В даний час компанії, які ведуть легкові автомобілі в автоматичному режимі, можна умовно розділити на три категорії. Перша категорія – це замкнута система, подібна до Apple (NASDAQ: AAPL). Ключові компоненти, такі як чіпи та алгоритми, виготовляються самостійно. Тесла (NASDAQ: TSLA) робить це. Деякі компанії, що займаються виробництвом нових автомобілів, також сподіваються поступово приступити до цього. ця дорога. Друга категорія — відкрита система, схожа на Android. Деякі виробники створюють розумні платформи, а деякі — автомобілі. Наприклад, Huawei і Baidu (NASDAQ: BIDU) мають наміри щодо цього. Третя категорія — це робототехніка (безпілотні таксі), наприклад такі компанії, як Waymo.
У цій статті в основному аналізуватиметься доцільність цих трьох маршрутів з точки зору технологій і розвитку бізнесу, а також обговорюватиметься майбутнє деяких нових виробників потужних автомобілів або компаній, що займаються автономним водінням. Не недооцінюйте технології. Для автономного водіння технології – це життя, а ключовий технологічний шлях – це стратегічний шлях. Отже, ця стаття також є обговоренням різних шляхів стратегій автономного водіння.
У сфері інтелектуальних автомобілів, особливо в області автономного водіння, прийняття моделі замкнутого циклу Apple може полегшити виробникам оптимізацію продуктивності та підвищення ефективності. Швидко реагувати на потреби споживачів.
Дозвольте мені спочатку поговорити про продуктивність. Продуктивність є важливою для автономного водіння. Сеймур Крей, батько суперкомп’ютерів, якось сказав дуже цікаве слово: «Будь-хто може побудувати швидкий процесор. Хитрість полягає в тому, щоб побудувати швидку систему».
З поступовим порушенням закону Мура неможливо просто збільшити продуктивність шляхом збільшення кількості транзисторів на одиницю площі. А через обмеження площі та енергоспоживання масштаб чіпа також обмежений. Звичайно, поточний Tesla FSD HW3.0 (FSD називається Full Self-Driving) є лише 14-нанометровим процесом, і є місце для вдосконалення.
В даний час більшість цифрових мікросхем розроблено на основі архітектури фон Неймана з розділенням пам'яті та калькулятора, що створює всю систему комп'ютерів (включаючи смартфони). Від програмного забезпечення до операційних систем і мікросхем, це глибоко вплинуло. Однак архітектура фон Неймана не зовсім підходить для глибокого навчання, на якому базується автономне водіння, і потребує вдосконалення чи навіть прориву.
Наприклад, існує «стіна пам’яті», де калькулятор працює швидше, ніж пам’ять, що може спричинити проблеми з продуктивністю. Розробка чіпів, схожих на мозок, справді є проривом в архітектурі, але цей надто великий стрибок може бути застосований нескоро. Крім того, згорткова мережа зображень може бути перетворена в матричні операції, що може бути не зовсім придатним для мозкових чіпів.
Тому, оскільки як закон Мура, так і архітектура фон Неймана стикаються з вузькими місцями, майбутніх покращень продуктивності в основному потрібно досягати за допомогою доменно-орієнтованої архітектури (DSA, яка може стосуватися виділених процесорів). DSA був запропонований лауреатами премії Тюрінга Джоном Хеннесі та Девідом Паттерсоном. Це інновація, яка не є надто далекою вперед, і є ідеєю, яку можна негайно втілити на практиці.
Ми можемо зрозуміти ідею DSA з точки зору макросу. Як правило, сучасні мікросхеми високого класу мають від мільярдів до десятків мільярдів транзисторів. Те, як ця величезна кількість транзисторів розподіляється, з’єднується та об’єднується, має великий вплив на продуктивність конкретної програми.У майбутньому необхідно побудувати «швидку систему» із загальної точки зору програмно-апаратного забезпечення та покладатися на оптимізацію та налаштування структури.
«Режим Android» не є хорошим рішенням у сфері розумних автомобілів.
Багато людей вірять, що в епоху автономного водіння в області смартфонів будуть також Apple (замкнутий цикл) і Android (відкритий), а також будуть постачальники важкого програмного забезпечення, такі як Google. Моя відповідь проста. Маршрут Android не працюватиме на автономному водінні, оскільки він не відповідає напрямку майбутнього розвитку технологій розумних автомобілів.
Звичайно, я б не сказав, що такі компанії, як Tesla та інші компанії, повинні виготовляти кожен гвинт самостійно, а багато деталей все ще потрібно купувати у виробників аксесуарів. Але найважливішу частину, яка впливає на взаємодію з користувачем, потрібно зробити самостійно, як-от усі аспекти автономного водіння.
У першому розділі було зазначено, що замкнутий цикл Apple є найкращим рішенням. Насправді це також демонструє, що відкритий маршрут Android не є найкращим рішенням у сфері автономного водіння.
Архітектура смартфонів і розумних автомобілів відрізняється. У центрі уваги смартфонів – екологія. Екосистема означає надання різноманітних програм на базі операційних систем ARM та IOS або Android.Тому смартфони Android можна розуміти як комбінацію звичайних стандартних частин. Стандарт чіпа — ARM, поверх чіпа — операційна система Android, а в Інтернеті є різні програми. Завдяки своїй стандартизації, незалежно від того, чи це чіп, система Android або додаток, він може легко стати бізнесом.
Розумні автомобілі зосереджені на алгоритмі, даних і апаратному забезпеченні, що підтримує алгоритм. Алгоритм вимагає надзвичайно високої продуктивності, незалежно від того, навчається він у хмарі чи виводиться на терміналі. Апаратне забезпечення розумного автомобіля потребує значної оптимізації продуктивності для конкретних спеціалізованих програм і алгоритмів. Таким чином, тільки алгоритми, або тільки мікросхеми, або тільки операційні системи стикаються з дилемою оптимізації продуктивності в довгостроковій перспективі. Лише коли кожен компонент розроблено самостійно, його можна легко оптимізувати. Розділення програмного та апаратного забезпечення призведе до продуктивності, яку неможливо оптимізувати.
Ми можемо порівняти це так: NVIDIA Xavier має 9 мільярдів транзисторів, Tesla FSD HW 3.0 має 6 мільярдів транзисторів, але індекс обчислювальної потужності Xavier не такий хороший, як HW3.0. І кажуть, що наступне покоління FSD HW покращило продуктивність у 7 разів порівняно з поточним. Отже, це тому, що розробник чіпів Tesla Пітер Беннон і його команда сильніші за розробників NVIDIA, або тому, що методологія Tesla щодо поєднання програмного та апаратного забезпечення краща. Ми вважаємо, що методологія поєднання програмного та апаратного забезпечення також має бути важливою причиною покращення продуктивності чіпа. Розділяти алгоритми та дані не дуже гарна ідея. Це не сприяє швидкому відгуку про потреби споживачів і швидкій ітерації.
Тому у сфері автономного водіння розбирання алгоритмів чи чіпів і продаж їх окремо не є хорошим бізнесом у довгостроковій перспективі.
Ця стаття взята з EV-tech
psp13880916091
Час публікації: 10 грудня 2020 р