El cruel final de la conducción autónoma: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, ¿quién puede convertirse en la nota al pie de la historia?

"El mercado está en manos de la minoría"

Actualmente, las compañías que conducen automóviles de pasajeros automáticamente pueden dividirse aproximadamente en tres categorías. La primera categoría es un sistema de circuito cerrado similar a Apple (NASDAQ: AAPL). Los componentes clave, como chips y algoritmos, se realizan por sí mismos. Tesla (NASDAQ: TSLA) hace esto. Algunas nuevas compañías de automóviles de energía también esperan embarcarse gradualmente. este camino. La segunda categoría es un sistema abierto similar a Android. Algunos fabricantes fabrican plataformas inteligentes y otros hacen autos. Por ejemplo, Huawei y Baidu (Nasdaq: Bidu) tienen intenciones a este respecto. La tercera categoría es la robótica (taxis sin conductor), como compañías como Waymo.

Imagen-es-from-Pexels1

Este artículo analizará principalmente la viabilidad de estas tres rutas desde la perspectiva de la tecnología y el desarrollo empresarial, y discutirá el futuro de algunos nuevos fabricantes de automóviles eléctricos o compañías de manejo autónomas. No subestimes la tecnología. Para la conducción autónoma, la tecnología es la vida, y la ruta clave de la tecnología es la ruta estratégica. Entonces, este artículo también es una discusión sobre los diferentes caminos de las estrategias de conducción autónoma.

La era de la integración de software y hardware ha llegado. El "modelo de Apple" representado por Tesla es el mejor camino.

En el campo de los automóviles inteligentes, especialmente en el campo de la conducción autónoma, la adopción del modelo de circuito cerrado de Apple puede facilitar que los fabricantes optimicen el rendimiento y mejoren el rendimiento. Responda rápidamente a las necesidades del consumidor.
Déjame hablar primero sobre el rendimiento. El rendimiento es esencial para la conducción autónoma. Seymour Cray, el padre de las supercomputadoras, dijo una vez una palabra muy interesante: "Cualquiera puede construir una CPU rápida. El truco es construir un sistema rápido".
Con la falla gradual de la ley de Moore, no es factible simplemente aumentar el rendimiento al aumentar el número de transistores por unidad de área. Y debido a la limitación del área y el consumo de energía, la escala del chip también es limitada. Por supuesto, el Tesla FSD actual HW3.0 (FSD se llama autónomo completo) es solo un proceso de 14 nm, y hay espacio para mejorar.
En la actualidad, la mayoría de los chips digitales están diseñados en base a la arquitectura von Neumann con la separación de la memoria y la calculadora, que crea todo el sistema de computadoras (incluidos los teléfonos inteligentes). Desde software hasta sistemas operativos y chips, está profundamente afectado. Sin embargo, la arquitectura von Neumann no es completamente adecuada para el aprendizaje profundo en el que se basa la conducción autónoma, y ​​necesita mejora o incluso un avance.
Por ejemplo, hay una "pared de memoria" donde la calculadora se ejecuta más rápido que la memoria, lo que puede causar problemas de rendimiento. El diseño de chips como cerebro tiene un avance en la arquitectura, pero el salto demasiado lejos puede no aplicarse pronto. Además, la red convolucional de la imagen se puede convertir en operaciones de matriz, lo que puede no ser realmente adecuado para chips de cerebro.
Por lo tanto, a medida que la ley de Moore y la arquitectura von Neumann se encuentran con cuellos de botella, las mejoras futuras del rendimiento deben lograrse principalmente a través de la arquitectura específica del dominio (DSA, que puede referirse a procesadores dedicados). DSA fue propuesto por los ganadores del premio Turing John Hennessy y David Patterson. Es una innovación que no es demasiado avanzada, y es una idea que se puede poner en práctica de inmediato.
Podemos entender la idea de DSA desde una perspectiva macro. En general, los chips actuales de alta gama tienen miles de millones de decenas de miles de millones de transistores. Cómo se distribuyen, conectan y combinan estos grandes números de transistores en el rendimiento de una aplicación específica. En el futuro, es necesario construir un "sistema rápido" desde la perspectiva general del software y el hardware, y confiar en la optimización y el ajuste de la estructura.

ACASV (3)

El "modo Android" no es una buena solución en el campo de los autos inteligentes.

Muchas personas creen que en la era de la conducción autónoma, también hay Apple (bucle cerrado) y Android (abierto) en el campo de los teléfonos inteligentes, y también habrá proveedores de software de gran núcleo como Google. Mi respuesta es simple. La ruta de Android no funcionará en la conducción autónoma porque no cumple con la dirección del futuro desarrollo de tecnología de automóviles inteligentes.

El "modo Android" no es una buena solución en el campo de los autos inteligentes.

Muchas personas creen que en la era de la conducción autónoma, también hay Apple (bucle cerrado) y Android (abierto) en el campo de los teléfonos inteligentes, y también habrá proveedores de software de gran núcleo como Google. Mi respuesta es simple. La ruta de Android no funcionará en la conducción autónoma porque no cumple con la arquitectura de los teléfonos inteligentes y los autos inteligentes es diferente. El enfoque de los teléfonos inteligentes es la ecología. El ecosistema significa proporcionar varias aplicaciones basadas en los sistemas operativos ARM y iOS o Android. Por lo tanto, los teléfonos inteligentes de Android pueden entenderse como una combinación de un montón de piezas estándar comunes. El estándar de chip es el brazo, además del chip, se encuentra el sistema operativo Android, y luego hay varias aplicaciones en Internet. Debido a su estandarización, ya sea un chip, un sistema de Android o una aplicación, puede convertirse fácilmente en un negocio de forma independiente. Dirección del futuro desarrollo de tecnología de automóviles inteligentes.

CX
ACASV (1)

El enfoque de los autos inteligentes es el algoritmo y los datos y el hardware que admiten el algoritmo. El algoritmo requiere un rendimiento extremadamente alto, ya sea entrenado en la nube o se infiere en la terminal. El hardware del automóvil inteligente requiere una gran optimización de rendimiento para aplicaciones y algoritmos especializados específicos. Por lo tanto, solo los algoritmos o solo chips o solo sistemas operativos enfrentarán dilemas de optimización de rendimiento a largo plazo. Solo cuando cada componente se desarrolla por sí mismo se puede optimizar fácilmente. La separación del software y el hardware dará como resultado un rendimiento que no se puede optimizar.

Podemos compararlo de esta manera, Nvidia Xavier tiene 9 mil millones de transistores, Tesla FSD HW 3.0 tiene 6 mil millones de transistores, pero el índice de potencia informática de Xavier no es tan bueno como HW3.0. Y se dice que el FSD HW de próxima generación tiene una mejora del rendimiento de 7 veces en comparación con la actual. Entonces, se debe a que el diseñador de chips de Tesla Peter Bannon y su equipo son más fuertes que los diseñadores de Nvidia, o porque la metodología de Tesla de combinar software y hardware es mejor. Creemos que la metodología de combinar software y hardware también debe ser una razón importante para la mejora del rendimiento del chip. Separar algoritmos y datos no es una buena idea. No es propicio para la retroalimentación rápida sobre las necesidades del consumidor y la rápida iteración.

Por lo tanto, en el campo de la conducción autónoma, los algoritmos de desmontaje o las papas fritas y venderlas por separado no es un buen negocio a largo plazo.

Dic-10-2020