« Le marché est entre les mains d'une minorité »
Actuellement, les entreprises qui automatisent la conduite de leurs véhicules peuvent être grossièrement divisées en trois catégories. La première catégorie est un système en boucle fermée, similaire à celui d'Apple (NASDAQ : AAPL). Les composants clés, tels que les puces et les algorithmes, sont fabriqués par leurs soins. Tesla (NASDAQ : TSLA) le fait. Certains constructeurs de véhicules à énergie nouvelle espèrent également s'engager progressivement dans cette voie. La deuxième catégorie est un système ouvert, similaire à Android. Certains constructeurs développent des plateformes intelligentes, d'autres des voitures. Par exemple, Huawei et Baidu (NASDAQ : BIDU) ont des intentions en ce sens. La troisième catégorie est la robotique (taxis autonomes), comme des entreprises comme Waymo.
Cet article analysera principalement la faisabilité de ces trois pistes du point de vue du développement technologique et commercial, et discutera de l'avenir de certains nouveaux constructeurs automobiles et entreprises de conduite autonome. Ne sous-estimez pas la technologie. Pour la conduite autonome, la technologie est essentielle, et la voie technologique clé est la voie stratégique. Cet article propose donc également une discussion sur les différentes stratégies de conduite autonome.
Dans le domaine des voitures intelligentes, notamment de la conduite autonome, l'adoption du modèle en boucle fermée d'Apple peut permettre aux constructeurs d'optimiser et d'améliorer les performances, et de répondre rapidement aux besoins des consommateurs.
Permettez-moi d'abord de parler de performance. La performance est essentielle à la conduite autonome. Seymour Cray, le père des supercalculateurs, a dit un jour une phrase très intéressante : « N'importe qui peut construire un processeur rapide. L'astuce consiste à construire un système rapide. »
Avec l'échec progressif de la loi de Moore, il n'est plus possible d'augmenter les performances en augmentant simplement le nombre de transistors par unité de surface. De plus, en raison des limitations de surface et de consommation d'énergie, l'échelle de la puce est également limitée. Bien entendu, le FSD HW3.0 actuel de Tesla (FSD dit Full Self-Driving) n'est qu'un procédé de 14 nm, et des améliorations sont possibles.
Actuellement, la plupart des puces numériques sont conçues selon l'architecture Von Neumann, avec séparation de la mémoire et du calculateur, qui constitue l'ensemble du système informatique (y compris les smartphones). Des logiciels aux systèmes d'exploitation en passant par les puces, elle est profondément impactée. Cependant, l'architecture Von Neumann n'est pas totalement adaptée à l'apprentissage profond sur lequel repose la conduite autonome et nécessite des améliorations, voire des avancées majeures.
Par exemple, il existe un « mur mémoire » où la calculatrice fonctionne plus vite que la mémoire, ce qui peut entraîner des problèmes de performances. La conception de puces de type cerveau représente une avancée architecturale, mais cette avancée pourrait ne pas être appliquée de sitôt. De plus, le réseau convolutif d'images peut être converti en opérations matricielles, ce qui pourrait ne pas être vraiment adapté aux puces de type cerveau.
Par conséquent, la loi de Moore et l'architecture de Von Neumann étant confrontées à des goulots d'étranglement, les améliorations de performances futures doivent principalement être obtenues grâce à l'architecture DSA (Domain Specific Architecture, qui peut faire référence à des processeurs dédiés). L'architecture DSA a été proposée par John Hennessy et David Patterson, lauréats du prix Turing. Il s'agit d'une innovation relativement récente, dont l'idée peut être mise en pratique immédiatement.
Le concept de DSA peut être compris d'un point de vue macroéconomique. En général, les puces haut de gamme actuelles comportent des milliards, voire des dizaines de milliards de transistors. La manière dont ces nombreux transistors sont répartis, connectés et combinés a un impact considérable sur les performances d'une application spécifique. À l'avenir, il sera nécessaire de construire un « système rapide » prenant en compte l'ensemble des logiciels et du matériel, en s'appuyant sur l'optimisation et l'ajustement de la structure.
Le « mode Android » n’est pas une bonne solution dans le domaine des voitures intelligentes.
Beaucoup pensent qu'à l'ère de la conduite autonome, Apple (boucle fermée) et Android (ouverture) seront présents sur le marché des smartphones, et qu'il y aura également des fournisseurs de logiciels lourds comme Google. Ma réponse est simple : la stratégie Android ne fonctionnera pas pour la conduite autonome, car elle ne correspond pas à l'orientation future du développement technologique des voitures intelligentes.
Le « mode Android » n’est pas une bonne solution dans le domaine des voitures intelligentes.
Beaucoup pensent qu'à l'ère de la conduite autonome, Apple (circuit fermé) et Android (circuit ouvert) apparaîtront également sur le marché des smartphones, et qu'il y aura également des fournisseurs de logiciels lourds comme Google. Ma réponse est simple : Android ne fonctionnera pas pour la conduite autonome, car il ne répond pas aux exigences de l'architecture des smartphones et des voitures intelligentes. L'écologie est au cœur des préoccupations des smartphones. Un écosystème implique la fourniture de diverses applications basées sur les systèmes d'exploitation ARM et iOS ou Android. Par conséquent, les smartphones Android peuvent être considérés comme la combinaison d'un ensemble de composants standard courants. La norme de la puce est ARM, sur laquelle se trouve le système d'exploitation Android, et diverses applications sont disponibles sur Internet. Grâce à cette standardisation, qu'il s'agisse d'une puce, d'un système Android ou d'une application, ils peuvent facilement devenir une activité indépendante, orientant ainsi le développement futur des technologies des voitures intelligentes.
L'objectif des voitures intelligentes est l'algorithme, ainsi que les données et le matériel qui le supportent. L'algorithme exige des performances extrêmement élevées, qu'il soit entraîné dans le cloud ou déduit sur le terminal. Le matériel de la voiture intelligente nécessite une optimisation poussée des performances pour des applications et algorithmes spécifiques. Par conséquent, seuls les algorithmes, les puces ou les systèmes d'exploitation seront confrontés à des dilemmes d'optimisation des performances à long terme. Seul un développement indépendant de chaque composant permet une optimisation aisée. La séparation du logiciel et du matériel engendre des performances impossibles à optimiser.
On peut comparer les choses ainsi : NVIDIA Xavier possède 9 milliards de transistors, Tesla FSD HW 3.0 en possède 6 milliards, mais l'indice de puissance de calcul de Xavier est inférieur à celui de HW 3.0. On dit aussi que la nouvelle génération de FSD HW présente des performances sept fois supérieures à celles de l'actuel. Cela s'explique par la supériorité de Peter Bannon, concepteur de puces Tesla, et de son équipe sur les concepteurs de NVIDIA, ou par la meilleure méthodologie de Tesla, combinant logiciel et matériel. Nous pensons que cette méthodologie est également un facteur important d'amélioration des performances des puces. Séparer les algorithmes et les données n'est pas judicieux. Cela ne favorise pas une réponse rapide aux besoins des consommateurs ni une itération rapide.
Par conséquent, dans le domaine de la conduite autonome, démonter des algorithmes ou des puces et les vendre séparément n’est pas une bonne affaire à long terme.