Ang malupit na pagtatapos ng autonomous na pagmamaneho: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, sino ang maaaring maging footnote ng kasaysayan?

Sa larangan ng mga matalinong kotse, lalo na sa larangan ng autonomous na pagmamaneho, ang paggamit ng closed-loop na modelo ng Apple ay maaaring gawing mas madali para sa mga tagagawa na i-optimize ang pagganap at pagbutihin ang pagganap. Mabilis na tumugon sa mga pangangailangan ng mamimili.
Let me talk about performance muna. Mahalaga ang pagganap para sa autonomous na pagmamaneho. Si Seymour Cray, ang ama ng mga supercomputer, ay minsang nagsabi ng isang napaka-kagiliw-giliw na salita, "Kahit sino ay maaaring bumuo ng isang mabilis na CPU. Ang lansihin ay upang bumuo ng isang mabilis na sistema".
Sa unti-unting pagkabigo ng Batas ni Moore, hindi magagawa na pataasin lamang ang pagganap sa pamamagitan ng pagtaas ng bilang ng mga transistor sa bawat unit area. At dahil sa limitasyon ng lugar at pagkonsumo ng enerhiya, limitado rin ang sukat ng chip. Siyempre, ang kasalukuyang Tesla FSD HW3.0 (FSD ay tinatawag na Full Self-Driving) ay isang 14nm na proseso lamang, at may puwang para sa pagpapabuti.
Sa kasalukuyan, karamihan sa mga digital chip ay idinisenyo batay sa Von Neumann Architecture na may paghihiwalay ng memorya at calculator, na lumilikha ng buong sistema ng mga computer (kabilang ang mga smart phone). Mula sa software hanggang sa mga operating system hanggang sa mga chips, ito ay lubhang apektado. Gayunpaman, ang Von Neumann Architecture ay hindi ganap na angkop para sa malalim na pag-aaral na umaasa sa autonomous na pagmamaneho, at nangangailangan ng pagpapabuti o kahit na pambihirang tagumpay.
Halimbawa, mayroong isang "memory wall" kung saan ang calculator ay tumatakbo nang mas mabilis kaysa sa memorya, na maaaring magdulot ng mga problema sa pagganap. Ang disenyo ng mga chip na tulad ng utak ay may isang pambihirang tagumpay sa arkitektura, ngunit ang paglukso nang napakalayo ay maaaring hindi mailapat sa lalong madaling panahon. Bukod dito, ang image convolutional network ay maaaring ma-convert sa matrix operations, na maaaring hindi talaga angkop para sa mga chip na parang utak.
Samakatuwid, dahil ang Batas ni Moore at ang arkitektura ng Von Neumann ay parehong nakakaharap ng mga bottleneck, ang mga pagpapahusay sa pagganap sa hinaharap ay pangunahing kailangang makamit sa pamamagitan ng Domain Specific Architecture (DSA, na maaaring sumangguni sa mga dedikadong processor). Ang DSA ay iminungkahi ng mga nagwagi ng Turing Award na sina John Hennessy at David Patterson. Ito ay isang inobasyon na hindi masyadong malayo, at isang ideya na maaaring isabuhay kaagad.
Maiintindihan natin ang ideya ng DSA mula sa macro perspective. Sa pangkalahatan, ang kasalukuyang mga high-end na chip ay may bilyun-bilyon hanggang sampu-sampung bilyong transistor. Kung paano naipamahagi, nakakonekta, at pinagsama ang napakalaking bilang ng mga transistor na ito ay may malaking epekto sa pagganap ng isang partikular na aplikasyon.Sa hinaharap, kinakailangan na bumuo ng isang "mabilis na sistema" mula sa pangkalahatang pananaw ng software at hardware, at umasa sa pag-optimize at pagsasaayos ng istraktura.