Das grausame Ende des autonomen Fahrens: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, wer kann die Fußnote der Geschichte werden?

"Der Markt ist in den Händen der Minderheit"

Gegenwärtig können Unternehmen, die Fahrgastwagen automatisch fahren, in drei Kategorien grob unterteilt werden. Die erste Kategorie ist ein System mit geschlossenem Kreislauf ähnlich wie Apple (NASDAQ: AAPL). Die Schlüsselkomponenten wie Chips und Algorithmen werden von sich selbst hergestellt. Tesla (Nasdaq: TSLA) tut dies. Einige neue Energy Car -Unternehmen hoffen auch, sich schrittweise darauf einlassen. diese Straße. Die zweite Kategorie ist ein offenes System ähnlich wie Android. Einige Hersteller machen intelligente Plattformen und andere Autos. Zum Beispiel haben Huawei und Baidu (Nasdaq: Bidu) diesbezüglich Absichten. Die dritte Kategorie ist Robotik (fahrerlose Taxis) wie Unternehmen wie Waymo.

picture-is-from-pexels1

In diesem Artikel wird hauptsächlich die Machbarkeit dieser drei Routen aus der Sicht der Technologie und der Geschäftsentwicklung analysiert und die Zukunft einiger neuer Power Car -Hersteller oder autonomer Fahrer diskutieren. Unterschätze die Technologie nicht. Für autonomes Fahren ist die Technologie das Leben und der wichtige Technologieweg ist der strategische Weg. Dieser Artikel ist also auch eine Diskussion über die verschiedenen Wege autonomer Fahrstrategien.

Die Ära der Software- und Hardware -Integration ist eingetroffen. Das von Tesla dargestellte "Apple -Modell" ist der beste Weg.

Im Bereich Smart Cars, insbesondere im Bereich des autonomen Fahrens, kann das Einnehmen von Apple Closed-Loop-Modell den Herstellern erleichtert, die Leistung zu optimieren und die Leistung zu verbessern. Reagieren schnell auf die Bedürfnisse der Verbraucher.
Lassen Sie mich zuerst über die Leistung sprechen. Die Leistung ist für das autonome Fahren von wesentlicher Bedeutung. Seymour Cray, der Vater von Supercomputern, sagte einmal ein sehr interessantes Wort: "Jeder kann eine schnelle CPU erstellen. Der Trick besteht darin, ein schnelles System aufzubauen."
Mit dem allmählichen Versagen von Mooreschen Gesetz ist es nicht möglich, die Leistung einfach zu erhöhen, indem die Anzahl der Transistoren pro Flächeneinheit erhöht wird. Und aufgrund der Einschränkung von Flächen und Energieverbrauch ist auch die Skala des Chip begrenzt. Natürlich ist der aktuelle Tesla FSD HW3.0 (FSD wird als vollständige Selbstfahrer) nur ein 14-nm-Prozess, und es gibt Platz für Verbesserungen.
Derzeit werden die meisten digitalen Chips auf der Basis der von Neumann -Architektur mit der Trennung von Speicher und Rechner entwickelt, wodurch das gesamte Computersystem (einschließlich Smartphones) erstellt wird. Von Software über Betriebssysteme bis hin zu Chips ist sie zutiefst betroffen. Die von Neumann -Architektur ist jedoch nicht vollständig für das tiefgreifende Lernen geeignet, auf das autonomes Fahren abhängt, und muss verbessert oder sogar durchbruch.
Zum Beispiel gibt es eine "Speicherwand", bei der der Taschenrechner schneller als der Speicher läuft, was zu Leistungsproblemen führen kann. Das Design von hirnartigen Chips hat einen Durchbruch in der Architektur, aber der Sprung zu weit wird möglicherweise nicht bald angewendet. Darüber hinaus kann das Bildverteilungsnetzwerk in Matrixoperationen umgewandelt werden, was möglicherweise nicht wirklich für hirnähnliche Chips geeignet ist.
Daher müssen beider Engpässe, da die Architektur von Moore und von der von von Neumann begegnen, zukünftige Leistungsverbesserungen hauptsächlich durch domänenspezifische Architektur (DSA, die sich auf dedizierte Prozessoren beziehen können) erreicht werden. Die DSA wurde von John Hennessy und David Patterson von Turing Awards vorgeschlagen. Es ist eine Innovation, die nicht zu weit vorwärts ist und eine Idee ist, die sofort in die Praxis umgesetzt werden kann.
Wir können die Idee von DSA aus makroischer Sicht verstehen. Im Allgemeinen haben die aktuellen High-End-Chips Milliarden bis zehn Milliarden Transistoren. Wie diese große Anzahl von Transistoren verteilt, verbunden und kombiniert werden, hat einen großen Einfluss auf die Leistung einer bestimmten Anwendung. In Zukunft ist es notwendig, ein "schnelles System" aus der Gesamtperspektive von Software und Hardware zu erstellen und sich auf die Optimierung und Anpassung der Struktur zu verlassen.

ACASV (3)

"Android -Modus" ist keine gute Lösung im Bereich intelligenter Autos.

Viele Menschen glauben, dass es im Zeitalter des autonomen Fahrens auch Apple (geschlossene Schleife) und Android (Open) im Bereich der Smartphones gibt, und es wird auch Softwareanbieter wie Google mit schweren Core-Software geben. Meine Antwort ist einfach. Die Android -Route wird nicht mit autonomem Fahren funktionieren, da sie nicht der Richtung der zukünftigen Entwicklung der Smart Car -Technologie entspricht.

"Android -Modus" ist keine gute Lösung im Bereich intelligenter Autos.

Viele Menschen glauben, dass es im Zeitalter des autonomen Fahrens auch Apple (geschlossene Schleife) und Android (Open) im Bereich der Smartphones gibt, und es wird auch Softwareanbieter wie Google mit schweren Core-Software geben. Meine Antwort ist einfach. Die Android -Route funktioniert nicht mit autonomem Fahren, da sie nicht der Architektur von Smartphones und Smart Cars entspricht, ist anders. Der Schwerpunkt von Smartphones liegt in der Ökologie. Ökosystem bedeutet, verschiedene Anwendungen auf der Grundlage von ARM- und iOS- oder Android -Betriebssystemen bereitzustellen. Daher können Android -Smartphones als Kombination aus einer Reihe gemeinsamer Standardteile verstanden werden. Der Chip -Standard ist Arm, oben im Chip befindet sich das Android -Betriebssystem, und dann gibt es verschiedene Apps im Internet. Aufgrund seiner Standardisierung, egal ob es sich um einen Chip, ein Android -System oder eine App handelt, kann es leicht zu einem Geschäft werden.

CX
ACASV (1)

Der Schwerpunkt von Smart Cars liegt auf dem Algorithmus und der Daten und der Hardware, die den Algorithmus unterstützt. Der Algorithmus erfordert eine extrem hohe Leistung, unabhängig davon, ob er in der Wolke trainiert oder am Terminal abgeleitet wird. Die Hardware des intelligenten Autos erfordert viel Leistungsoptimierung für spezifische spezielle Anwendungen und Algorithmen. Daher werden auf lange Sicht nur Algorithmen oder nur Chips oder nur Betriebssysteme Leistungsoptimierungsdilemmata ausgesetzt. Nur wenn jede Komponente von selbst entwickelt wird, kann sie leicht optimiert werden. Die Trennung von Software und Hardware führt zu einer Leistung, die nicht optimiert werden kann.

Wir können es so vergleichen, Nvidia Xavier hat 9 Milliarden Transistoren, Tesla FSD HW 3.0 hat 6 Milliarden Transistoren, aber der Rechenleistungsindex von Xavier ist nicht so gut wie HW3.0. Und es wird gesagt, dass der FSD HW der nächsten Generation eine Leistungsverbesserung von 7-fach im Vergleich zum aktuellen. Es liegt also daran, dass der Tesla -Chip -Designer Peter Bannon und sein Team stärker sind als die Designer von Nvidia oder daran, dass die Methode von Tesla, Software und Hardware zu kombinieren, besser ist. Wir sind der Meinung, dass die Methode zur Kombination von Software und Hardware auch ein wichtiger Grund für die Verbesserung der Chipleistung sein muss. Das Trennen von Algorithmen und Daten ist keine gute Idee. Es ist nicht förderlich für ein schnelles Feedback zu den Bedürfnissen der Verbraucher und der schnellen Iteration.

Auf dem Gebiet des autonomen Fahrens ist das Zerlegen von Algorithmen oder Chips und dem separaten Verkauf auf lange Sicht kein gutes Geschäft.

Dec-10-2020