5fc4fb2a24b6adfbe3736be6 Naujienos – žiauri autonominio vairavimo pabaiga: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, kas gali tapti istorijos išnaša?
English
2020 m. gruodžio 10 d

Žiauri autonominio vairavimo pabaiga: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, kas gali tapti istorijos išnaša?

Šiuo metu lengvuosius automobilius automatiškai vairuojančias įmones galima grubiai suskirstyti į tris kategorijas. Pirmoji kategorija yra uždarojo ciklo sistema, panaši į Apple (NASDAQ: AAPL). Pagrindiniai komponentai, tokie kaip lustai ir algoritmai, yra pagaminti patys. Tesla (NASDAQ: TSLA) tai daro. Kai kurios naujų energetinių automobilių įmonės taip pat tikisi palaipsniui tai pradėti. šis kelias. Antroji kategorija yra atvira sistema, panaši į Android. Kai kurie gamintojai gamina išmaniąsias platformas, o kai kurie – automobilius. Pavyzdžiui, „Huawei“ ir „Baidu“ (NASDAQ: BIDU) turi ketinimų šiuo klausimu. Trečioji kategorija – robotika (taksi be vairuotojo), pavyzdžiui, tokios įmonės kaip „Waymo“.

nuotrauka iš PEXELS

Šiame straipsnyje daugiausia bus analizuojamas šių trijų maršrutų įgyvendinamumas technologijų ir verslo plėtros požiūriu bei aptariama kai kurių naujų elektrinių automobilių gamintojų ar autonominio vairavimo įmonių ateitis. Nenuvertinkite technologijų. Autonominiam vairavimui technologijos yra gyvenimas, o pagrindinis technologijų kelias yra strateginis kelias. Taigi šis straipsnis taip pat yra diskusija apie skirtingus autonominio vairavimo strategijų kelius.

Atėjo programinės ir techninės įrangos integravimo era. Teslos atstovaujamas „Apple modelis“ yra geriausias kelias.

Išmaniųjų automobilių srityje, ypač autonominio vairavimo srityje, pritaikius „Apple“ uždarojo ciklo modelį gamintojams gali būti lengviau optimizuoti našumą ir pagerinti našumą. Greitai reaguoti į vartotojų poreikius.
Pirmiausia pakalbėsiu apie našumą. Veikimas yra būtinas autonominiam vairavimui. Seymour Cray, superkompiuterių tėvas, kartą pasakė labai įdomų žodį: "Bet kas gali sukurti greitą procesorių. Triukas yra sukurti greitą sistemą".
Palaipsniui žlugus Moore'o įstatymui, neįmanoma tiesiog padidinti našumo didinant tranzistorių skaičių ploto vienete. O dėl ploto ir energijos suvartojimo apribojimų lusto mastas taip pat yra ribotas. Žinoma, dabartinis „Tesla FSD HW3.0“ (FSD vadinamas „Full Self-Driving“) yra tik 14 nm procesas ir yra kur tobulėti.
Šiuo metu dauguma skaitmeninių lustų yra suprojektuoti remiantis Von Neumann architektūra, atskiriant atmintį ir skaičiuotuvą, kuris sukuria visą kompiuterių (įskaitant išmaniuosius telefonus) sistemą. Nuo programinės įrangos iki operacinių sistemų iki lustų – tai labai paveikta. Tačiau Von Neumann architektūra nėra visiškai tinkama giliam mokymuisi, nuo kurio priklauso autonominis vairavimas, ir ją reikia tobulinti ar net persilaužti.
Pavyzdžiui, yra „atminties sienelė“, kurioje skaičiuotuvas veikia greičiau nei atmintis, o tai gali sukelti našumo problemų. Į smegenis panašių lustų dizainas iš tiesų yra proveržis architektūroje, tačiau per didelis šuolis gali būti atliktas dar negreit. Be to, vaizdo konvoliucinis tinklas gali būti konvertuojamas į matricos operacijas, kurios gali būti netinkamos smegenų tipo lustams.
Todėl, kadangi Moore'o dėsnis ir Von Neumann architektūra susiduria su kliūtimis, būsimi našumo patobulinimai daugiausia turi būti pasiekti naudojant domeno specifinę architektūrą (DSA, kuri gali reikšti tam skirtus procesorius). DSA pasiūlė Turingo apdovanojimo laureatai Johnas Hennessy ir Davidas Pattersonas. Tai naujovė, kuri nėra per toli į priekį ir yra idėja, kurią galima nedelsiant įgyvendinti.
Mes galime suprasti DSA idėją iš makro perspektyvos. Paprastai dabartiniai aukščiausios klasės lustai turi nuo milijardų iki dešimčių milijardų tranzistorių. Tai, kaip šie didžiuliai tranzistorių skaičiai yra paskirstomi, prijungiami ir derinami, turi didelę įtaką konkrečios programos veikimui.Ateityje būtina sukurti „greitą sistemą“ iš bendros programinės ir techninės įrangos perspektyvos ir pasikliauti struktūros optimizavimu bei koregavimu.

„Android režimas“ nėra geras sprendimas išmaniųjų automobilių srityje.

Daugelis žmonių mano, kad autonominio vairavimo eroje išmaniųjų telefonų srityje taip pat yra „Apple“ (uždaras ciklas) ir „Android“ (atvirasis), taip pat bus rimtų programinės įrangos tiekėjų, tokių kaip „Google“. Mano atsakymas paprastas. „Android“ maršrutas neveiks autonominiam vairavimui, nes neatitinka ateities išmaniųjų automobilių technologijų plėtros krypties.

2

Žinoma, nepasakyčiau, kad tokios įmonės kaip Tesla ir kitos firmos kiekvieną varžtą turi pasigaminti pačios, o daugelį detalių dar reikia įsigyti iš priedų gamintojų. Tačiau pagrindinę dalį, kuri turi įtakos vartotojo patirčiai, turite atlikti patys, pavyzdžiui, visus autonominio vairavimo aspektus.
Pirmoje dalyje buvo paminėta, kad Apple uždaro ciklo maršrutas yra geriausias sprendimas. Tiesą sakant, tai taip pat parodo, kad „Android“ atviras maršrutas nėra geriausias sprendimas autonominio vairavimo srityje.

Išmaniųjų telefonų ir išmaniųjų automobilių architektūra skiriasi. Išmaniųjų telefonų dėmesio centre – ekologija. Ekosistema reiškia įvairių programų teikimą ARM ir IOS arba Android operacinėmis sistemomis.Todėl „Android“ išmanieji telefonai gali būti suprantami kaip daugybės įprastų standartinių dalių derinys. Lustų standartas yra ARM, lusto viršuje yra Android operacinė sistema, o tada internete yra įvairių programėlių. Dėl standartizavimo, nesvarbu, ar tai yra lustas, „Android“ sistema ar programa, jis gali lengvai tapti savarankišku verslu.

EV3
4

Išmaniųjų automobilių dėmesio centre yra algoritmas ir algoritmą palaikantys duomenys bei aparatinė įranga. Algoritmui reikalingas itin didelis našumas, nesvarbu, ar jis apmokytas debesyje, ar numanomas terminale. Išmaniojo automobilio techninei įrangai reikia daug optimizuoti našumą konkrečioms specializuotoms programoms ir algoritmams. Todėl ilgainiui su našumo optimizavimo dilemomis susidurs tik algoritmai arba tik lustai arba tik operacinės sistemos. Tik tada, kai kiekvienas komponentas yra sukurtas pats, jį galima lengvai optimizuoti. Programinės ir techninės įrangos atskyrimas lems našumą, kurio negalima optimizuoti.

Galime palyginti taip, NVIDIA Xavier turi 9 milijardus tranzistorių, Tesla FSD HW 3.0 – 6 milijardus tranzistorių, tačiau Xavier skaičiavimo galios indeksas nėra toks geras kaip HW3.0. Ir sakoma, kad naujos kartos FSD HW našumas pagerėjo 7 kartus, palyginti su dabartiniu. Taigi, taip yra todėl, kad „Tesla“ lustų dizaineris Peteris Bannonas ir jo komanda yra stipresni nei NVIDIA dizaineriai, arba dėl to, kad „Tesla“ programinės ir techninės įrangos derinimo metodika yra geresnė. Manome, kad programinės įrangos ir aparatinės įrangos derinimo metodika taip pat turi būti svarbi lusto veikimo gerinimo priežastis. Algoritmų ir duomenų atskyrimas nėra gera idėja. Tai nėra palanki greitam atsiliepimui apie vartotojų poreikius ir greitam kartojimui.

Todėl autonominio vairavimo srityje algoritmų ar lustų ardymas ir pardavimas atskirai ilgainiui nėra geras verslas.

Šis straipsnis yra iš EV-tech

psp13880916091

Paskelbimo laikas: 2020-12-10

Siųsk mums savo žinutę:

Paspauskite Enter, kad ieškotumėte, arba ESC, kad uždarytumėte