നിലവിൽ, പാസഞ്ചർ കാറുകൾ ഓട്ടോമാറ്റിക്കായി ഓടിക്കുന്ന കമ്പനികളെ ഏകദേശം മൂന്ന് വിഭാഗങ്ങളായി തിരിക്കാം. ആപ്പിൾ (NASDAQ: AAPL) പോലെയുള്ള ഒരു ക്ലോസ്ഡ്-ലൂപ്പ് സംവിധാനമാണ് ആദ്യ വിഭാഗം. ചിപ്പുകളും അൽഗോരിതങ്ങളും പോലുള്ള പ്രധാന ഘടകങ്ങൾ സ്വയം നിർമ്മിച്ചതാണ്. ടെസ്‌ല (NASDAQ: TSLA) ഇത് ചെയ്യുന്നു. ചില പുതിയ എനർജി കാർ കമ്പനികളും ക്രമേണ ഇത് ആരംഭിക്കുമെന്ന് പ്രതീക്ഷിക്കുന്നു. ഈ റോഡ്. ആൻഡ്രോയിഡിന് സമാനമായ ഓപ്പൺ സിസ്റ്റമാണ് രണ്ടാമത്തെ വിഭാഗം. ചില നിർമ്മാതാക്കൾ സ്മാർട്ട് പ്ലാറ്റ്ഫോമുകൾ നിർമ്മിക്കുന്നു, ചിലർ കാറുകൾ നിർമ്മിക്കുന്നു. ഉദാഹരണത്തിന്, Huawei, Baidu (NASDAQ: BIDU) എന്നിവയ്ക്ക് ഇക്കാര്യത്തിൽ ഉദ്ദേശ്യമുണ്ട്. വെയ്‌മോ പോലുള്ള കമ്പനികൾ പോലുള്ള റോബോട്ടിക്‌സ് (ഡ്രൈവർരഹിത ടാക്സികൾ) ആണ് മൂന്നാമത്തെ വിഭാഗം.
ഈ ലേഖനം പ്രധാനമായും സാങ്കേതികവിദ്യയുടെയും ബിസിനസ്സ് വികസനത്തിൻ്റെയും വീക്ഷണകോണിൽ നിന്ന് ഈ മൂന്ന് റൂട്ടുകളുടെ സാധ്യതയെ വിശകലനം ചെയ്യും, കൂടാതെ ചില പുതിയ പവർ കാർ നിർമ്മാതാക്കളുടെ അല്ലെങ്കിൽ സ്വയംഭരണ ഡ്രൈവിംഗ് കമ്പനികളുടെ ഭാവി ചർച്ച ചെയ്യും. സാങ്കേതികവിദ്യയെ കുറച്ചുകാണരുത്. സ്വയംഭരണ ഡ്രൈവിംഗിന്, സാങ്കേതികവിദ്യ ജീവിതമാണ്, പ്രധാന സാങ്കേതിക പാത തന്ത്രപരമായ പാതയാണ്. അതിനാൽ ഈ ലേഖനം സ്വയംഭരണ ഡ്രൈവിംഗ് തന്ത്രങ്ങളുടെ വ്യത്യസ്ത പാതകളെക്കുറിച്ചുള്ള ചർച്ച കൂടിയാണ്.
സ്മാർട്ട് കാറുകളുടെ മേഖലയിൽ, പ്രത്യേകിച്ച് ഓട്ടോണമസ് ഡ്രൈവിംഗ് മേഖലയിൽ, ആപ്പിളിൻ്റെ ക്ലോസ്ഡ്-ലൂപ്പ് മോഡൽ സ്വീകരിക്കുന്നത് നിർമ്മാതാക്കൾക്ക് പ്രകടനം ഒപ്റ്റിമൈസ് ചെയ്യാനും പ്രകടനം മെച്ചപ്പെടുത്താനും എളുപ്പമാക്കും. ഉപഭോക്തൃ ആവശ്യങ്ങളോട് വേഗത്തിൽ പ്രതികരിക്കുക.
പ്രകടനത്തെക്കുറിച്ച് ആദ്യം പറയട്ടെ. ഓട്ടോണമസ് ഡ്രൈവിംഗിന് പ്രകടനം അത്യാവശ്യമാണ്. സൂപ്പർ കമ്പ്യൂട്ടറുകളുടെ പിതാവായ സെയ്‌മോർ ക്രേ ഒരിക്കൽ വളരെ രസകരമായ ഒരു വാക്ക് പറഞ്ഞു, "ആർക്കും ഫാസ്റ്റ് സിപിയു നിർമ്മിക്കാൻ കഴിയും. ഫാസ്റ്റ് സിസ്റ്റം നിർമ്മിക്കുക എന്നതാണ് തന്ത്രം".
മൂറിൻ്റെ നിയമത്തിൻ്റെ ക്രമാനുഗതമായ പരാജയത്തോടെ, ഓരോ യൂണിറ്റ് ഏരിയയിലും ട്രാൻസിസ്റ്ററുകളുടെ എണ്ണം വർദ്ധിപ്പിച്ച് പ്രകടനം വർദ്ധിപ്പിക്കുക എന്നത് പ്രായോഗികമല്ല. പ്രദേശത്തിൻ്റെയും ഊർജ്ജ ഉപഭോഗത്തിൻ്റെയും പരിമിതി കാരണം, ചിപ്പിൻ്റെ അളവും പരിമിതമാണ്. തീർച്ചയായും, നിലവിലെ ടെസ്‌ല FSD HW3.0 (FSD ഫുൾ സെൽഫ്-ഡ്രൈവിംഗ് എന്ന് വിളിക്കുന്നു) 14nm പ്രോസസ്സ് മാത്രമാണ്, മെച്ചപ്പെടുത്താനുള്ള ഇടവുമുണ്ട്.
നിലവിൽ, മിക്ക ഡിജിറ്റൽ ചിപ്പുകളും മെമ്മറിയും കാൽക്കുലേറ്ററും വേർതിരിക്കുന്ന വോൺ ന്യൂമാൻ ആർക്കിടെക്ചറിനെ അടിസ്ഥാനമാക്കിയാണ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്, ഇത് കമ്പ്യൂട്ടറുകളുടെ മുഴുവൻ സിസ്റ്റവും (സ്മാർട്ട് ഫോണുകൾ ഉൾപ്പെടെ) സൃഷ്ടിക്കുന്നു. സോഫ്റ്റ്വെയർ മുതൽ ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങൾ വരെ ചിപ്പുകൾ വരെ ഇത് ആഴത്തിൽ ബാധിക്കുന്നു. എന്നിരുന്നാലും, ഓട്ടോണമസ് ഡ്രൈവിംഗ് ആശ്രയിക്കുന്ന ആഴത്തിലുള്ള പഠനത്തിന് വോൺ ന്യൂമാൻ ആർക്കിടെക്ചർ പൂർണ്ണമായും അനുയോജ്യമല്ല, മാത്രമല്ല മെച്ചപ്പെടുത്തലോ മുന്നേറ്റമോ ആവശ്യമാണ്.
ഉദാഹരണത്തിന്, ഒരു "മെമ്മറി മതിൽ" ഉണ്ട്, അവിടെ കാൽക്കുലേറ്റർ മെമ്മറിയേക്കാൾ വേഗത്തിൽ പ്രവർത്തിക്കുന്നു, ഇത് പ്രകടന പ്രശ്നങ്ങൾക്ക് കാരണമാകും. മസ്തിഷ്കം പോലെയുള്ള ചിപ്പുകളുടെ രൂപകൽപ്പന വാസ്തുവിദ്യയിൽ ഒരു വഴിത്തിരിവുണ്ട്, എന്നാൽ വളരെ ദൂരെയുള്ള കുതിപ്പ് ഉടൻ ബാധകമായേക്കില്ല. മാത്രമല്ല, ഇമേജ് കൺവല്യൂഷണൽ നെറ്റ്‌വർക്ക് മാട്രിക്സ് ഓപ്പറേഷനുകളായി പരിവർത്തനം ചെയ്യാൻ കഴിയും, ഇത് തലച്ചോറ് പോലുള്ള ചിപ്പുകൾക്ക് ശരിക്കും അനുയോജ്യമല്ലായിരിക്കാം.
അതിനാൽ, മൂറിൻ്റെ നിയമവും വോൺ ന്യൂമാൻ ആർക്കിടെക്ചറും തടസ്സങ്ങൾ നേരിടുന്നതിനാൽ, ഭാവിയിലെ പ്രകടന മെച്ചപ്പെടുത്തലുകൾ പ്രധാനമായും ഡൊമെയ്ൻ സ്പെസിഫിക് ആർക്കിടെക്ചർ (ഡിഎസ്എ, ഡെഡിക്കേറ്റഡ് പ്രൊസസറുകളെ പരാമർശിക്കാൻ കഴിയും) വഴി നേടേണ്ടതുണ്ട്. ട്യൂറിംഗ് അവാർഡ് ജേതാക്കളായ ജോൺ ഹെന്നസിയും ഡേവിഡ് പാറ്റേഴ്സണും ചേർന്നാണ് ഡിഎസ്എ നിർദ്ദേശിച്ചത്. അധികം മുന്നോട്ട് പോകാത്ത ഒരു നൂതനാശയമാണിത്, ഉടനടി പ്രായോഗികമാക്കാൻ കഴിയുന്ന ഒരു ആശയമാണിത്.
മാക്രോ വീക്ഷണകോണിൽ നിന്ന് DSA എന്ന ആശയം നമുക്ക് മനസ്സിലാക്കാം. പൊതുവേ, നിലവിലെ ഹൈ-എൻഡ് ചിപ്പുകളിൽ ബില്യൺ മുതൽ പതിനായിരക്കണക്കിന് ബില്യൺ ട്രാൻസിസ്റ്ററുകൾ ഉണ്ട്. ഈ വലിയ സംഖ്യകൾ ട്രാൻസിസ്റ്ററുകൾ വിതരണം ചെയ്യുന്നതും ബന്ധിപ്പിക്കുന്നതും സംയോജിപ്പിക്കുന്നതും ഒരു നിർദ്ദിഷ്ട ആപ്ലിക്കേഷൻ്റെ പ്രകടനത്തിൽ വലിയ സ്വാധീനം ചെലുത്തുന്നു.ഭാവിയിൽ, സോഫ്റ്റ്‌വെയറിൻ്റെയും ഹാർഡ്‌വെയറിൻ്റെയും മൊത്തത്തിലുള്ള വീക്ഷണകോണിൽ നിന്ന് ഒരു "ഫാസ്റ്റ് സിസ്റ്റം" നിർമ്മിക്കേണ്ടത് ആവശ്യമാണ്, കൂടാതെ ഘടനയുടെ ഒപ്റ്റിമൈസേഷനും ക്രമീകരണവും ആശ്രയിക്കുക.
സ്മാർട്ട് കാറുകളുടെ മേഖലയിൽ "ആൻഡ്രോയിഡ് മോഡ്" ഒരു നല്ല പരിഹാരമല്ല.
ഓട്ടോണമസ് ഡ്രൈവിംഗിൻ്റെ കാലഘട്ടത്തിൽ, സ്മാർട്ട് ഫോണുകളുടെ മേഖലയിൽ ആപ്പിളും (ക്ലോസ്ഡ് ലൂപ്പ്), ആൻഡ്രോയിഡും (ഓപ്പൺ) ഉണ്ടെന്നും ഗൂഗിൾ പോലുള്ള ഹെവി-കോർ സോഫ്റ്റ്വെയർ ദാതാക്കളും ഉണ്ടാകുമെന്ന് പലരും വിശ്വസിക്കുന്നു. എൻ്റെ ഉത്തരം ലളിതമാണ്. ഭാവിയിലെ സ്മാർട്ട് കാർ ടെക്നോളജി വികസനത്തിൻ്റെ ദിശ പാലിക്കാത്തതിനാൽ ഓട്ടോണമസ് ഡ്രൈവിംഗിൽ Android റൂട്ട് പ്രവർത്തിക്കില്ല.
തീർച്ചയായും, ടെസ്‌ലയും മറ്റ് കമ്പനികളും പോലുള്ള കമ്പനികൾ ഓരോ സ്ക്രൂവും സ്വയം നിർമ്മിക്കേണ്ടതുണ്ടെന്ന് ഞാൻ പറയില്ല, കൂടാതെ പല ഭാഗങ്ങളും ഇപ്പോഴും ആക്സസറി നിർമ്മാതാക്കളിൽ നിന്ന് വാങ്ങേണ്ടതുണ്ട്. എന്നാൽ ഓട്ടോണമസ് ഡ്രൈവിംഗിൻ്റെ എല്ലാ വശങ്ങളും പോലെ, ഉപയോക്തൃ അനുഭവത്തെ ബാധിക്കുന്ന ഏറ്റവും പ്രധാന ഭാഗം നിങ്ങൾ തന്നെ ചെയ്യണം.
ആദ്യ വിഭാഗത്തിൽ, ആപ്പിളിൻ്റെ ക്ലോസ്ഡ്-ലൂപ്പ് റൂട്ടാണ് ഏറ്റവും മികച്ച പരിഹാരമെന്ന് സൂചിപ്പിച്ചിരിക്കുന്നു. വാസ്തവത്തിൽ, ഓട്ടോണമസ് ഡ്രൈവിംഗ് മേഖലയിൽ ആൻഡ്രോയിഡ് ഓപ്പൺ റൂട്ട് മികച്ച പരിഹാരമല്ലെന്നും ഇത് തെളിയിക്കുന്നു.
സ്മാർട്ട് ഫോണുകളുടെയും സ്മാർട്ട് കാറുകളുടെയും വാസ്തുവിദ്യ വ്യത്യസ്തമാണ്. സ്‌മാർട്ട്‌ഫോണുകളുടെ ശ്രദ്ധ പരിസ്ഥിതിയാണ്. ഇക്കോസിസ്റ്റം എന്നാൽ ARM, IOS അല്ലെങ്കിൽ Android ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള വിവിധ ആപ്ലിക്കേഷനുകൾ നൽകുന്നു.അതിനാൽ, ആൻഡ്രോയിഡ് സ്മാർട്ട് ഫോണുകൾ ഒരു കൂട്ടം സാധാരണ സ്റ്റാൻഡേർഡ് ഭാഗങ്ങളുടെ സംയോജനമായി മനസ്സിലാക്കാം. ചിപ്പ് സ്റ്റാൻഡേർഡ് ARM ആണ്, ചിപ്പിൻ്റെ മുകളിൽ ആൻഡ്രോയിഡ് ഓപ്പറേറ്റിംഗ് സിസ്റ്റം, തുടർന്ന് ഇൻ്റർനെറ്റിൽ വിവിധ ആപ്ലിക്കേഷനുകൾ ഉണ്ട്. അതിൻ്റെ സ്റ്റാൻഡേർഡൈസേഷൻ കാരണം, അത് ഒരു ചിപ്പ്, ഒരു ആൻഡ്രോയിഡ് സിസ്റ്റം അല്ലെങ്കിൽ ഒരു ആപ്പ് ആകട്ടെ, അത് എളുപ്പത്തിൽ സ്വതന്ത്രമായി ഒരു ബിസിനസ് ആയി മാറാൻ കഴിയും.
സ്മാർട്ട് കാറുകളുടെ ശ്രദ്ധ ആൽഗരിതവും അൽഗരിതത്തെ പിന്തുണയ്ക്കുന്ന ഡാറ്റയും ഹാർഡ്‌വെയറുമാണ്. ക്ലൗഡിൽ പരിശീലിപ്പിച്ചാലും ടെർമിനലിൽ അനുമാനിച്ചാലും അൽഗോരിതത്തിന് വളരെ ഉയർന്ന പ്രകടനം ആവശ്യമാണ്. സ്മാർട്ട് കാറിൻ്റെ ഹാർഡ്‌വെയറിന് നിർദ്ദിഷ്ട പ്രത്യേക ആപ്ലിക്കേഷനുകൾക്കും അൽഗോരിതങ്ങൾക്കുമായി ധാരാളം പെർഫോമൻസ് ഒപ്റ്റിമൈസേഷൻ ആവശ്യമാണ്. അതിനാൽ, അൽഗോരിതങ്ങൾ അല്ലെങ്കിൽ ചിപ്പുകൾ മാത്രം അല്ലെങ്കിൽ ഓപ്പറേറ്റിംഗ് സിസ്റ്റങ്ങൾ മാത്രമേ ദീർഘകാലാടിസ്ഥാനത്തിൽ പെർഫോമൻസ് ഒപ്റ്റിമൈസേഷൻ പ്രതിസന്ധികളെ അഭിമുഖീകരിക്കുകയുള്ളൂ. ഓരോ ഘടകങ്ങളും സ്വയം വികസിപ്പിച്ചെടുത്താൽ മാത്രമേ അത് എളുപ്പത്തിൽ ഒപ്റ്റിമൈസ് ചെയ്യാൻ കഴിയൂ. സോഫ്റ്റ്‌വെയറും ഹാർഡ്‌വെയറും വേർതിരിക്കുന്നത് ഒപ്റ്റിമൈസ് ചെയ്യാൻ കഴിയാത്ത പ്രകടനത്തിന് കാരണമാകും.
നമുക്ക് ഇതിനെ ഈ രീതിയിൽ താരതമ്യം ചെയ്യാം, NVIDIA Xavier-ന് 9 ബില്ല്യൺ ട്രാൻസിസ്റ്ററുകൾ ഉണ്ട്, Tesla FSD HW 3.0 ന് 6 ബില്ല്യൺ ട്രാൻസിസ്റ്ററുകൾ ഉണ്ട്, എന്നാൽ സേവ്യറിൻ്റെ കമ്പ്യൂട്ടിംഗ് പവർ സൂചിക HW3.0 പോലെ മികച്ചതല്ല. അടുത്ത തലമുറ എഫ്എസ്ഡി എച്ച്ഡബ്ല്യു നിലവിലുള്ളതിനെ അപേക്ഷിച്ച് 7 മടങ്ങ് പ്രകടനം മെച്ചപ്പെടുത്തിയതായി പറയപ്പെടുന്നു. ടെസ്‌ല ചിപ്പ് ഡിസൈനർ പീറ്റർ ബാനണും സംഘവും എൻവിഡിയയുടെ ഡിസൈനർമാരേക്കാൾ ശക്തരായതിനാലോ അല്ലെങ്കിൽ സോഫ്റ്റ്‌വെയറും ഹാർഡ്‌വെയറും സംയോജിപ്പിക്കുന്ന ടെസ്‌ലയുടെ രീതിശാസ്ത്രം മികച്ചതായതിനാലോ ആണ്. സോഫ്റ്റ്‌വെയറും ഹാർഡ്‌വെയറും സംയോജിപ്പിക്കുന്ന രീതിയും ചിപ്പ് പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഒരു പ്രധാന കാരണമായിരിക്കണമെന്ന് ഞങ്ങൾ കരുതുന്നു. അൽഗോരിതങ്ങളും ഡാറ്റയും വേർതിരിക്കുന്നത് നല്ല ആശയമല്ല. ഉപഭോക്തൃ ആവശ്യങ്ങളെക്കുറിച്ചുള്ള ദ്രുത പ്രതികരണത്തിനും ദ്രുതഗതിയിലുള്ള ആവർത്തനത്തിനും ഇത് അനുയോജ്യമല്ല.
അതിനാൽ, ഓട്ടോണമസ് ഡ്രൈവിംഗ് മേഖലയിൽ, അൽഗോരിതങ്ങളോ ചിപ്പുകളോ വേർപെടുത്തി അവ പ്രത്യേകം വിൽക്കുന്നത് ദീർഘകാലാടിസ്ഥാനത്തിൽ നല്ല ബിസിനസ്സല്ല.
ഈ ലേഖനം EV-tech-ൽ നിന്നാണ്
psp13880916091
പോസ്റ്റ് സമയം: ഡിസംബർ-10-2020