"El mercado está en manos de minorías"
Actualmente, las empresas que conducen turismos de forma automática se pueden dividir a grandes rasgos en tres categorías. La primera categoría es un sistema de circuito cerrado similar al de Apple (NASDAQ: AAPL). Los componentes clave, como chips y algoritmos, los fabrican ellos mismos. Tesla (NASDAQ:TSLA) hace esto. Algunas empresas de automóviles de nueva energía también esperan embarcarse gradualmente en ello. este camino. La segunda categoría es un sistema abierto similar a Android. Algunos fabricantes fabrican 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.
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 empresas de conducción autónoma. No subestimes la tecnología. Para la conducción autónoma, la tecnología es vida y el camino tecnológico clave es el camino estratégico. Así que este artículo también es una discusión sobre los diferentes caminos de las estrategias de conducción autónoma.
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 a los fabricantes optimizar y mejorar el rendimiento. Responder rápidamente a las necesidades de los consumidores.
Permítanme 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 consiste en construir un sistema rápido".
Con el fracaso gradual de la Ley de Moore, no es factible simplemente aumentar el rendimiento aumentando el número de transistores por unidad de área. Y debido a la limitación de área y consumo de energía, la escala del chip también es limitada. Por supuesto, el Tesla FSD HW3.0 actual (FSD se llama Full Self-Driving) es solo un proceso de 14 nm y hay margen de mejora.
En la actualidad, la mayoría de los chips digitales están diseñados en base a la Arquitectura Von Neumann con la separación de memoria y calculadora, que crea todo el sistema de computadoras (incluidos los teléfonos inteligentes). Desde el software hasta los sistemas operativos y los chips, se ve 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 mejoras o incluso avances.
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 el salto demasiado lejos no se aplique pronto. Además, la red convolucional de imágenes se puede convertir en operaciones matriciales, lo que puede no ser realmente adecuado para chips similares a cerebros.
Por lo tanto, como la Ley de Moore y la arquitectura de Von Neumann encuentran cuellos de botella, las futuras mejoras de rendimiento deben lograrse principalmente a través de la Arquitectura de dominio específico (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 está demasiado avanzada y es una idea que se puede poner en práctica de inmediato.
Podemos entender la idea de DSA desde una perspectiva macro. Generalmente, los chips de alta gama actuales tienen entre miles de millones 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, 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.
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 existirán Apple (circuito cerrado) y Android (abierto) en el campo de los teléfonos inteligentes, y también habrá proveedores de software de núcleo pesado como Google. Mi respuesta es simple. La ruta de Android no funcionará en la conducción autónoma porque no sigue la dirección del futuro desarrollo de la tecnología de los automóviles 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 existirán Apple (circuito cerrado) y Android (abierto) en el campo de los teléfonos inteligentes, y también habrá proveedores de software de núcleo pesado 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 automóviles inteligentes es diferente. El foco de los teléfonos inteligentes es la ecología. Ecosistema significa proporcionar diversas aplicaciones basadas en los sistemas operativos ARM y IOS o Android. Por lo tanto, los teléfonos inteligentes con Android pueden entenderse como una combinación de un conjunto de piezas estándar comunes. El estándar del chip es ARM, encima del chip está el sistema operativo Android y luego hay varias 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 de la tecnología de automóviles inteligentes.
El objetivo de los coches inteligentes es el algoritmo y los datos y el hardware que respaldan el algoritmo. El algoritmo requiere un rendimiento extremadamente alto, ya sea que se entrene en la nube o se infiera en el terminal. El hardware del coche inteligente requiere mucha optimización del rendimiento para aplicaciones y algoritmos especializados específicos. Por lo tanto, sólo los algoritmos o sólo los chips o sólo los sistemas operativos se enfrentarán a dilemas de optimización del rendimiento a largo plazo. Sólo cuando cada componente se desarrolla por sí mismo se puede optimizar fácilmente. La separación de software y hardware dará como resultado un rendimiento que no se puede optimizar.
Podemos compararlo de esta manera: NVIDIA Xavier tiene 9 mil millones de transistores y Tesla FSD HW 3.0 tiene 6 mil millones de transistores, pero el índice de potencia informática de Xavier no es tan bueno como el de 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 mejorar el rendimiento del chip. Separar algoritmos y datos no es una buena idea. No favorece una retroalimentación rápida sobre las necesidades de los consumidores ni una iteración rápida.
Por tanto, en el ámbito de la conducción autónoma, desmontar algoritmos o chips y venderlos por separado no es un buen negocio a largo plazo.