ในปัจจุบัน บริษัทที่ขับเคลื่อนรถยนต์โดยสารอัตโนมัติสามารถแบ่งคร่าวๆ ได้เป็น 3 ประเภท หมวดหมู่แรกคือระบบวงปิดที่คล้ายกับ Apple (NASDAQ: AAPL) ส่วนประกอบสำคัญ เช่น ชิปและอัลกอริธึมนั้นสร้างขึ้นเอง Tesla (NASDAQ: TSLA) ทำเช่นนี้ บริษัทรถยนต์พลังงานใหม่บางแห่งก็หวังว่าจะค่อยๆ ดำเนินการด้วย ถนนสายนี้ ประเภทที่ 2 เป็นระบบเปิดที่คล้ายกับ Android ผู้ผลิตบางรายสร้างแพลตฟอร์มอัจฉริยะ และบางรายสร้างรถยนต์ ตัวอย่างเช่น Huawei และ Baidu (NASDAQ: BIDU) มีความตั้งใจในเรื่องนี้ หมวดหมู่ที่สามคือหุ่นยนต์ (แท็กซี่ไร้คนขับ) เช่น บริษัทอย่าง Waymo
บทความนี้จะวิเคราะห์ความเป็นไปได้ของเส้นทางทั้งสามนี้จากมุมมองของเทคโนโลยีและการพัฒนาธุรกิจเป็นหลัก และหารือเกี่ยวกับอนาคตของผู้ผลิตรถยนต์พลังงานใหม่หรือบริษัทขับเคลื่อนอัตโนมัติบางราย อย่าประมาทเทคโนโลยี สำหรับการขับขี่อัตโนมัติ เทคโนโลยีคือชีวิต และเส้นทางเทคโนโลยีที่สำคัญคือเส้นทางเชิงกลยุทธ์ บทความนี้จึงเป็นการพูดคุยถึงแนวทางต่างๆ ของกลยุทธ์การขับขี่แบบอัตโนมัติ
ในด้านรถยนต์อัจฉริยะ โดยเฉพาะอย่างยิ่งในด้านการขับขี่แบบอัตโนมัติ การใช้โมเดลวงปิดของ Apple ช่วยให้ผู้ผลิตเพิ่มประสิทธิภาพและปรับปรุงประสิทธิภาพได้ง่ายขึ้น ตอบสนองความต้องการของผู้บริโภคได้อย่างรวดเร็ว
ฉันขอพูดถึงประสิทธิภาพก่อน ประสิทธิภาพถือเป็นสิ่งสำคัญสำหรับการขับขี่แบบอัตโนมัติ Seymour Cray บิดาแห่งซูเปอร์คอมพิวเตอร์เคยกล่าวไว้คำที่น่าสนใจมากว่า "ใครๆ ก็สามารถสร้าง CPU ที่รวดเร็วได้ เคล็ดลับคือการสร้างระบบที่รวดเร็ว"
ด้วยความล้มเหลวทีละน้อยของกฎของมัวร์ จึงเป็นไปไม่ได้ที่จะเพิ่มประสิทธิภาพโดยการเพิ่มจำนวนทรานซิสเตอร์ต่อหน่วยพื้นที่ และเนื่องจากข้อจำกัดด้านพื้นที่และการใช้พลังงาน ขนาดของชิปจึงมีจำกัดเช่นกัน แน่นอนว่า Tesla FSD HW3.0 ในปัจจุบัน (FSD เรียกว่า Full Self-Driving) เป็นเพียงกระบวนการ 14 นาโนเมตร และยังมีพื้นที่สำหรับการปรับปรุง
ปัจจุบันชิปดิจิทัลส่วนใหญ่ได้รับการออกแบบตามสถาปัตยกรรม Von Neumann โดยมีการแยกหน่วยความจำและเครื่องคิดเลข ซึ่งสร้างระบบคอมพิวเตอร์ทั้งหมด (รวมถึงสมาร์ทโฟน) ตั้งแต่ซอฟต์แวร์ไปจนถึงระบบปฏิบัติการไปจนถึงชิป ได้รับผลกระทบอย่างลึกซึ้ง อย่างไรก็ตาม สถาปัตยกรรมของ Von Neumann ไม่เหมาะอย่างยิ่งสำหรับการเรียนรู้เชิงลึกที่การขับขี่แบบอัตโนมัติต้องอาศัย และจำเป็นต้องได้รับการปรับปรุงหรือถึงขั้นก้าวหน้า
ตัวอย่างเช่น มี "กำแพงหน่วยความจำ" ซึ่งเครื่องคิดเลขทำงานเร็วกว่าหน่วยความจำ ซึ่งอาจทำให้เกิดปัญหาด้านประสิทธิภาพได้ การออกแบบชิปที่มีลักษณะคล้ายสมองนั้นถือเป็นความก้าวหน้าทางสถาปัตยกรรม แต่การก้าวกระโดดไปไกลเกินไปอาจไม่เกิดขึ้นเร็วๆ นี้ ยิ่งไปกว่านั้น เครือข่ายภาพบิดเบี้ยวสามารถแปลงเป็นการทำงานของเมทริกซ์ได้ ซึ่งอาจไม่เหมาะกับชิปที่มีลักษณะคล้ายสมองจริงๆ
ดังนั้น เนื่องจากกฎของมัวร์และสถาปัตยกรรม Von Neumann ต่างก็ประสบปัญหาคอขวด การปรับปรุงประสิทธิภาพในอนาคตส่วนใหญ่จำเป็นต้องบรรลุผลผ่าน Domain specific Architecture (DSA ซึ่งสามารถอ้างถึงโปรเซสเซอร์เฉพาะ) DSA ได้รับการเสนอโดย John Hennessy และ David Patterson ผู้ชนะรางวัล Turing Award เป็นนวัตกรรมที่ไม่ไกลตัวและเป็นแนวคิดที่สามารถนำไปปฏิบัติได้ทันที
เราสามารถเข้าใจแนวคิดของ DSA ได้จากมุมมองของมหภาค โดยทั่วไป ชิประดับไฮเอนด์ในปัจจุบันมีทรานซิสเตอร์หลายพันล้านถึงหมื่นล้านตัว วิธีการกระจาย เชื่อมต่อ และรวมทรานซิสเตอร์จำนวนมากเหล่านี้มีผลกระทบอย่างมากต่อประสิทธิภาพของแอปพลิเคชันเฉพาะในอนาคต จำเป็นต้องสร้าง "ระบบที่รวดเร็ว" จากมุมมองโดยรวมของซอฟต์แวร์และฮาร์ดแวร์ และอาศัยการเพิ่มประสิทธิภาพและการปรับโครงสร้าง
"โหมด Android" ไม่ใช่วิธีแก้ปัญหาที่ดีในด้านรถยนต์อัจฉริยะ
หลายคนเชื่อว่าในยุคของการขับขี่อัตโนมัติยังมี Apple (วงปิด) และ Android (เปิด) ในด้านสมาร์ทโฟนด้วย และก็จะมีผู้ให้บริการซอฟต์แวร์รายใหญ่อย่าง Google ด้วย คำตอบของฉันนั้นง่าย เส้นทาง Android จะไม่ทำงานบนการขับขี่อัตโนมัติเนื่องจากไม่ตรงตามทิศทางการพัฒนาเทคโนโลยีรถยนต์อัจฉริยะในอนาคต
แน่นอนว่า ฉันจะไม่พูดว่าบริษัทอย่าง Tesla และบริษัทอื่นๆ ต้องทำสกรูทุกตัวด้วยตัวเอง และชิ้นส่วนหลายชิ้นยังต้องซื้อจากผู้ผลิตอุปกรณ์เสริมอีกด้วย แต่ส่วนสำคัญที่สุดที่ส่งผลต่อประสบการณ์การใช้งานจะต้องทำด้วยตัวเอง เช่น การขับขี่อัตโนมัติทุกด้าน
ในส่วนแรกมีการกล่าวถึงว่าเส้นทางแบบวงปิดของ Apple เป็นทางออกที่ดีที่สุด ในความเป็นจริง มันยังแสดงให้เห็นว่าเส้นทางแบบเปิดของ Android ไม่ใช่ทางออกที่ดีที่สุดในด้านการขับขี่แบบอัตโนมัติ
สถาปัตยกรรมของสมาร์ทโฟนและรถยนต์อัจฉริยะนั้นแตกต่างกัน จุดเน้นของสมาร์ทโฟนคือระบบนิเวศ ระบบนิเวศหมายถึงการจัดหาแอปพลิเคชันต่างๆ บนระบบปฏิบัติการ ARM และ IOS หรือ Androidดังนั้นสมาร์ทโฟน Android จึงสามารถเข้าใจได้ว่าเป็นการรวมกันของชิ้นส่วนมาตรฐานทั่วไปจำนวนหนึ่ง มาตรฐานชิปคือ ARM ด้านบนของชิปคือระบบปฏิบัติการ Android แล้วก็มีแอพต่างๆบนอินเทอร์เน็ต ด้วยมาตรฐานไม่ว่าจะเป็นชิป ระบบ Android หรือ App ก็สามารถเป็นธุรกิจได้อย่างอิสระ
จุดเน้นของรถยนต์อัจฉริยะคืออัลกอริธึมและข้อมูลและฮาร์ดแวร์ที่รองรับอัลกอริธึม อัลกอริธึมต้องการประสิทธิภาพที่สูงมาก ไม่ว่าจะได้รับการฝึกฝนในระบบคลาวด์หรืออนุมานบนเทอร์มินัล ฮาร์ดแวร์ของรถยนต์อัจฉริยะต้องการการเพิ่มประสิทธิภาพอย่างมากสำหรับแอปพลิเคชันและอัลกอริธึมพิเศษเฉพาะ ดังนั้นเฉพาะอัลกอริธึมหรือเฉพาะชิปหรือระบบปฏิบัติการเท่านั้นที่จะเผชิญกับปัญหาเรื่องการเพิ่มประสิทธิภาพในระยะยาว เมื่อแต่ละส่วนประกอบได้รับการพัฒนาด้วยตัวเองเท่านั้นจึงจะสามารถปรับให้เหมาะสมได้อย่างง่ายดาย การแยกซอฟต์แวร์และฮาร์ดแวร์จะส่งผลให้เกิดประสิทธิภาพที่ไม่สามารถปรับให้เหมาะสมได้
เราสามารถเปรียบเทียบได้ด้วยวิธีนี้ NVIDIA Xavier มีทรานซิสเตอร์ 9 พันล้านตัว Tesla FSD HW 3.0 มีทรานซิสเตอร์ 6 พันล้านตัว แต่ดัชนีพลังการประมวลผลของ Xavier นั้นไม่ดีเท่ากับ HW3.0 และว่ากันว่า FSD HW รุ่นต่อไปมีการปรับปรุงประสิทธิภาพถึง 7 เท่าเมื่อเทียบกับรุ่นปัจจุบัน ดังนั้นจึงเป็นเพราะ Peter Bannon ผู้ออกแบบชิป Tesla และทีมของเขาแข็งแกร่งกว่านักออกแบบของ NVIDIA หรือเพราะวิธีการของ Tesla ในการผสมผสานซอฟต์แวร์และฮาร์ดแวร์ดีกว่า เราคิดว่าวิธีการรวมซอฟต์แวร์และฮาร์ดแวร์จะต้องเป็นเหตุผลสำคัญในการปรับปรุงประสิทธิภาพของชิปด้วย การแยกอัลกอริธึมและข้อมูลไม่ใช่ความคิดที่ดี มันไม่เอื้อต่อการตอบรับอย่างรวดเร็วต่อความต้องการของผู้บริโภคและการทำซ้ำอย่างรวดเร็ว
ดังนั้นในด้านการขับขี่อัตโนมัติ การแยกชิ้นส่วนอัลกอริธึมหรือชิปแล้วขายแยกกันจึงไม่ใช่ธุรกิจที่ดีในระยะยาว
บทความนี้มาจาก EV-tech
เครื่อง psp13880916091
เวลาโพสต์: Dec-10-2020