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

"El mercado está en manos de una minoría"

Actualmente, las empresas que impulsan vehículos de pasajeros de forma automática se pueden dividir en tres categorías. La primera categoría es un sistema de circuito cerrado similar a Apple (NASDAQ: AAPL). Los componentes clave, como chips y algoritmos, son de fabricación propia. Tesla (NASDAQ: TSLA) se dedica a esto. Algunas empresas de automóviles de nuevas energías también esperan embarcarse gradualmente en este camino. La segunda categoría es un sistema abierto similar a Android. Algunos fabricantes crean plataformas inteligentes y otros fabrican automóviles. Por ejemplo, Huawei y Baidu (NASDAQ: BIDU) tienen intenciones en este sentido. La tercera categoría es la robótica (taxis sin conductor), como la de empresas como Waymo.

La imagen es de PEXELS1

Este artículo analizará principalmente la viabilidad de estas tres rutas desde la perspectiva del desarrollo tecnológico y empresarial, y analizará el futuro de algunos nuevos fabricantes de vehículos eléctricos o empresas de conducción autónoma. No subestime la tecnología. Para la conducción autónoma, la tecnología es vital, y la ruta tecnológica clave es la estratégica. Por lo tanto, este artículo también aborda las diferentes estrategias de conducción autónoma.

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

En el ámbito de los coches inteligentes, especialmente en el de la conducción autónoma, la adopción del modelo de circuito cerrado de Apple facilita a los fabricantes optimizar y mejorar el rendimiento. Responder rápidamente a las necesidades de los consumidores.
Primero, hablemos del rendimiento. El rendimiento es esencial para la conducción autónoma. Seymour Cray, el padre de las supercomputadoras, dijo una vez algo muy interesante: «Cualquiera puede construir una CPU rápida. La clave está en construir un sistema rápido».
Con el fracaso gradual de la Ley de Moore, no es factible aumentar el rendimiento simplemente incrementando el número de transistores por unidad de área. Además, debido a la limitación de área y consumo de energía, la escala del chip también es limitada. Por supuesto, el actual Tesla FSD HW3.0 (FSD se denomina Full Self-Driving) es un proceso de tan solo 14 nm, y hay margen de mejora.
Actualmente, la mayoría de los chips digitales se diseñan con base en la Arquitectura Von Neumann, que separa la memoria del procesador, lo que crea todo el sistema informático (incluidos los teléfonos inteligentes). Desde el software hasta los sistemas operativos y los chips, esta arquitectura se ve profundamente afectada. Sin embargo, la Arquitectura Von Neumann no es completamente adecuada para el aprendizaje profundo del que depende la conducción autónoma, y ​​necesita mejoras o incluso avances revolucionarios.
Por ejemplo, existe un "muro de memoria" donde la calculadora funciona más rápido que la memoria, lo que puede causar problemas de rendimiento. El diseño de chips similares a cerebros supone un gran avance en la arquitectura, pero es posible que este salto tan grande no se aplique pronto. Además, la red convolucional de imágenes puede convertirse en operaciones matriciales, lo cual podría no ser realmente adecuado para chips similares a cerebros.
Por lo tanto, dado que tanto la Ley de Moore como la arquitectura de Von Neumann presentan cuellos de botella, las futuras mejoras de rendimiento deben lograrse principalmente mediante la Arquitectura Específica del Dominio (DSA, que puede referirse a procesadores dedicados). La DSA fue propuesta por los ganadores del Premio Turing, John Hennessy y David Patterson. Se trata de una innovación no muy avanzada y una idea que puede implementarse de inmediato.
Podemos comprender el concepto de DSA desde una perspectiva macro. Generalmente, los chips de gama alta actuales cuentan con entre miles y decenas de miles de millones de transistores. La forma en que se distribuyen, conectan y combinan estas enormes cantidades de transistores tiene un gran impacto en el rendimiento de una aplicación específica. En el futuro, será necesario construir un sistema rápido desde una perspectiva integral de software y hardware, y basarse en la optimización y el ajuste de la estructura.

acasv (3)

El "modo Android" no es una buena solución en el ámbito de los coches inteligentes.

Mucha gente cree que, en la era de la conducción autónoma, también estarán Apple (de circuito cerrado) y Android (abierto) en el campo de los smartphones, y también habrá proveedores de software de alto rendimiento como Google. Mi respuesta es simple: Android no funcionará en la conducción autónoma porque no se ajusta a la dirección del desarrollo futuro de la tecnología de los coches inteligentes.

El "modo Android" no es una buena solución en el ámbito de los coches inteligentes.

Mucha gente cree que, en la era de la conducción autónoma, también estarán Apple (de circuito cerrado) y Android (abierto) en el campo de los smartphones, y también habrá proveedores de software de núcleo pesado como Google. Mi respuesta es simple: Android no funcionará en la conducción autónoma porque no cumple con las necesidades de la arquitectura de los smartphones y los coches inteligentes. El enfoque de los smartphones es ecológico. Ecosistema significa proporcionar diversas aplicaciones basadas en ARM e iOS o sistemas operativos Android. Por lo tanto, los smartphones Android pueden entenderse como una combinación de un conjunto de componentes estándar comunes. El estándar del chip es ARM, sobre el chip está el sistema operativo Android, y luego existen diversas aplicaciones en internet. Debido a su estandarización, ya sea un chip, un sistema Android o una aplicación, puede convertirse fácilmente en un negocio independiente. Dirección del futuro desarrollo tecnológico de los coches inteligentes.

cx
acasv (1)

El enfoque de los autos inteligentes reside en el algoritmo, los datos y el hardware que lo respaldan. El algoritmo requiere un rendimiento extremadamente alto, ya sea entrenado en la nube o inferido en el terminal. El hardware del auto inteligente requiere una optimización rigurosa del rendimiento para aplicaciones y algoritmos especializados específicos. Por lo tanto, solo los algoritmos, los chips o los sistemas operativos se enfrentarán a dilemas de optimización del rendimiento a largo plazo. Solo cuando cada componente se desarrolla individualmente se puede optimizar fácilmente. La separación del software y el hardware resultará en un rendimiento inoptimizable.

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 de cálculo de Xavier no es tan bueno como el HW3.0. Y se dice que el FSD HW de próxima generación tiene una mejora de rendimiento de 7 veces en comparación con el actual. Entonces, es porque 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 conduce a una retroalimentación rápida sobre las necesidades del consumidor ni a una iteración rápida.

Por lo tanto, en el campo de la conducción autónoma, desmontar algoritmos o chips y venderlos por separado no es un buen negocio a largo plazo.

10 de diciembre de 2020