"Ang merkado ay nasa kamay ng minorya"
Sa kasalukuyan, ang mga kumpanyang awtomatikong nagmamaneho ng mga pampasaherong sasakyan ay halos nahahati sa tatlong kategorya. Ang unang kategorya ay isang closed-loop system na katulad ng Apple (NASDAQ: AAPL). Ang mga pangunahing bahagi tulad ng mga chip at algorithm ay ginawa ng kanilang mga sarili. Ginagawa ito ni Tesla (NASDAQ: TSLA). Ang ilang mga bagong kumpanya ng enerhiya ng kotse ay umaasa din na unti-unting simulan ito. ang kalsadang ito. Ang pangalawang kategorya ay isang bukas na sistema na katulad ng Android. Ang ilang mga tagagawa ay gumagawa ng mga matalinong platform, at ang ilan ay gumagawa ng mga kotse. Halimbawa, ang Huawei at Baidu (NASDAQ: BIDU) ay may mga intensyon sa bagay na ito. Ang ikatlong kategorya ay robotics (mga taxi na walang driver), tulad ng mga kumpanya tulad ng Waymo.
Pangunahing susuriin ng artikulong ito ang pagiging posible ng tatlong rutang ito mula sa pananaw ng teknolohiya at pag-unlad ng negosyo, at tatalakayin ang hinaharap ng ilang bagong power car manufacturer o autonomous na kumpanya sa pagmamaneho. Huwag maliitin ang teknolohiya. Para sa autonomous na pagmamaneho, ang teknolohiya ay buhay, at ang pangunahing landas ng teknolohiya ay ang madiskarteng landas. Kaya ang artikulong ito ay isang talakayan din sa iba't ibang mga landas ng mga autonomous na diskarte sa pagmamaneho.
Sa larangan ng mga matalinong kotse, lalo na sa larangan ng autonomous na pagmamaneho, ang pagpapatibay ng closed-loop na modelo ng Apple ay maaaring gawing mas madali para sa mga tagagawa na i-optimize ang pagganap at pagbutihin ang pagganap. Mabilis na tumugon sa mga pangangailangan ng mamimili.
Let me talk about performance muna. Mahalaga ang pagganap para sa autonomous na pagmamaneho. Si Seymour Cray, ang ama ng mga supercomputer, ay minsang nagsabi ng isang napaka-kagiliw-giliw na salita, "Kahit sino ay maaaring bumuo ng isang mabilis na CPU. Ang lansihin ay upang bumuo ng isang mabilis na sistema".
Sa unti-unting pagkabigo ng Batas ni Moore, hindi magagawa na pataasin lamang ang pagganap sa pamamagitan ng pagtaas ng bilang ng mga transistor sa bawat unit area. At dahil sa limitasyon ng lugar at pagkonsumo ng enerhiya, limitado rin ang sukat ng chip. Siyempre, ang kasalukuyang Tesla FSD HW3.0 (FSD ay tinatawag na Full Self-Driving) ay isang 14nm na proseso lamang, at may puwang para sa pagpapabuti.
Sa kasalukuyan, karamihan sa mga digital chip ay idinisenyo batay sa Von Neumann Architecture na may paghihiwalay ng memorya at calculator, na lumilikha ng buong sistema ng mga computer (kabilang ang mga smart phone). Mula sa software hanggang sa mga operating system hanggang sa mga chips, ito ay lubhang apektado. Gayunpaman, ang Von Neumann Architecture ay hindi ganap na angkop para sa malalim na pag-aaral na umaasa sa autonomous na pagmamaneho, at nangangailangan ng pagpapabuti o kahit na pambihirang tagumpay.
Halimbawa, mayroong isang "memory wall" kung saan ang calculator ay tumatakbo nang mas mabilis kaysa sa memorya, na maaaring magdulot ng mga problema sa pagganap. Ang disenyo ng mga chip na tulad ng utak ay may isang pambihirang tagumpay sa arkitektura, ngunit ang paglukso nang napakalayo ay maaaring hindi mailapat sa lalong madaling panahon. Bukod dito, ang image convolutional network ay maaaring ma-convert sa matrix operations, na maaaring hindi talaga angkop para sa mga chip na parang utak.
Samakatuwid, dahil ang Batas ni Moore at ang arkitektura ng Von Neumann ay parehong nakakaharap ng mga bottleneck, ang mga pagpapahusay sa pagganap sa hinaharap ay pangunahing kailangang makamit sa pamamagitan ng Domain Specific Architecture (DSA, na maaaring sumangguni sa mga dedikadong processor). Ang DSA ay iminungkahi ng mga nagwagi ng Turing Award na sina John Hennessy at David Patterson. Ito ay isang inobasyon na hindi masyadong malayo, at isang ideya na maaaring isabuhay kaagad.
Maiintindihan natin ang ideya ng DSA mula sa macro perspective. Sa pangkalahatan, ang kasalukuyang mga high-end na chip ay may bilyun-bilyon hanggang sampu-sampung bilyong transistor. Kung paano naipamahagi, nakakonekta, at pinagsama ang napakalaking bilang ng mga transistor na ito ay may malaking epekto sa pagganap ng isang partikular na aplikasyon. Sa hinaharap, kinakailangan na bumuo ng isang "mabilis na sistema" mula sa pangkalahatang pananaw ng software at hardware, at umasa sa pag-optimize at pagsasaayos ng istraktura.
Ang "Android mode" ay hindi magandang solusyon sa larangan ng mga smart car.
Maraming tao ang naniniwala na sa panahon ng autonomous driving, mayroon ding Apple (closed loop) at Android (open) sa larangan ng mga smart phone, at magkakaroon din ng mga heavy-core na software provider tulad ng Google. Simple lang ang sagot ko. Hindi gagana ang ruta ng Android sa autonomous na pagmamaneho dahil hindi nito natutugunan ang direksyon ng pagbuo ng teknolohiya ng smart car sa hinaharap.
Ang "Android mode" ay hindi magandang solusyon sa larangan ng mga smart car.
Maraming tao ang naniniwala na sa panahon ng autonomous driving, mayroon ding Apple (closed loop) at Android (open) sa larangan ng mga smart phone, at magkakaroon din ng mga heavy-core na software provider tulad ng Google. Simple lang ang sagot ko. Ang ruta ng Android ay hindi gagana sa autonomous na pagmamaneho dahil hindi ito nakakatugon sa Ang arkitektura ng mga smart phone at smart car ay iba. Ang pokus ng mga smartphone ay ekolohiya. Ang ibig sabihin ng Ecosystem ay pagbibigay ng iba't ibang mga application batay sa ARM at IOS o Android operating system. Samakatuwid, ang mga Android smart phone ay mauunawaan bilang kumbinasyon ng isang grupo ng mga karaniwang karaniwang bahagi. Ang chip standard ay ARM, sa ibabaw ng chip ay ang Android operating system, at pagkatapos ay mayroong iba't ibang apps sa Internet. Dahil sa standardisasyon nito, ito man ay isang chip, isang Android system, o isang App, madali itong maging isang negosyo nang nakapag-iisa.direksyon ng hinaharap na pagbuo ng teknolohiya ng smart car.
Ang focus ng mga smart car ay ang algorithm at ang data at hardware na sumusuporta sa algorithm. Ang algorithm ay nangangailangan ng napakataas na pagganap kung ito ay sinanay sa cloud o hinuha sa terminal. Ang hardware ng matalinong kotse ay nangangailangan ng maraming pag-optimize ng pagganap para sa mga partikular na dalubhasang application at algorithm. Samakatuwid, ang mga algorithm lamang o mga chips lamang o mga operating system lamang ang haharap sa mga problema sa pag-optimize ng pagganap sa katagalan. Tanging kapag ang bawat bahagi ay binuo nang mag-isa, madali itong ma-optimize. Ang paghihiwalay ng software at hardware ay magreresulta sa pagganap na hindi ma-optimize.
Maihahambing natin ito sa ganitong paraan, ang NVIDIA Xavier ay mayroong 9 bilyong transistor, ang Tesla FSD HW 3.0 ay may 6 na bilyong transistor, ngunit ang index ng kapangyarihan ng pag-compute ng Xavier ay hindi kasing ganda ng HW3.0. At sinasabing ang susunod na henerasyon na FSD HW ay may pagpapabuti ng pagganap ng 7 beses kumpara sa kasalukuyan. Kaya, ito ay dahil ang Tesla chip designer na si Peter Bannon at ang kanyang koponan ay mas malakas kaysa sa mga taga-disenyo ng NVIDIA, o dahil ang pamamaraan ng Tesla sa pagsasama-sama ng software at hardware ay mas mahusay. Sa tingin namin ang pamamaraan ng pagsasama-sama ng software at hardware ay dapat ding maging isang mahalagang dahilan para sa pagpapabuti ng pagganap ng chip. Ang paghihiwalay ng mga algorithm at data ay hindi magandang ideya. Hindi ito nakakatulong sa mabilis na feedback sa mga pangangailangan ng consumer at mabilis na pag-ulit.
Samakatuwid, sa larangan ng autonomous na pagmamaneho, ang pag-disassemble ng mga algorithm o chips at pagbebenta ng mga ito nang hiwalay ay hindi isang magandang negosyo sa katagalan.