Obecnie firmy, które automatycznie prowadzą samochody osobowe, można z grubsza podzielić na trzy kategorie. Pierwsza kategoria to system z zamkniętą pętlą podobny do Apple (NASDAQ: AAPL). Kluczowe komponenty, takie jak chipy i algorytmy, są wykonywane samodzielnie. Tesla (NASDAQ: TSLA) tak robi. Niektóre nowe firmy produkujące samochody energetyczne również mają nadzieję na stopniowe wdrażanie tego rozwiązania. ta droga. Druga kategoria to system otwarty podobny do Androida. Niektórzy producenci tworzą inteligentne platformy, a niektórzy samochody. Na przykład Huawei i Baidu (NASDAQ: BIDU) mają zamiary w tym zakresie. Trzecią kategorią jest robotyka (taksówki bez kierowcy), taka jak firmy takie jak Waymo.
W artykule omówiona zostanie przede wszystkim wykonalność tych trzech tras z punktu widzenia rozwoju technologii i biznesu, a także omówiona zostanie przyszłość niektórych nowych producentów samochodów napędzanych czy firm zajmujących się pojazdami autonomicznymi. Nie lekceważ technologii. W przypadku pojazdów autonomicznych technologia to życie, a kluczowa ścieżka technologiczna to ścieżka strategiczna. Zatem ten artykuł jest także dyskusją na temat różnych ścieżek strategii jazdy autonomicznej.
W dziedzinie inteligentnych samochodów, zwłaszcza w dziedzinie jazdy autonomicznej, przyjęcie modelu Apple z zamkniętą pętlą może ułatwić producentom optymalizację i poprawę wydajności. Szybko reaguj na potrzeby konsumentów.
Najpierw opowiem o wydajności. Wydajność jest niezbędna do jazdy autonomicznej. Seymour Cray, ojciec superkomputerów, powiedział kiedyś bardzo interesujące słowo: „Każdy może zbudować szybki procesor. Sztuka polega na zbudowaniu szybkiego systemu”.
W miarę stopniowego załamywania się prawa Moore'a nie jest możliwe proste zwiększenie wydajności poprzez zwiększenie liczby tranzystorów na jednostkę powierzchni. Ze względu na ograniczenie powierzchni i zużycia energii, skala chipa jest również ograniczona. Oczywiście obecna Tesla FSD HW3.0 (FSD nazywa się Full Self-Driving) to tylko proces 14 nm i jest miejsce na ulepszenia.
Obecnie większość układów cyfrowych projektuje się w oparciu o architekturę Von Neumanna z oddzieleniem pamięci i kalkulatora, z której tworzy się cały system komputerów (w tym smartfonów). Od oprogramowania, przez systemy operacyjne, aż po chipy, jest to głęboko dotknięte. Jednak architektura Von Neumanna nie nadaje się całkowicie do głębokiego uczenia się, na którym opiera się jazda autonomiczna, i wymaga ulepszenia, a nawet przełomu.
Na przykład istnieje „ściana pamięci”, w której kalkulator działa szybciej niż pamięć, co może powodować problemy z wydajnością. Projektowanie chipów przypominających mózg stanowi przełom w architekturze, ale zbyt duży skok może nie zostać wkrótce zastosowany. Co więcej, sieć splotową obrazu można przekształcić w operacje macierzowe, co może nie być odpowiednie dla chipów przypominających mózg.
Dlatego też, ponieważ zarówno prawo Moore'a, jak i architektura Von Neumanna napotykają wąskie gardła, przyszłe ulepszenia wydajności należy osiągnąć głównie poprzez architekturę specyficzną dla domeny (DSA, która może odnosić się do dedykowanych procesorów). DSA zostało zaproponowane przez zdobywców nagrody Turinga, Johna Hennessy'ego i Davida Pattersona. To innowacja, która nie jest zbyt odległa i jest pomysłem, który można od razu wdrożyć w praktyce.
Ideę DSA możemy zrozumieć z perspektywy makro. Ogólnie rzecz biorąc, obecne, wysokiej klasy chipy mają od miliardów do dziesiątek miliardów tranzystorów. Sposób dystrybucji, łączenia i łączenia tak ogromnej liczby tranzystorów ma ogromny wpływ na wydajność konkretnej aplikacji.W przyszłości konieczne jest zbudowanie „szybkiego systemu” z ogólnego punktu widzenia oprogramowania i sprzętu, a także poleganie na optymalizacji i dostosowaniu struktury.
„Tryb Android” nie jest dobrym rozwiązaniem w dziedzinie inteligentnych samochodów.
Wiele osób wierzy, że w dobie autonomicznej jazdy w dziedzinie smartfonów pojawią się także Apple (zamknięta pętla) i Android (otwarty), a także pojawią się dostawcy zaawansowanego oprogramowania, tacy jak Google. Moja odpowiedź jest prosta. Trasa Androida nie sprawdzi się w jeździe autonomicznej, bo nie wpisuje się w kierunek przyszłego rozwoju technologii inteligentnych samochodów.
Oczywiście nie powiedziałbym, że firmy takie jak Tesla i inne firmy muszą każdą śrubkę dorabiać samodzielnie, a wiele części i tak trzeba kupować u producentów akcesoriów. Jednak najważniejszą część wpływającą na wygodę użytkownika, np. wszystkie aspekty jazdy autonomicznej, należy wykonać samodzielnie.
W pierwszej części wspomniano, że najlepszym rozwiązaniem jest trasa Apple w zamkniętej pętli. Tak naprawdę pokazuje to również, że otwarta trasa Androida nie jest najlepszym rozwiązaniem w zakresie jazdy autonomicznej.
Architektura smartfonów i inteligentnych samochodów jest inna. Smartfony skupiają się na ekologii. Ekosystem oznacza dostarczanie różnorodnych aplikacji opartych na systemach operacyjnych ARM i IOS lub Android.Dlatego smartfony z systemem Android można rozumieć jako połączenie szeregu typowych części standardowych. Standardem chipa jest ARM, na chipie znajduje się system operacyjny Android, a w Internecie dostępne są różne aplikacje. Ze względu na standaryzację, niezależnie od tego, czy jest to chip, system Android czy aplikacja, może z łatwością stać się niezależną firmą.
Inteligentne samochody skupiają się na algorytmie oraz danych i sprzęcie obsługującym algorytm. Algorytm wymaga niezwykle wysokiej wydajności, niezależnie od tego, czy jest szkolony w chmurze, czy wywnioskowany na terminalu. Sprzęt inteligentnego samochodu wymaga dużej optymalizacji wydajności dla określonych wyspecjalizowanych aplikacji i algorytmów. Dlatego w dłuższej perspektywie dylematy optymalizacji wydajności staną jedynie algorytmy, tylko chipy lub tylko systemy operacyjne. Tylko wtedy, gdy każdy komponent zostanie opracowany samodzielnie, można go łatwo zoptymalizować. Oddzielenie oprogramowania i sprzętu spowoduje wydajność, której nie można zoptymalizować.
Można to porównać tak: NVIDIA Xavier ma 9 miliardów tranzystorów, Tesla FSD HW 3.0 ma 6 miliardów tranzystorów, ale wskaźnik mocy obliczeniowej Xaviera nie jest tak dobry jak HW3.0. Mówi się, że następna generacja FSD HW ma 7-krotną poprawę wydajności w porównaniu z obecną. Dzieje się tak dlatego, że projektant chipów Tesli, Peter Bannon i jego zespół, są silniejsi od projektantów NVIDII, lub dlatego, że metodologia Tesli w zakresie łączenia oprogramowania i sprzętu jest lepsza. Uważamy, że metodologia łączenia oprogramowania i sprzętu musi być również ważnym powodem poprawy wydajności chipa. Oddzielenie algorytmów i danych nie jest dobrym pomysłem. Nie sprzyja to szybkiemu informowaniu o potrzebach konsumentów i szybkiej iteracji.
Dlatego w obszarze autonomicznej jazdy demontowanie algorytmów czy chipów i sprzedawanie ich osobno nie jest na dłuższą metę dobrym biznesem.
Ten artykuł pochodzi z EV-tech
psp13880916091
Czas publikacji: 10 grudnia 2020 r