는 거시적인 관점에서 DSA의 개념을 이해할 수 있습니다. 일반적으로 현재의 고급 칩에는 수십억에서 수백억 개의 트랜지스터가 있습니다. 이렇게 엄청난 수의 트랜지스터가 어떻게 분산, 연결, 결합되는지는 특정 애플리케이션의 성능에 큰 영향을 미칩니다.앞으로는 소프트웨어와 하드웨어 전반의 관점에서 '빠른 시스템'을 구축하고 구조의 최적화와 조정에 의존해야 합니다.

'안드로이드 모드'는 스마트카 분야에서는 좋은 솔루션이 아니다.

많은 사람들은 자율주행 시대에는 스마트폰 분야에도 애플(폐쇄형), 안드로이드(개방형)가 있고, 구글과 같은 중핵 소프트웨어 제공업체도 있을 것이라고 믿고 있다. 내 대답은 간단하다. 안드로이드 노선은 미래 스마트카 기술 발전 방향에 맞지 않아 자율주행에는 적용되지 않을 전망이다.

물론, Tesla나 다른 회사와 같은 회사가 모든 나사를 스스로 만들어야 하고, 여전히 많은 부품을 액세서리 제조업체에서 구입해야 한다고 말할 수는 없습니다. 하지만 자율주행의 모든 측면처럼 사용자 경험에 영향을 미치는 가장 핵심적인 부분은 스스로 해야 합니다.
첫 번째 섹션에서는 Apple의 폐쇄 루프 경로가 최상의 솔루션이라고 언급했습니다. 실제로 안드로이드 오픈 루트가 자율주행 분야에서 최고의 솔루션이 아니라는 점을 보여주기도 한다.

스마트폰과 스마트카의 아키텍처는 다릅니다. 스마트폰의 초점은 생태학이다. 생태계란 ARM, IOS, Android 운영체제를 기반으로 다양한 애플리케이션을 제공하는 것을 의미합니다.따라서 안드로이드 스마트폰은 공통적인 표준 부품들의 집합체로 이해될 수 있다. 칩 표준은 ARM이고, 칩 위에는 안드로이드 운영 체제가 있고, 인터넷에는 다양한 앱이 있습니다. 칩이든, 안드로이드 시스템이든, 앱이든 표준화되어 있기 때문에 쉽게 독립적인 사업이 될 수 있습니다.

스마트카의 핵심은 알고리즘과 이를 뒷받침하는 데이터, 하드웨어이다. 알고리즘은 클라우드에서 훈련되든 터미널에서 추론되든 매우 높은 성능을 요구합니다. 스마트카의 하드웨어는 특정 특화된 애플리케이션과 알고리즘을 위해 많은 성능 최적화가 필요합니다. 따라서 장기적으로는 알고리즘이나 칩 또는 운영 체제만이 성능 최적화 딜레마에 직면하게 될 것입니다. 각 구성 요소가 자체적으로 개발되어야만 쉽게 최적화할 수 있습니다. 소프트웨어와 하드웨어를 분리하면 성능을 최적화할 수 없게 됩니다.

이렇게 비교해 보면 NVIDIA Xavier에는 90억 개의 트랜지스터가 있고 Tesla FSD HW 3.0에는 60억 개의 트랜지스터가 있지만 Xavier의 컴퓨팅 성능 지수는 HW3.0만큼 좋지 않습니다. 그리고 차세대 FSD HW는 현행 대비 7배 성능이 향상됐다고 한다. 그러니까, Tesla의 칩 디자이너인 Peter Bannon과 그의 팀이 NVIDIA의 디자이너보다 강하기 때문이거나, 소프트웨어와 하드웨어를 결합하는 Tesla의 방법론이 더 좋기 때문입니다. 소프트웨어와 하드웨어를 결합하는 방법론도 칩 성능 향상의 중요한 이유가 될 것이라고 생각합니다. 알고리즘과 데이터를 분리하는 것은 좋은 생각이 아닙니다. 소비자 요구에 대한 신속한 피드백과 빠른 반복에는 도움이 되지 않습니다.