現在、乗用車の自動運転を行う企業は大きく3つに分類できます。最初のカテゴリは、Apple (NASDAQ: AAPL) と同様の閉ループ システムです。チップやアルゴリズムなどの主要コンポーネントは自社製です。テスラ (NASDAQ: TSLA) がこれを実行します。一部の新エネルギー自動車会社も徐々にそれに乗り出したいと考えている。この道。2 番目のカテゴリは、Android に似たオープン システムです。スマートプラットフォームを作るメーカーもあれば、自動車を作るメーカーもいます。たとえば、ファーウェイとバイドゥ (NASDAQ: BIDU) には、この点に関する意図があります。3 番目のカテゴリは、Waymo などの企業のロボット (無人タクシー) です。
本稿では主にこれら3つのルートの実現可能性を技術と事業展開の観点から分析し、一部の新興動力車メーカーや自動運転企業の将来について考察する。テクノロジーを過小評価しないでください。自動運転にとってテクノロジーは命であり、主要なテクノロジーの道筋が戦略の道筋となります。したがって、この記事は自動運転戦略のさまざまな道筋についての議論でもあります。
スマートカーの分野、特に自動運転の分野では、Appleのクローズドループモデルを採用することで、メーカーは性能を最適化し、性能を向上させることが容易になる。消費者のニーズに迅速に対応します。
まずパフォーマンスについて話しましょう。自動運転には性能が不可欠です。スーパーコンピューターの父であるシーモア・クレイは、「誰でも高速な CPU を構築できる。コツは高速なシステムを構築することだ」という非常に興味深い言葉を残しました。
ムーアの法則が徐々に崩れてきているため、単位面積あたりのトランジスタ数を増やして単純に性能を向上させることは現実的ではありません。また、面積とエネルギー消費量に制限があるため、チップの規模も制限されます。もちろん、現在の Tesla FSD HW3.0 (FSD は Full Self-Driving と呼ばれます) はわずか 14nm プロセスであり、改善の余地はあります。
現在、ほとんどのデジタル チップは、メモリと計算機を分離したフォン ノイマン アーキテクチャに基づいて設計されており、コンピュータ (スマートフォンを含む) のシステム全体が構成されています。ソフトウェアからオペレーティング システム、チップに至るまで、深刻な影響を受けています。ただし、フォン・ノイマン・アーキテクチャは、自動運転が依存するディープラーニングには完全に適しているわけではなく、改善、あるいは画期的な進歩が必要です。
たとえば、電卓がメモリよりも高速に実行される「メモリの壁」があり、これがパフォーマンスの問題を引き起こす可能性があります。脳のようなチップの設計はアーキテクチャにおいて画期的な進歩をもたらしましたが、行き過ぎた飛躍はすぐには適用されないかもしれません。さらに、画像畳み込みネットワークは行列演算に変換できますが、これは脳のようなチップにはあまり適していない可能性があります。
したがって、ムーアの法則とフォン ノイマン アーキテクチャの両方がボトルネックに遭遇するため、将来のパフォーマンス向上は主にドメイン固有アーキテクチャ (DSA、専用プロセッサを指すこともある) を通じて実現する必要があります。DSA は、チューリング賞受賞者のジョン ヘネシーとデイビッド パターソンによって提案されました。これはそれほど先のことではないイノベーションであり、すぐに実践できるアイデアです。
DSAの考え方をマクロな視点で理解することができます。一般に、現在のハイエンドチップには数十億から数百億のトランジスタが搭載されています。これらの膨大な数のトランジスタがどのように分散、接続、結合されるかは、特定のアプリケーションのパフォーマンスに大きな影響を与えます。今後は、ソフトウェアとハードウェアの総合的な視点から「速いシステム」を構築し、構造の最適化と調整を行う必要がある。
「Android モード」はスマートカーの分野では良い解決策ではありません。
自動運転の時代には、スマートフォンの分野でもApple（クローズドループ）やAndroid（オープン）が存在し、Googleのようなヘビーコアのソフトウェアプロバイダーも登場すると多くの人が考えています。私の答えは簡単です。Android路線は将来のスマートカー技術開発の方向性に合致しないため、自動運転には対応しないだろう。
もちろん、テスラやその他の企業がすべてのネジを自社で製造する必要があるとは言いませんし、多くの部品は依然として付属品メーカーから購入する必要があります。しかし、自動運転のあらゆる側面など、ユーザーエクスペリエンスに影響を与える最も核となる部分は自分で行う必要があります。
最初のセクションでは、Apple のクローズドループ ルートが最良の解決策であると述べました。実際、これは Android のオープン ルートが自動運転の分野で最適なソリューションではないことも示しています。
スマートフォンとスマートカーのアーキテクチャは異なります。スマートフォンの焦点はエコロジーです。エコシステムとは、ARM および IOS または Android オペレーティング システムに基づいたさまざまなアプリケーションを提供することを意味します。したがって、Android スマートフォンは、共通の標準部品の集合体として理解できます。チップの規格はARMで、その上にAndroidというOSがあり、インターネット上には様々なアプリがあります。チップであれ、Android システムであれ、アプリであれ、標準化されているため、独立したビジネスとして簡単に成立します。
スマートカーの焦点は、アルゴリズムとそのアルゴリズムをサポートするデータとハードウェアです。このアルゴリズムは、クラウドでトレーニングされるか、端末で推論されるかにかかわらず、非常に高いパフォーマンスを必要とします。スマート カーのハードウェアは、特定の特殊なアプリケーションやアルゴリズムに対して多くのパフォーマンスの最適化を必要とします。したがって、長期的には、アルゴリズムのみ、チップのみ、またはオペレーティング システムのみがパフォーマンス最適化のジレンマに直面することになります。各コンポーネントを独自に開発した場合にのみ、簡単に最適化できます。ソフトウェアとハードウェアを分離すると、パフォーマンスを最適化できなくなります。
このように比較すると、NVIDIA Xavier には 90 億個のトランジスタがあり、Tesla FSD HW 3.0 には 60 億個のトランジスタがありますが、Xavier の計算能力指数は HW3.0 ほど良くありません。そして次世代のFSD HWは現行と比べて7倍の性能向上があると言われています。つまり、テスラのチップ設計者であるピーター・バノン氏と彼のチームがNVIDIAの設計者よりも強力であるため、またはソフトウェアとハードウェアを組み合わせるテスラの方法論が優れているためです。ソフトウェアとハードウェアを組み合わせる方法論も、チップの性能向上の重要な理由であるに違いないと私たちは考えています。アルゴリズムとデータを分離するのは得策ではありません。これは、消費者のニーズに対する迅速なフィードバックや迅速な反復には役に立ちません。
したがって、自動運転の分野では、アルゴリズムやチップを分解して個別に販売することは、長期的には良いビジネスではありません。
この記事は EV-tech から出典されています。
psp13880916091
投稿時間: 2020 年 12 月 10 日