"Il mercato è nelle mani delle minoranze"
Attualmente, le aziende che guidano automaticamente le autovetture possono essere suddivise approssimativamente in tre categorie. La prima categoria è un sistema a circuito chiuso simile a quello di Apple (NASDAQ: AAPL). I componenti chiave come chip e algoritmi sono realizzati da soli. Tesla (NASDAQ:TSLA) fa questo. Anche alcune aziende produttrici di automobili a nuova energia sperano di intraprenderlo gradualmente. questa strada. La seconda categoria è un sistema aperto simile ad Android. Alcuni produttori realizzano piattaforme intelligenti e altri producono automobili. Ad esempio, Huawei e Baidu (NASDAQ: BIDU) hanno intenzioni in questo senso. La terza categoria è la robotica (taxi senza conducente), come aziende come Waymo.
Questo articolo analizzerà principalmente la fattibilità di questi tre percorsi dal punto di vista della tecnologia e dello sviluppo del business e discuterà il futuro di alcuni nuovi produttori di auto elettriche o società di guida autonoma. Non sottovalutare la tecnologia. Per la guida autonoma, la tecnologia è vita e il percorso tecnologico chiave è il percorso strategico. Quindi questo articolo è anche una discussione sui diversi percorsi delle strategie di guida autonoma.
Nel campo delle auto intelligenti, in particolare nel campo della guida autonoma, l'adozione del modello a circuito chiuso di Apple può rendere più semplice per i produttori ottimizzare e migliorare le prestazioni. Rispondere rapidamente alle esigenze dei consumatori.
Lasciatemi parlare prima delle prestazioni. Le prestazioni sono essenziali per la guida autonoma. Seymour Cray, il padre dei supercomputer, una volta disse una parola molto interessante: "Chiunque può costruire una CPU veloce. Il trucco è costruire un sistema veloce".
Con il graduale fallimento della Legge di Moore, non è più possibile aumentare semplicemente le prestazioni aumentando il numero di transistor per unità di area. E a causa della superficie limitata e del consumo energetico, anche la dimensione del chip è limitata. Naturalmente, l'attuale Tesla FSD HW3.0 (FSD si chiama Full Self-Driving) è un processo di soli 14 nm e c'è spazio per miglioramenti.
Attualmente, la maggior parte dei chip digitali sono progettati sulla base dell'architettura Von Neumann con la separazione di memoria e calcolatrice, che crea l'intero sistema di computer (inclusi gli smartphone). Dal software ai sistemi operativi fino ai chip, è profondamente colpito. Tuttavia, l’architettura Von Neumann non è del tutto adatta al deep learning su cui si basa la guida autonoma e necessita di miglioramenti o addirittura di innovazioni.
Ad esempio, esiste un "muro di memoria" in cui la calcolatrice funziona più velocemente della memoria, il che può causare problemi di prestazioni. La progettazione di chip simili al cervello rappresenta una svolta nell'architettura, ma il salto troppo lontano potrebbe non essere compiuto presto. Inoltre, la rete convoluzionale dell'immagine può essere convertita in operazioni di matrice, che potrebbero non essere realmente adatte per chip simili al cervello.
Pertanto, poiché sia la Legge di Moore che l'architettura di Von Neumann incontrano colli di bottiglia, i futuri miglioramenti delle prestazioni dovranno essere raggiunti principalmente attraverso l'architettura specifica del dominio (DSA, che può fare riferimento a processori dedicati). Il DSA è stato proposto dai vincitori del Premio Turing John Hennessy e David Patterson. È un’innovazione che non è troppo avanzata ed è un’idea che può essere messa in pratica immediatamente.
Possiamo comprendere l’idea dei DSA da una prospettiva macro. In generale, gli attuali chip di fascia alta hanno da miliardi a decine di miliardi di transistor. Il modo in cui questi enormi numeri di transistor vengono distribuiti, collegati e combinati ha un grande impatto sulle prestazioni di un'applicazione specifica. In futuro sarà necessario costruire un "sistema veloce" dal punto di vista complessivo del software e dell'hardware e puntare sull'ottimizzazione e sull'adeguamento della struttura.
La "modalità Android" non è una buona soluzione nel campo delle auto intelligenti.
Molti credono che nell’era della guida autonoma ci saranno anche Apple (circuito chiuso) e Android (aperto) nel campo degli smartphone, e ci saranno anche fornitori di software importanti come Google. La mia risposta è semplice. Il percorso Android non funzionerà sulla guida autonoma perché non soddisfa la direzione del futuro sviluppo della tecnologia delle auto intelligenti.
La "modalità Android" non è una buona soluzione nel campo delle auto intelligenti.
Molti credono che nell’era della guida autonoma ci saranno anche Apple (circuito chiuso) e Android (aperto) nel campo degli smartphone, e ci saranno anche fornitori di software importanti come Google. La mia risposta è semplice. Il percorso Android non funzionerà con la guida autonoma perché non soddisfa i requisiti L'architettura degli smartphone e delle auto intelligenti è diversa. Il focus degli smartphone è l’ecologia. Ecosistema significa fornire varie applicazioni basate su sistemi operativi ARM e IOS o Android. Pertanto, gli smartphone Android possono essere intesi come una combinazione di una serie di parti standard comuni. Lo standard del chip è ARM, sopra il chip c'è il sistema operativo Android e poi ci sono diverse app su Internet. A causa della sua standardizzazione, che si tratti di un chip, di un sistema Android o di un'app, può facilmente diventare un business indipendentemente dalla direzione del futuro sviluppo della tecnologia delle auto intelligenti.
Il focus delle auto intelligenti è l’algoritmo, i dati e l’hardware che supportano l’algoritmo. L'algoritmo richiede prestazioni estremamente elevate sia che venga addestrato nel cloud o dedotto sul terminale. L'hardware dell'auto intelligente richiede molta ottimizzazione delle prestazioni per applicazioni e algoritmi specializzati specifici. Pertanto, solo gli algoritmi o solo i chip o solo i sistemi operativi si troveranno ad affrontare i dilemmi di ottimizzazione delle prestazioni nel lungo periodo. Solo quando ogni componente è sviluppato da solo può essere facilmente ottimizzato. La separazione tra software e hardware comporterà prestazioni che non possono essere ottimizzate.
Possiamo confrontarlo in questo modo, NVIDIA Xavier ha 9 miliardi di transistor, Tesla FSD HW 3.0 ha 6 miliardi di transistor, ma l'indice di potenza di calcolo di Xavier non è buono come HW3.0. E si dice che l'hardware FSD di prossima generazione abbia un miglioramento delle prestazioni di 7 volte rispetto a quello attuale. Quindi, è perché il progettista di chip Tesla Peter Bannon e il suo team sono più forti dei progettisti di NVIDIA, o perché la metodologia di Tesla di combinare software e hardware è migliore. Riteniamo che anche la metodologia di combinazione di software e hardware debba rappresentare un motivo importante per il miglioramento delle prestazioni dei chip. Separare algoritmi e dati non è una buona idea. Non è favorevole a un rapido feedback sulle esigenze dei consumatori e a una rapida iterazione.
Pertanto, nel campo della guida autonoma, smontare algoritmi o chip e venderli separatamente non è un buon affare a lungo termine.