လက်ရှိတွင် ခရီးသည်တင်ကားများကို အလိုအလျောက်မောင်းနှင်သည့် ကုမ္ပဏီများကို အကြမ်းဖျင်းအားဖြင့် အမျိုးအစားသုံးမျိုး ခွဲခြားနိုင်သည်။ ပထမအမျိုးအစားမှာ Apple (NASDAQ: AAPL) နှင့် ဆင်တူသော ကွင်းပိတ်စနစ်ဖြစ်သည်။ ချစ်ပ်များနှင့် algorithms ကဲ့သို့သော အဓိက အစိတ်အပိုင်းများကို ၎င်းတို့ကိုယ်တိုင် ပြုလုပ်ထားသည်။ Tesla (NASDAQ: TSLA) က ဒါကို လုပ်တယ်။ အချို့သော စွမ်းအင်သုံးကားကုမ္ပဏီများသည်လည်း ယင်းကို တဖြည်းဖြည်းစတင်ရန် မျှော်လင့်နေကြသည်။ ဒီလမ်း။ ဒုတိယအမျိုးအစားမှာ Android နှင့်ဆင်တူသော အဖွင့်စနစ်ဖြစ်သည်။ ထုတ်လုပ်သူအချို့သည် စမတ်ပလပ်ဖောင်းများကို ပြုလုပ်ကြပြီး အချို့သောထုတ်လုပ်သူများသည် ကားများထုတ်လုပ်ကြသည်။ ဥပမာအားဖြင့်၊ Huawei နှင့် Baidu (NASDAQ: BIDU) တို့သည် ဤကိစ္စနှင့် ပတ်သက်၍ ရည်ရွယ်ချက်ရှိသည်။ တတိယအမျိုးအစားမှာ Waymo ကဲ့သို့သော ကုမ္ပဏီများကဲ့သို့ စက်ရုပ်များ (မောင်းသူမဲ့တက္ကစီများ) ဖြစ်သည်။
ဤဆောင်းပါးသည် နည်းပညာနှင့် စီးပွားရေးဖွံ့ဖြိုးတိုးတက်မှုရှုထောင့်မှ ဤလမ်းကြောင်းသုံးခု၏ ဖြစ်နိုင်ခြေကို အဓိကပိုင်းဖြတ်ပြီး အချို့သော ပါဝါကားထုတ်လုပ်သူ သို့မဟုတ် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ ယာဉ်မောင်းကုမ္ပဏီများ၏ အနာဂတ်ကို ဆွေးနွေးပါမည်။ နည်းပညာကို လျှော့မတွက်ပါနဲ့။ အလိုအလျောက်မောင်းနှင်ခြင်းအတွက်၊ နည်းပညာသည် အသက်တာဖြစ်ပြီး အဓိကနည်းပညာလမ်းကြောင်းမှာ ဗျူဟာမြောက်လမ်းကြောင်းဖြစ်သည်။ ထို့ကြောင့် ဤဆောင်းပါးသည် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ မောင်းနှင်မှုဗျူဟာများ၏ မတူညီသောလမ်းကြောင်းများအကြောင်း ဆွေးနွေးချက်လည်းဖြစ်သည်။
စမတ်ကားများ၏နယ်ပယ်တွင်၊ အထူးသဖြင့် အလိုအလျောက်မောင်းနှင်မှုနယ်ပယ်တွင် Apple ၏အပိတ်ပုံစံကိုအသုံးပြုခြင်းသည် ထုတ်လုပ်သူများအတွက် စွမ်းဆောင်ရည်ပိုကောင်းစေရန်နှင့် စွမ်းဆောင်ရည်မြှင့်တင်ရန် ပိုမိုလွယ်ကူစေသည်။ စားသုံးသူလိုအပ်ချက်ကို အမြန်တုံ့ပြန်ပါ။
စွမ်းဆောင်ရည်အကြောင်း အရင်ပြောပါရစေ။ စွမ်းဆောင်ရည်သည် အလိုအလျောက်မောင်းနှင်မှုအတွက် မရှိမဖြစ်လိုအပ်ပါသည်။ စူပါကွန်ပြူတာများ၏ဖခင် Seymour Cray က "မည်သူမဆို လျင်မြန်သော CPU ကို တည်ဆောက်နိုင်သည်။ လှည့်ကွက်မှာ မြန်ဆန်သော စနစ်တစ်ခု တည်ဆောက်ရန်ဖြစ်သည်" ဟု အလွန်စိတ်ဝင်စားဖွယ်ကောင်းသော စကားတစ်ခွန်းပြောခဲ့ဖူးသည်။
Moore's Law ၏ တဖြည်းဖြည်းပျက်ကွက်မှုနှင့်အတူ၊ ယူနစ်ဧရိယာအလိုက် ထရန်စစ္စတာအရေအတွက်ကို တိုးမြှင့်ခြင်းဖြင့် စွမ်းဆောင်ရည်ကို ရိုးရှင်းစွာမြှင့်တင်ရန် မဖြစ်နိုင်ပေ။ ဧရိယာနှင့် စွမ်းအင်သုံးစွဲမှု ကန့်သတ်ချက်ကြောင့် ချစ်ပ်၏ အတိုင်းအတာကိုလည်း ကန့်သတ်ထားသည်။ ဟုတ်ပါတယ်၊ လက်ရှိ Tesla FSD HW3.0 (FSD ကို Full Self-Driving ဟုခေါ်သည်) သည် 14nm လုပ်ငန်းစဉ်တစ်ခုသာဖြစ်ပြီး တိုးတက်မှုအတွက် နေရာလွတ်ရှိပါသည်။
လက်ရှိအချိန်တွင်၊ ဒစ်ဂျစ်တယ်ချစ်ပ်အများစုသည် ကွန်ပျူတာစနစ်တစ်ခုလုံး (စမတ်ဖုန်းများအပါအဝင်) ကို ဖန်တီးပေးသည့် Memory နှင့် calculator ခွဲခြားမှုဖြင့် Von Neumann Architecture ကို အခြေခံ၍ ဒီဇိုင်းထုတ်ထားသည်။ ဆော့ဖ်ဝဲလ်မှ လည်ပတ်မှုစနစ်များအထိ ချစ်ပ်များအထိ ၎င်းသည် နက်ရှိုင်းစွာ သက်ရောက်မှုရှိသည်။ သို့သော်၊ Von Neumann ဗိသုကာသည် အလိုအလျောက်မောင်းနှင်မှုအပေါ် မှီခိုနေရသည့် နက်နဲသောသင်ယူမှုအတွက် လုံးဝသင့်လျော်မှုမရှိပါ၊ တိုးတက်မှု သို့မဟုတ် အောင်မြင်မှုများပင် လိုအပ်ပါသည်။
ဥပမာအားဖြင့်၊ ဂဏန်းပေါင်းစက်သည် မမ်မိုရီထက် ပိုမိုမြန်ဆန်စွာ အလုပ်လုပ်သည့် "memory wall" တစ်ခုရှိပြီး၊ စွမ်းဆောင်ရည်ပြဿနာများကို ဖြစ်စေနိုင်သည်။ ဦးနှောက်နှင့်တူသော ချစ်ပ်များ၏ ဒီဇိုင်းသည် ဗိသုကာပညာတွင် တိုးတက်မှုရှိသော်လည်း ခုန်ပျံကျော်လွှားမှုသည် မကြာမီတွင် အသုံးပြုနိုင်တော့မည်မဟုတ်ပေ။ ထို့အပြင်၊ ရုပ်ပုံ convolutional network သည် ဦးနှောက်နှင့်တူသော ချစ်ပ်များအတွက် အမှန်တကယ် မသင့်လျော်သော matrix operations အဖြစ်သို့ ပြောင်းလဲနိုင်သည်။
ထို့ကြောင့် Moore's Law နှင့် Von Neumann ဗိသုကာ နှစ်ခုစလုံးသည် ပိတ်ဆို့မှုများ ကြုံတွေ့ရသောကြောင့်၊ Domain Specific Architecture (DSA၊ သီးခြားပရိုဆက်ဆာများကို ရည်ညွှန်းနိုင်သော) ဖြင့် အနာဂတ် စွမ်းဆောင်ရည် မြှင့်တင်မှုများကို အဓိကအားဖြင့် အောင်မြင်ရန် လိုအပ်ပါသည်။ DSA ကို Turing Award ဆုရှင် John Hennessy နှင့် David Patterson တို့က အဆိုပြုခဲ့သည်။ ၎င်းသည် ရှေ့သို့မလှမ်းမကမ်းဖြစ်သော ဆန်းသစ်တီထွင်မှုတစ်ခုဖြစ်ပြီး ချက်ချင်းလက်တွေ့အကောင်အထည်ဖော်နိုင်သော စိတ်ကူးတစ်ခုဖြစ်သည်။
ကျွန်ုပ်တို့သည် DSA ၏စိတ်ကူးကို မက်ခရိုရှုထောင့်မှ နားလည်နိုင်သည်။ ယေဘူယျအားဖြင့်၊ လက်ရှိ high-end ချစ်ပ်များတွင် ထရန်စစ္စတာများ ဘီလီယံနှင့် ဆယ်ဂဏန်းအထိရှိသည်။ ဤများပြားလှသော ထရန်စစ္စတာများကို ဖြန့်ဝေပုံ၊ ချိတ်ဆက်ပုံနှင့် ပေါင်းစပ်ပုံသည် တိကျသော အပလီကေးရှင်းတစ်ခု၏ စွမ်းဆောင်ရည်အပေါ် များစွာသက်ရောက်မှုရှိသည်။အနာဂတ်တွင်၊ ဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲ၏ ခြုံငုံရှုထောင့်မှ "မြန်ဆန်သောစနစ်" ကို တည်ဆောက်ရန် လိုအပ်ပြီး ဖွဲ့စည်းပုံ၏ ပိုမိုကောင်းမွန်အောင်နှင့် ချိန်ညှိမှုအပေါ် အားကိုးရမည်ဖြစ်သည်။
"Android မုဒ်" သည် စမတ်ကားများ၏နယ်ပယ်တွင် ကောင်းမွန်သောဖြေရှင်းချက်တစ်ခုမဟုတ်ပါ။
အလိုအလျောက်မောင်းနှင်သည့်ခေတ်တွင်၊ စမတ်ဖုန်းနယ်ပယ်တွင် Apple (အပိတ်အဝိုင်း) နှင့် Android (အဖွင့်) များရှိပြီး Google ကဲ့သို့ အကြီးစားဆော့ဖ်ဝဲလ်ပံ့ပိုးပေးသူများလည်းရှိမည်ဟု လူအများကယုံကြည်ကြသည်။ ကျွန်တော့်အဖြေက ရိုးရှင်းပါတယ်။ Android လမ်းကြောင်းသည် အနာဂတ် စမတ်ကားနည်းပညာ ဖွံ့ဖြိုးတိုးတက်မှု၏ ဦးတည်ချက်နှင့် မကိုက်ညီသောကြောင့် အလိုအလျောက် မောင်းနှင်မှုတွင် အလုပ်မဖြစ်ပါ။
ဟုတ်ပါတယ်၊ Tesla နဲ့ တခြားကုမ္ပဏီတွေလို ကုမ္ပဏီတွေက ဝက်အူတိုင်းကို ကိုယ်တိုင်လုပ်ရမယ်လို့ မပြောဘဲနဲ့ အစိတ်အပိုင်းအတော်များများကို ဆက်စပ်ပစ္စည်းထုတ်လုပ်သူတွေဆီကနေ ဝယ်ယူဖို့ လိုအပ်နေပါသေးတယ်။ သို့သော် အသုံးပြုသူအတွေ့အကြုံအပေါ် သက်ရောက်သည့် အဓိကအကျဆုံးအပိုင်းဖြစ်သည့် အလိုအလျောက်မောင်းနှင်မှုဆိုင်ရာ ကဏ္ဍအားလုံးကဲ့သို့သော သင်ကိုယ်တိုင် လုပ်ဆောင်ရမည်ဖြစ်သည်။
ပထမအပိုင်းတွင် Apple ၏ အပိတ်လမ်းကြောင်းသည် အကောင်းဆုံးဖြေရှင်းချက်ဖြစ်ကြောင်း ဖော်ပြထားပါသည်။ တကယ်တော့၊ ၎င်းသည် Android လမ်းကြောင်းဖွင့်ခြင်းသည် အလိုအလျောက်မောင်းနှင်ခြင်းနယ်ပယ်တွင် အကောင်းဆုံးဖြေရှင်းချက်မဟုတ်ကြောင်းကိုလည်း သက်သေပြနေသည်။
စမတ်ဖုန်းတွေနဲ့ စမတ်ကားတွေရဲ့ တည်ဆောက်ပုံဟာ ကွဲပြားပါတယ်။ စမတ်ဖုန်းများ၏ အာရုံစိုက်မှုသည် ဂေဟစနစ်ဖြစ်သည်။ ဂေဟစနစ်ဆိုသည်မှာ ARM နှင့် IOS သို့မဟုတ် Android လည်ပတ်မှုစနစ်များအပေါ်အခြေခံသည့် အမျိုးမျိုးသောအက်ပ်လီကေးရှင်းများကို ပေးဆောင်ခြင်းဖြစ်သည်။ထို့ကြောင့်၊ Android စမတ်ဖုန်းများသည် ဘုံစံ အစိတ်အပိုင်းများ ပေါင်းစပ်မှုအဖြစ် နားလည်နိုင်သည်။ ချစ်ပ်စံသတ်မှတ်ချက်မှာ ARM ဖြစ်ပြီး ချစ်ပ်၏ထိပ်တွင် Android လည်ပတ်မှုစနစ်ဖြစ်ပြီး၊ ထို့နောက် အင်တာနက်ပေါ်တွင် အက်ပ်အမျိုးမျိုးရှိသည်။ Chip၊ Android စနစ် သို့မဟုတ် App တစ်ခုဖြစ်စေ ၎င်း၏စံသတ်မှတ်ချက်ကြောင့်၊ ၎င်းသည် အလွယ်တကူ လွတ်လပ်စွာ လုပ်ငန်းတစ်ခုဖြစ်လာနိုင်သည်။
စမတ်ကားများ၏ အာရုံစူးစိုက်မှုသည် algorithm နှင့် algorithm ကိုပံ့ပိုးပေးသည့် ဒေတာနှင့် ဟာ့ဒ်ဝဲဖြစ်သည်။ algorithm သည် ၎င်းကို cloud တွင် လေ့ကျင့်ထားသည်ဖြစ်စေ သို့မဟုတ် terminal တွင် ကောက်ချက်ချသည်ဖြစ်စေ အလွန်မြင့်မားသောစွမ်းဆောင်ရည် လိုအပ်သည်။ စမတ်ကား၏ ဟာ့ဒ်ဝဲသည် အထူးပြု အပလီကေးရှင်းများနှင့် အယ်လဂိုရီသမ်များအတွက် စွမ်းဆောင်ရည် ပိုမိုကောင်းမွန်အောင် လုပ်ဆောင်မှုများစွာ လိုအပ်ပါသည်။ ထို့ကြောင့်၊ အယ်လဂိုရီသမ်များ သို့မဟုတ် ချစ်ပ်များသာ သို့မဟုတ် လည်ပတ်မှုစနစ်များသာ ရေရှည်တွင် စွမ်းဆောင်ရည် ပိုမိုကောင်းမွန်အောင် လုပ်ဆောင်မှု အကျပ်အတည်းများနှင့် ရင်ဆိုင်ရပေမည်။ အစိတ်အပိုင်းတစ်ခုစီကို သူ့ဘာသာသူ တီထွင်ထားမှသာလျှင် ၎င်းကို အလွယ်တကူ အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်နိုင်မည်ဖြစ်သည်။ ဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲကို ပိုင်းခြားခြင်းသည် ပိုမိုကောင်းမွန်အောင် မလုပ်နိုင်သော စွမ်းဆောင်ရည်ကို ဖြစ်ပေါ်စေလိမ့်မည်။
ဤနည်းဖြင့် နှိုင်းယှဉ်ကြည့်နိုင်သည်၊ NVIDIA Xavier တွင် ထရန်စစ္စတာ 9 ဘီလီယံရှိပြီး Tesla FSD HW 3.0 တွင် ထရန်စစ္စတာ 6 ဘီလီယံရှိသော်လည်း Xavier ၏ ကွန်ပျူတာပါဝါညွှန်းကိန်းသည် HW3.0 လောက်မကောင်းပါ။ မျိုးဆက်သစ် FSD HW သည် လက်ရှိဗားရှင်းနှင့် နှိုင်းယှဉ်ပါက စွမ်းဆောင်ရည် 7 ဆ တိုးတက်လာသည်ဟု ဆိုသည်။ ထို့ကြောင့် Tesla ချစ်ပ်ဒီဇိုင်နာ Peter Bannon နှင့် သူ၏အဖွဲ့သည် NVIDIA ၏ ဒီဇိုင်နာများထက် ပိုမိုအားကောင်းသောကြောင့် သို့မဟုတ် Tesla ၏ ဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲလ်ပေါင်းစပ်မှုနည်းစနစ်က ပိုကောင်းသောကြောင့်ဖြစ်သည်။ ဆော့ဖ်ဝဲလ်နှင့် ဟာ့ဒ်ဝဲကို ပေါင်းစပ်သည့် နည်းစနစ်သည် ချစ်ပ်များ၏ စွမ်းဆောင်ရည်ကို မြှင့်တင်ရန်အတွက် အရေးကြီးသော အကြောင်းရင်းတစ်ခုလည်း ဖြစ်မည်ဟု ကျွန်ုပ်တို့ ယူဆပါသည်။ algorithms နှင့် data ကို ပိုင်းခြားခြင်းသည် ကောင်းသောအကြံမဟုတ်ပါ။ စားသုံးသူများ၏ လိုအပ်ချက်အပေါ် လျင်မြန်သော တုံ့ပြန်ချက်နှင့် လျင်မြန်စွာ ထပ်တလဲလဲပြုလုပ်ခြင်းအတွက် ၎င်းသည် အထောက်အကူမဖြစ်ပါ။
ထို့ကြောင့်၊ အလိုအလျောက်မောင်းနှင်ခြင်းနယ်ပယ်တွင်၊ အယ်လဂိုရီသမ်များ သို့မဟုတ် ချစ်ပ်များကို ဖြုတ်ပြီး သီးခြားရောင်းချခြင်းသည် ရေရှည်တွင် ကောင်းမွန်သောစီးပွားရေးမဟုတ်ပါ။
ဤဆောင်းပါးသည် EV-tech မှ အရင်းအမြစ်ဖြစ်သည်။
psp13880916091
စာတိုက်အချိန်- ဒီဇင်ဘာ-၁၀-၂၀၂၀