Trenutno lahko podjetja, ki avtomatsko vozijo osebna vozila, v grobem razdelimo v tri kategorije. Prva kategorija je sistem z zaprto zanko, podoben Applu (NASDAQ: AAPL). Ključne komponente, kot so čipi in algoritmi, izdelajo sami. Tesla (NASDAQ: TSLA) to počne. Tudi nekatera podjetja za nove energetske avtomobile upajo, da se bodo postopoma lotila tega. ta cesta. Druga kategorija je odprt sistem, podoben Androidu. Nekateri proizvajalci izdelujejo pametne platforme, nekateri pa avtomobile. Na primer, Huawei in Baidu (NASDAQ: BIDU) imata namene v zvezi s tem. Tretja kategorija je robotika (taksiji brez voznika), kot so podjetja, kot je Waymo.
Ta članek bo predvsem analiziral izvedljivost teh treh poti z vidika razvoja tehnologije in poslovanja ter razpravljal o prihodnosti nekaterih novih proizvajalcev motornih avtomobilov ali podjetij za avtonomno vožnjo. Ne podcenjujte tehnologije. Za avtonomno vožnjo je tehnologija življenje in ključna tehnološka pot je strateška pot. Ta članek je torej tudi razprava o različnih poteh strategij avtonomne vožnje.
Na področju pametnih avtomobilov, še posebej na področju avtonomne vožnje, lahko prevzem Applovega zaprtozančnega modela proizvajalcem olajša optimizacijo delovanja in izboljša zmogljivost. Hitro se odzove na potrebe potrošnikov.
Naj najprej spregovorim o uspešnosti. Zmogljivost je bistvena za avtonomno vožnjo. Seymour Cray, oče superračunalnikov, je nekoč rekel zelo zanimivo besedo: "Vsakdo lahko zgradi hiter CPE. Trik je zgraditi hiter sistem".
S postopnim izpadom Moorovega zakona ni mogoče preprosto povečati zmogljivosti s povečanjem števila tranzistorjev na enoto površine. In zaradi omejitve površine in porabe energije je omejen tudi obseg čipa. Seveda je trenutni Teslin FSD HW3.0 (FSD se imenuje Full Self-Driving) samo 14nm proces in obstaja prostor za izboljšave.
Trenutno je večina digitalnih čipov zasnovanih na osnovi Von Neumannove arhitekture z ločitvijo pomnilnika in kalkulatorja, ki ustvarja celoten sistem računalnikov (vključno s pametnimi telefoni). Od programske opreme do operacijskih sistemov do čipov je močno prizadeta. Vendar Von Neumannova arhitektura ni popolnoma primerna za globoko učenje, na katerem temelji avtonomna vožnja, in potrebuje izboljšavo ali celo preboj.
Na primer, obstaja "pomnilniški zid", kjer kalkulator deluje hitreje kot pomnilnik, kar lahko povzroči težave pri delovanju. Zasnova čipov, podobnih možganom, je res preboj v arhitekturi, vendar prevelikega preskoka morda ne bo kmalu. Še več, slikovno konvolucijsko mrežo je mogoče pretvoriti v matrične operacije, kar morda ni res primerno za čipe, podobne možganom.
Ker se tako Moorov zakon kot von Neumannova arhitektura srečujeta z ozkimi grli, je treba prihodnje izboljšave zmogljivosti doseči predvsem z domensko specifično arhitekturo (DSA, ki se lahko nanaša na namenske procesorje). DSA sta predlagala dobitnika Turingove nagrade John Hennessy in David Patterson. To je inovacija, ki ni preveč napredna in je ideja, ki jo je mogoče takoj uresničiti.
Idejo DSA lahko razumemo z makro perspektive. Na splošno imajo trenutni vrhunski čipi milijarde do več deset milijard tranzistorjev. Kako je to ogromno število tranzistorjev porazdeljeno, povezano in združeno, ima velik vpliv na delovanje določene aplikacije.V prihodnosti je treba zgraditi »hiter sistem« s celotnega vidika programske in strojne opreme ter se zanašati na optimizacijo in prilagajanje strukture.
"Android način" ni dobra rešitev na področju pametnih avtomobilov.
Marsikdo verjame, da sta v dobi avtonomne vožnje na področju pametnih telefonov še Apple (zaprta zanka) in Android (odprt), prišli pa bodo tudi ponudniki težke programske opreme, kot je Google. Moj odgovor je preprost. Androidova pot ne bo delovala pri avtonomni vožnji, ker ne ustreza smeri prihodnjega razvoja tehnologije pametnih avtomobilov.
Seveda ne bi rekel, da morajo podjetja, kot je Tesla in druga podjetja, vsak vijak narediti sama, številne dele pa je treba še vedno kupiti pri proizvajalcih dodatne opreme. Toda najpomembnejši del, ki vpliva na uporabniško izkušnjo, morate narediti sami, na primer vse vidike avtonomne vožnje.
V prvem razdelku je bilo omenjeno, da je Applova pot z zaprto zanko najboljša rešitev. Pravzaprav tudi dokazuje, da Android open route ni najboljša rešitev na področju avtonomne vožnje.
Arhitektura pametnih telefonov in pametnih avtomobilov je drugačna. Fokus pametnih telefonov je ekologija. Ekosistem pomeni zagotavljanje različnih aplikacij, ki temeljijo na operacijskih sistemih ARM in IOS ali Android.Zato lahko pametne telefone Android razumemo kot kombinacijo kopice skupnih standardnih delov. Standard čipa je ARM, na vrhu čipa je operacijski sistem Android, potem pa so tu še različne aplikacije na internetu. Zaradi svoje standardizacije, ne glede na to, ali gre za čip, sistem Android ali aplikacijo, lahko zlahka postane samostojno podjetje.
V središču pametnih avtomobilov so algoritem ter podatki in strojna oprema, ki algoritem podpira. Algoritem zahteva izjemno visoko zmogljivost, ne glede na to, ali je učen v oblaku ali ugotovljen na terminalu. Strojna oprema pametnega avtomobila zahteva veliko optimizacije zmogljivosti za posebne specializirane aplikacije in algoritme. Zato se bodo le algoritmi ali samo čipi ali samo operacijski sistemi dolgoročno soočali z dilemami glede optimizacije delovanja. Šele ko je vsaka komponenta razvita sama, jo je mogoče enostavno optimizirati. Ločitev programske in strojne opreme bo povzročila zmogljivost, ki je ni mogoče optimizirati.
Lahko primerjamo takole, NVIDIA Xavier ima 9 milijard tranzistorjev, Tesla FSD HW 3.0 ima 6 milijard tranzistorjev, vendar Xavierjev indeks računalniške moči ni tako dober kot HW3.0. Rečeno je, da ima naslednja generacija FSD HW 7-krat izboljšano zmogljivost v primerjavi s trenutno. Torej zato, ker so Teslin oblikovalec čipov Peter Bannon in njegova ekipa močnejši od oblikovalcev NVIDIA ali zato, ker je Teslina metodologija združevanja programske in strojne opreme boljša. Menimo, da mora biti tudi metodologija združevanja programske in strojne opreme pomemben razlog za izboljšanje zmogljivosti čipov. Ločevanje algoritmov in podatkov ni dobra ideja. Ne spodbuja hitrih povratnih informacij o potrebah potrošnikov in hitrega ponavljanja.
Zato na področju avtonomne vožnje razstavljanje algoritmov ali čipov in njihova prodaja ločeno dolgoročno ni dober posel.
Ta članek izvira iz EV-tech
psp13880916091
Čas objave: 10. december 2020