Pada masa ini, syarikat yang memandu kereta penumpang secara automatik boleh dibahagikan secara kasar kepada tiga kategori. Kategori pertama ialah sistem gelung tertutup yang serupa dengan Apple (NASDAQ: AAPL). Komponen utama seperti cip dan algoritma dibuat sendiri. Tesla (NASDAQ: TSLA) melakukan ini. Beberapa syarikat kereta tenaga baharu juga berharap untuk memulakannya secara beransur-ansur. jalan ini. Kategori kedua ialah sistem terbuka yang serupa dengan Android. Sesetengah pengeluar membuat platform pintar, dan ada yang membuat kereta. Sebagai contoh, Huawei dan Baidu (NASDAQ: BIDU) mempunyai niat dalam hal ini. Kategori ketiga ialah robotik (teksi tanpa pemandu), seperti syarikat seperti Waymo.
Artikel ini terutamanya akan menganalisis kebolehlaksanaan ketiga-tiga laluan ini dari perspektif teknologi dan pembangunan perniagaan, dan membincangkan masa depan beberapa pengeluar kereta berkuasa baharu atau syarikat pemanduan autonomi. Jangan memandang rendah teknologi. Untuk pemanduan autonomi, teknologi adalah kehidupan, dan laluan teknologi utama ialah laluan strategik. Jadi artikel ini juga merupakan perbincangan tentang laluan berbeza bagi strategi pemanduan autonomi.
Dalam bidang kereta pintar, terutamanya dalam bidang pemanduan autonomi, menggunakan model gelung tertutup Apple boleh memudahkan pengeluar mengoptimumkan prestasi dan meningkatkan prestasi. Cepat bertindak balas terhadap keperluan pengguna.
Biar saya bercakap tentang prestasi dahulu. Prestasi adalah penting untuk pemanduan autonomi. Seymour Cray, bapa kepada superkomputer, pernah berkata satu perkataan yang sangat menarik, "Sesiapa sahaja boleh membina CPU yang pantas. Caranya ialah membina sistem yang pantas".
Dengan kegagalan Undang-undang Moore secara beransur-ansur, adalah tidak mungkin untuk meningkatkan prestasi dengan meningkatkan bilangan transistor per unit luas. Dan kerana had keluasan dan penggunaan tenaga, skala cip juga terhad. Sudah tentu, Tesla FSD HW3.0 semasa (FSD dipanggil Pemanduan Sendiri Penuh) hanyalah proses 14nm, dan terdapat ruang untuk penambahbaikan.
Pada masa ini, kebanyakan cip digital direka berdasarkan Seni Bina Von Neumann dengan pengasingan memori dan kalkulator, yang mencipta keseluruhan sistem komputer (termasuk telefon pintar). Daripada perisian kepada sistem pengendalian kepada cip, ia amat terjejas. Walau bagaimanapun, Seni Bina Von Neumann tidak sepenuhnya sesuai untuk pembelajaran mendalam yang bergantung kepada pemanduan autonomi, dan memerlukan penambahbaikan atau bahkan kejayaan.
Sebagai contoh, terdapat "dinding memori" di mana kalkulator berjalan lebih cepat daripada memori, yang boleh menyebabkan masalah prestasi. Reka bentuk cip seperti otak memang mempunyai kejayaan dalam seni bina, tetapi lompatan terlalu jauh mungkin tidak akan digunakan tidak lama lagi. Selain itu, rangkaian konvolusi imej boleh ditukar kepada operasi matriks, yang mungkin tidak sesuai untuk cip seperti otak.
Oleh itu, memandangkan Undang-undang Moore dan seni bina Von Neumann kedua-duanya menghadapi kesesakan, peningkatan prestasi masa hadapan terutamanya perlu dicapai melalui Seni Bina Khusus Domain (DSA, yang boleh merujuk kepada pemproses khusus). DSA telah dicadangkan oleh pemenang Anugerah Turing John Hennessy dan David Patterson. Ia adalah satu inovasi yang tidak terlalu jauh ke hadapan, dan merupakan idea yang boleh dipraktikkan dengan segera.
Kita boleh memahami idea DSA dari perspektif makro. Secara amnya, cip mewah semasa mempunyai berbilion hingga berpuluh bilion transistor. Cara sejumlah besar transistor ini diedarkan, disambungkan dan digabungkan mempunyai kesan yang besar terhadap prestasi aplikasi tertentu.Pada masa hadapan, adalah perlu untuk membina "sistem pantas" dari perspektif keseluruhan perisian dan perkakasan, dan bergantung pada pengoptimuman dan pelarasan struktur.
"Mod Android" bukanlah penyelesaian yang baik dalam bidang kereta pintar.
Ramai orang percaya bahawa dalam era pemanduan autonomi, terdapat juga Apple (gelung tertutup) dan Android (terbuka) dalam bidang telefon pintar, dan akan ada juga penyedia perisian teras berat seperti Google. Jawapan saya mudah sahaja. Laluan Android tidak akan berfungsi pada pemanduan autonomi kerana ia tidak memenuhi hala tuju pembangunan teknologi kereta pintar masa hadapan.
Sudah tentu, saya tidak akan mengatakan bahawa syarikat seperti Tesla dan syarikat lain perlu membuat setiap skru sendiri, dan banyak bahagian masih perlu dibeli daripada pengeluar aksesori. Tetapi bahagian paling teras yang mempengaruhi pengalaman pengguna mesti dilakukan sendiri, seperti semua aspek pemanduan autonomi.
Dalam bahagian pertama, telah disebutkan bahawa laluan gelung tertutup Apple adalah penyelesaian terbaik. Malah, ia juga menunjukkan bahawa laluan terbuka Android bukanlah penyelesaian terbaik dalam bidang pemanduan autonomi.
Seni bina telefon pintar dan kereta pintar adalah berbeza. Fokus telefon pintar adalah ekologi. Ekosistem bermaksud menyediakan pelbagai aplikasi berdasarkan sistem pengendalian ARM dan IOS atau Android.Oleh itu, telefon pintar Android boleh difahami sebagai gabungan sekumpulan bahagian standard biasa. Piawaian cip ialah ARM, di atas cip ialah sistem pengendalian Android, dan kemudian terdapat pelbagai aplikasi di Internet. Oleh kerana penyeragamannya, sama ada cip, sistem Android atau Apl, ia boleh menjadi perniagaan secara bebas dengan mudah.
Fokus kereta pintar ialah algoritma dan data serta perkakasan yang menyokong algoritma. Algoritma memerlukan prestasi yang sangat tinggi sama ada ia dilatih dalam awan atau disimpulkan pada terminal. Perkakasan kereta pintar memerlukan banyak pengoptimuman prestasi untuk aplikasi dan algoritma khusus khusus. Oleh itu, hanya algoritma atau hanya cip atau sistem pengendalian sahaja yang akan menghadapi dilema pengoptimuman prestasi dalam jangka masa panjang. Hanya apabila setiap komponen dibangunkan dengan sendirinya ia boleh dioptimumkan dengan mudah. Pemisahan perisian dan perkakasan akan menghasilkan prestasi yang tidak dapat dioptimumkan.
Kita boleh membandingkannya dengan cara ini, NVIDIA Xavier mempunyai 9 bilion transistor, Tesla FSD HW 3.0 mempunyai 6 bilion transistor, tetapi indeks kuasa pengkomputeran Xavier tidak sebaik HW3.0. Dan dikatakan FSD HW generasi akan datang mempunyai peningkatan prestasi sebanyak 7 kali ganda berbanding dengan yang sekarang. Jadi, ini kerana pereka cip Tesla Peter Bannon dan pasukannya lebih kuat daripada pereka NVIDIA, atau kerana metodologi Tesla untuk menggabungkan perisian dan perkakasan adalah lebih baik. Kami berpendapat metodologi menggabungkan perisian dan perkakasan juga mesti menjadi sebab penting untuk peningkatan prestasi cip. Mengasingkan algoritma dan data bukanlah idea yang baik. Ia tidak kondusif untuk maklum balas pantas tentang keperluan pengguna dan lelaran pantas.
Oleh itu, dalam bidang pemanduan autonomi, membuka algoritma atau cip dan menjualnya secara berasingan bukanlah perniagaan yang baik dalam jangka masa panjang.
Artikel ini diperoleh daripada EV-tech
psp13880916091
Masa siaran: Dis-10-2020