В настоящее время компании, которые управляют легковыми автомобилями автоматически, можно условно разделить на три категории.Первая категория — это системы замкнутого цикла, подобные Apple (NASDAQ: AAPL).Ключевые компоненты, такие как чипы и алгоритмы, изготавливаются сами по себе.Tesla (NASDAQ: TSLA) делает это.Некоторые компании, производящие автомобили на новых источниках энергии, также надеются постепенно приступить к этому.эта дорога.Вторая категория — открытая система, похожая на Android.Некоторые производители делают умные платформы, а некоторые — автомобили.Например, у Huawei и Baidu (NASDAQ: BIDU) есть намерения в этом отношении.Третья категория — робототехника (беспилотные такси), например, такие компании, как Waymo.
В этой статье в основном будет проанализирована осуществимость этих трех маршрутов с точки зрения развития технологий и бизнеса, а также обсуждено будущее некоторых производителей новых электромобилей или компаний, занимающихся автономным вождением.Не стоит недооценивать технологии.Для автономного вождения технология — это жизнь, а ключевой путь развития технологий — это стратегический путь.Таким образом, эта статья также представляет собой обсуждение различных стратегий автономного вождения.
В области умных автомобилей, особенно в области автономного вождения, внедрение модели замкнутого цикла Apple может облегчить производителям оптимизацию производительности и повышение производительности.Быстро реагировать на потребности потребителей.
Позвольте мне сначала поговорить о производительности.Производительность важна для автономного вождения.Сеймур Крэй, отец суперкомпьютеров, однажды сказал очень интересное слово: «Любой может создать быстрый процессор. Весь фокус в том, чтобы построить быструю систему».
При постепенном отказе от закона Мура невозможно просто повысить производительность за счет увеличения количества транзисторов на единицу площади.А из-за ограничения площади и энергопотребления ограничен и масштаб чипа.Конечно, нынешний Tesla FSD HW3.0 (FSD называется Full Self-Driving) представляет собой всего лишь 14-нм техпроцесс, и есть возможности для улучшения.
В настоящее время большинство цифровых микросхем разрабатываются на основе архитектуры фон Неймана с разделением памяти и вычислителя, что создает всю систему компьютеров (включая смартфоны).От программного обеспечения до операционных систем и чипов — это глубоко затронуто.Однако архитектура фон Неймана не полностью подходит для глубокого обучения, на котором основано автономное вождение, и требует улучшения или даже прорыва.
Например, существует «стена памяти», где калькулятор работает быстрее, чем память, что может вызвать проблемы с производительностью.Разработка мозгоподобных чипов действительно является прорывом в архитектуре, но слишком большой скачок, возможно, не будет реализован в ближайшее время.Более того, сверточную сеть изображений можно преобразовать в матричные операции, что может не подходить для чипов, подобных мозгу.
Таким образом, поскольку и закон Мура, и архитектура фон Неймана сталкиваются с узкими местами, будущее повышение производительности в основном должно достигаться за счет доменно-специфической архитектуры (DSA, которая может относиться к выделенным процессорам).DSA был предложен лауреатами премии Тьюринга Джоном Хеннесси и Дэвидом Паттерсоном.Это инновация, которая не зашла слишком далеко вперед, и это идея, которую можно немедленно реализовать на практике.
Мы можем понять идею DSA с точки зрения макроса.Как правило, современные высокопроизводительные чипы содержат от миллиардов до десятков миллиардов транзисторов.То, как это огромное количество транзисторов распределено, подключено и объединено, оказывает большое влияние на производительность конкретного приложения.В дальнейшем необходимо строить «быструю систему» с точки зрения программного и аппаратного обеспечения и делать ставку на оптимизацию и корректировку структуры.
«Режим Android» не является хорошим решением в сфере умных автомобилей.
Многие люди полагают, что в эпоху автономного вождения в области смартфонов будут также Apple (замкнутый цикл) и Android (открытый), а также появятся крупные поставщики программного обеспечения, такие как Google.Мой ответ прост.Маршрут Android не будет работать с автономным вождением, поскольку он не соответствует направлению будущего развития технологий умных автомобилей.
Конечно, я бы не сказал, что такие компании, как Tesla и другие компании, должны делать каждый винтик самостоятельно, а многие детали все равно приходится приобретать у производителей аксессуаров.Но самую основную часть, которая влияет на пользовательский опыт, нужно делать самостоятельно, например, все аспекты автономного вождения.
В первом разделе упоминалось, что замкнутый маршрут Apple является лучшим решением.Фактически, это также демонстрирует, что открытый маршрут Android — не лучшее решение в области автономного вождения.
Архитектура смартфонов и умных автомобилей различна.В центре внимания смартфонов – экология.Экосистема означает предоставление различных приложений на базе операционных систем ARM и IOS или Android.Таким образом, Android-смартфоны можно понимать как совокупность множества общих стандартных деталей.Стандарт чипа — ARM, поверх чипа — операционная система Android, а в Интернете есть различные приложения.Благодаря стандартизации, будь то чип, система Android или приложение, оно может легко стать независимым бизнесом.
В центре внимания умных автомобилей — алгоритм, а также данные и аппаратное обеспечение, поддерживающее этот алгоритм.Алгоритм требует чрезвычайно высокой производительности независимо от того, обучается ли он в облаке или выводится на терминале.Аппаратное обеспечение умного автомобиля требует значительной оптимизации производительности для конкретных специализированных приложений и алгоритмов.Следовательно, в долгосрочной перспективе с дилеммами оптимизации производительности столкнутся только алгоритмы, или только чипы, или только операционные системы.Только когда каждый компонент разрабатывается сам по себе, его можно легко оптимизировать.Разделение программного и аппаратного обеспечения приведет к невозможности оптимизации производительности.
Мы можем сравнить это так: у NVIDIA Xavier 9 миллиардов транзисторов, у Tesla FSD HW 3.0 6 миллиардов транзисторов, но индекс вычислительной мощности Xavier не так хорош, как у HW3.0.И говорят, что FSD HW следующего поколения имеет улучшение производительности в 7 раз по сравнению с текущим.Итак, это потому, что разработчик чипов Tesla Питер Бэннон и его команда сильнее, чем дизайнеры NVIDIA, или потому, что методология Теслы по объединению программного и аппаратного обеспечения лучше.Мы считаем, что методология объединения программного и аппаратного обеспечения также должна быть важной причиной улучшения производительности чипов.Разделение алгоритмов и данных — не лучшая идея.Это не способствует быстрой обратной связи с потребностями потребителей и быстрой итерации.
Поэтому в сфере автономного вождения разбирать алгоритмы или чипы и продавать их по отдельности — не лучший бизнес в долгосрочной перспективе.
Источником этой статьи является EV-tech.
psp13880916091
Время публикации: 10 декабря 2020 г.