В настоящее время компании, которые управляют легковыми автомобилями автоматически, можно условно разделить на три категории. Первая категория — это система замкнутого цикла, подобная Apple (NASDAQ: AAPL). Ключевые компоненты, такие как чипы и алгоритмы, изготавливаются сами по себе. Tesla (NASDAQ: TSLA) делает это. Некоторые компании, производящие автомобили на новых источниках энергии, также надеются постепенно приступить к этому. эта дорога. Вторая категория — открытая система, похожая на Android. Некоторые производители делают умные платформы, а некоторые — автомобили. Например, у Huawei и Baidu (NASDAQ: BIDU) есть намерения в этом отношении. Третья категория — робототехника (беспилотные такси), например, такие компании, как Waymo.
В этой статье в основном будет проанализирована осуществимость этих трех маршрутов с точки зрения развития технологий и бизнеса, а также обсуждено будущее некоторых производителей новых электромобилей или компаний, занимающихся автономным вождением. Не стоит недооценивать технологии. Для автономного вождения технология — это жизнь, а ключевой путь развития технологий — это стратегический путь. Таким образом, эта статья также представляет собой обсуждение различных стратегий автономного вождения.
В области умных автомобилей, особенно в области автономного вождения, внедрение модели замкнутого цикла Apple может облегчить производителям оптимизацию производительности и повышение производительности. Быстро реагировать на потребности потребителей.
Позвольте мне сначала поговорить о производительности. Производительность важна для автономного вождения. Сеймур Крей, отец суперкомпьютеров, однажды сказал очень интересное слово: «Каждый может создать быстрый процессор. Весь фокус в том, чтобы построить быструю систему».
При постепенном отказе от закона Мура невозможно просто повысить производительность за счет увеличения количества транзисторов на единицу площади. А из-за ограничения площади и энергопотребления ограничен и масштаб чипа. Конечно, нынешний Tesla FSD HW3.0 (FSD называется Full Self-Driving) представляет собой всего лишь 14-нм техпроцесс, и есть возможности для улучшения.
В настоящее время большинство цифровых микросхем разрабатываются на основе архитектуры фон Неймана с разделением памяти и калькулятора, что создает всю систему компьютеров (включая смартфоны). От программного обеспечения до операционных систем и чипов — это глубоко затронуто. Однако архитектура фон Неймана не полностью подходит для глубокого обучения, на котором основано автономное вождение, и требует улучшения или даже прорыва.
Например, существует «стена памяти», где калькулятор работает быстрее, чем память, что может вызвать проблемы с производительностью. Разработка мозгоподобных чипов действительно является прорывом в архитектуре, но слишком большой скачок, возможно, не будет реализован в ближайшее время. Более того, сверточную сеть изображений можно преобразовать в матричные операции, что может не подходить для чипов, подобных мозгу.
Таким образом, поскольку и закон Мура, и архитектура фон Неймана сталкиваются с узкими местами, будущее повышение производительности в основном должно достигаться за счет доменно-специфической архитектуры (DSA, которая может относиться к выделенным процессорам). DSA был предложен лауреатами премии Тьюринга Джоном Хеннесси и Дэвидом Паттерсоном. Это инновация, которая не зашла слишком далеко вперед, и это идея, которую можно немедленно реализовать на практике.
Мы можем понять идею DSA с точки зрения макроса. Как правило, современные высокопроизводительные чипы содержат от миллиардов до десятков миллиардов транзисторов. То, как это огромное количество транзисторов распределено, подключено и объединено, оказывает большое влияние на производительность конкретного приложения.В дальнейшем необходимо строить «быструю систему» с точки зрения программного и аппаратного обеспечения и делать ставку на оптимизацию и корректировку структуры.
«Режим Android» не является хорошим решением в сфере умных автомобилей.
Многие люди полагают, что в эпоху автономного вождения в области смартфонов будут также Apple (замкнутый цикл) и Android (открытый), а также появятся крупные поставщики программного обеспечения, такие как Google. Мой ответ прост. Маршрут Android не будет работать с автономным вождением, поскольку он не соответствует направлению будущего развития технологий умных автомобилей.
Конечно, я бы не сказал, что такие компании, как Tesla и другие компании, должны делать каждый винтик самостоятельно, а многие детали все равно приходится приобретать у производителей аксессуаров. Но самая основная часть, которая влияет на пользовательский опыт, должна быть сделана вами самостоятельно, например, все аспекты автономного вождения.
В первом разделе упоминалось, что замкнутый маршрут Apple является лучшим решением. Фактически, это также демонстрирует, что открытый маршрут Android — не лучшее решение в области автономного вождения.
Архитектура смартфонов и умных автомобилей различна. В центре внимания смартфонов – экология. Экосистема означает предоставление различных приложений на базе операционных систем ARM и IOS или Android.Таким образом, Android-смартфоны можно понимать как совокупность множества общих стандартных деталей. Стандарт чипа — ARM, поверх чипа — операционная система Android, а в Интернете есть различные приложения. Благодаря стандартизации, будь то чип, система Android или приложение, оно может легко стать независимым бизнесом.
В центре внимания умных автомобилей — алгоритм, а также данные и аппаратное обеспечение, поддерживающее этот алгоритм. Алгоритм требует чрезвычайно высокой производительности независимо от того, обучается ли он в облаке или выводится на терминале. Аппаратное обеспечение умного автомобиля требует значительной оптимизации производительности для конкретных специализированных приложений и алгоритмов. Следовательно, в долгосрочной перспективе с дилеммами оптимизации производительности столкнутся только алгоритмы, или только чипы, или только операционные системы. Только когда каждый компонент разрабатывается сам по себе, его можно легко оптимизировать. Разделение программного и аппаратного обеспечения приведет к невозможности оптимизации производительности.
Мы можем сравнить это так: у NVIDIA Xavier 9 миллиардов транзисторов, у Tesla FSD HW 3.0 6 миллиардов транзисторов, но индекс вычислительной мощности Xavier не так хорош, как у HW3.0. И говорят, что FSD HW следующего поколения имеет улучшение производительности в 7 раз по сравнению с текущим. Итак, это потому, что разработчик чипов Tesla Питер Бэннон и его команда сильнее, чем дизайнеры NVIDIA, или потому, что методология Теслы по объединению программного и аппаратного обеспечения лучше. Мы считаем, что методология объединения программного и аппаратного обеспечения также должна быть важной причиной улучшения производительности чипов. Разделение алгоритмов и данных — не лучшая идея. Это не способствует быстрой обратной связи с потребностями потребителей и быстрой итерации.
Поэтому в сфере автономного вождения разбирать алгоритмы или чипы и продавать их по отдельности — не лучший бизнес в долгосрочной перспективе.
Источником этой статьи является EV-tech.
psp13880916091
Время публикации: 10 декабря 2020 г.