"السوق في أيدي الأقلية"
حاليًا، يمكن تقسيم الشركات التي تُشغّل سيارات الركاب تلقائيًا إلى ثلاث فئات تقريبًا. الفئة الأولى هي نظام مغلق الحلقة، يُشبه نظام Apple (NASDAQ: AAPL). تُصنّع المكونات الرئيسية، مثل الرقاقات والخوارزميات، بنفسها. وهذا ما تفعله شركة Tesla (NASDAQ: TSLA). كما تأمل بعض شركات سيارات الطاقة الجديدة في خوض هذا المجال تدريجيًا. الفئة الثانية هي نظام مفتوح يُشبه نظام Android. بعض الشركات تُصنّع منصات ذكية، وبعضها يُصنّع سيارات. على سبيل المثال، لدى هواوي وبايدو (NASDAQ: BIDU) نوايا في هذا الصدد. الفئة الثالثة هي الروبوتات (سيارات الأجرة ذاتية القيادة)، مثل شركات مثل Waymo.
ستُحلل هذه المقالة بشكل رئيسي جدوى هذه المسارات الثلاثة من منظور التكنولوجيا وتطوير الأعمال، وتناقش مستقبل بعض مُصنّعي السيارات الكهربائية الجديدة أو شركات القيادة الذاتية. لا تستهينوا بالتكنولوجيا. بالنسبة للقيادة الذاتية، التكنولوجيا هي جوهر الحياة، والمسار التكنولوجي الرئيسي هو المسار الاستراتيجي. لذا، تُناقش هذه المقالة أيضًا المسارات المختلفة لاستراتيجيات القيادة الذاتية.
في مجال السيارات الذكية، وخاصةً القيادة الذاتية، يُسهّل اعتماد نموذج آبل المُغلق على المُصنّعين تحسين الأداء والاستجابة السريعة لاحتياجات المستهلكين.
دعوني أتحدث أولاً عن الأداء. الأداء أساسي للقيادة الذاتية. قال سيمور كراي، أبو الحواسيب العملاقة، ذات مرة عبارة مثيرة للاهتمام: "يمكن لأي شخص بناء وحدة معالجة مركزية سريعة. السر يكمن في بناء نظام سريع".
مع الانهيار التدريجي لقانون مور، أصبح من غير الممكن زيادة الأداء بمجرد زيادة عدد الترانزستورات لكل وحدة مساحة. ونظرًا لمحدودية المساحة واستهلاك الطاقة، فإن حجم الشريحة محدود أيضًا. وبالطبع، فإن رقاقة Tesla FSD HW3.0 الحالية (يُطلق عليها FSD اسم القيادة الذاتية الكاملة) مصنوعة بتقنية 14 نانومتر فقط، وهناك مجال للتحسين.
في الوقت الحالي، تُصمَّم معظم الرقائق الرقمية بناءً على بنية فون نيومان، مع فصل الذاكرة عن الآلة الحاسبة، مما يُشكِّل نظام الحواسيب بأكمله (بما في ذلك الهواتف الذكية). وتتأثر هذه البنية بشدة، بدءًا من البرامج وأنظمة التشغيل ووصولًا إلى الرقائق. ومع ذلك، فإن بنية فون نيومان ليست مناسبة تمامًا للتعلم العميق الذي تعتمد عليه القيادة الذاتية، وتحتاج إلى تحسينات أو حتى إنجازات رائدة.
على سبيل المثال، يوجد "جدار ذاكرة" حيث تعمل الآلة الحاسبة أسرع من الذاكرة، مما قد يُسبب مشاكل في الأداء. يُمثل تصميم الرقائق الشبيهة بالدماغ نقلة نوعية في الهندسة المعمارية، ولكن قد لا يُطبق هذا التطور الكبير قريبًا. علاوة على ذلك، يُمكن تحويل شبكة الالتفاف الصوري إلى عمليات مصفوفية، وهو ما قد لا يكون مناسبًا تمامًا للرقائق الشبيهة بالدماغ.
لذلك، نظرًا لأن قانون مور وهندسة فون نيومان يواجهان عقبات، فإن تحسينات الأداء المستقبلية تتطلب بشكل رئيسي هندسة المجال المحدد (DSA)، والتي قد تشير إلى معالجات مخصصة. اقترح جون هينيسي وديفيد باترسون، الحائزان على جائزة تورينج، هندسة المجال المحدد. إنها ابتكار ليس بالبعيد، وفكرة قابلة للتطبيق فورًا.
يمكننا فهم فكرة تحليل البيانات الديناميكية (DSA) من منظور شامل. عمومًا، تحتوي الرقاقات المتطورة الحالية على مليارات وعشرات المليارات من الترانزستورات. ولكيفية توزيع هذه الأعداد الهائلة من الترانزستورات وتوصيلها ودمجها تأثير كبير على أداء أي تطبيق. في المستقبل، من الضروري بناء "نظام سريع" من منظور شامل للبرمجيات والأجهزة، والاعتماد على تحسين هيكله وتعديله.
"وضع أندرويد" ليس حلاً جيدًا في مجال السيارات الذكية.
يعتقد الكثيرون أنه في عصر القيادة الذاتية، ستتواجد آبل (الحلقة المغلقة) وأندرويد (المفتوح) في مجال الهواتف الذكية، وسيكون هناك أيضًا مزودو برامج قوية مثل جوجل. إجابتي بسيطة: لن ينجح نظام أندرويد في مجال القيادة الذاتية لأنه لا يتماشى مع اتجاه تطوير تكنولوجيا السيارات الذكية في المستقبل.
"وضع أندرويد" ليس حلاً جيدًا في مجال السيارات الذكية.
يعتقد الكثير من الناس أنه في عصر القيادة الذاتية، توجد أيضًا Apple (حلقة مغلقة) وAndroid (مفتوح) في مجال الهواتف الذكية، وسيكون هناك أيضًا مزودو برامج ثقيلة مثل Google. إجابتي بسيطة. لن يعمل مسار Android على القيادة الذاتية لأنه لا يلبي بنية الهواتف الذكية والسيارات الذكية مختلفة. يركز الهواتف الذكية على البيئة. يعني النظام البيئي توفير تطبيقات متنوعة تعتمد على أنظمة تشغيل ARM و IOS أو Android. لذلك، يمكن فهم الهواتف الذكية التي تعمل بنظام Android على أنها مزيج من مجموعة من الأجزاء القياسية الشائعة. معيار الشريحة هو ARM، وفوق الشريحة يوجد نظام تشغيل Android، ثم توجد تطبيقات مختلفة على الإنترنت. بسبب توحيدها، سواء كانت شريحة أو نظام Android أو تطبيقًا، يمكن أن تصبح بسهولة شركة مستقلة. اتجاه تطوير تكنولوجيا السيارات الذكية في المستقبل.
ينصب تركيز السيارات الذكية على الخوارزمية والبيانات والأجهزة الداعمة لها. تتطلب الخوارزمية أداءً فائقًا، سواءً تم تدريبها في السحابة أو استنتاجها على الجهاز. تتطلب مكونات السيارة الذكية الكثير من تحسين الأداء لتطبيقات وخوارزميات متخصصة محددة. لذلك، ستواجه الخوارزميات أو الرقاقات أو أنظمة التشغيل فقط معضلات تحسين الأداء على المدى الطويل. ولا يمكن تحسين كل مكون بسهولة إلا بتطويره بشكل مستقل. سيؤدي فصل البرامج عن الأجهزة إلى أداء لا يمكن تحسينه.
يمكننا المقارنة على هذا النحو: يحتوي معالج NVIDIA Xavier على 9 مليارات ترانزستور، بينما يحتوي Tesla FSD HW 3.0 على 6 مليارات ترانزستور، إلا أن مؤشر قوة الحوسبة لـ Xavier ليس بجودة HW3.0. ويُقال إن أداء الجيل التالي من معالجات FSD HW يتحسن بمقدار 7 مرات مقارنةً بالجيل الحالي. لذا، يعود ذلك إلى أن بيتر بانون، مصمم شرائح Tesla وفريقه، أفضل من مصممي NVIDIA، أو لأن منهجية Tesla في دمج البرامج والأجهزة أفضل. نعتقد أن منهجية دمج البرامج والأجهزة يجب أن تكون أيضًا سببًا مهمًا لتحسين أداء الشريحة. فصل الخوارزميات عن البيانات ليس فكرة جيدة، فهو لا يُساعد على سرعة الاستجابة لاحتياجات المستهلكين والتكرار السريع.
لذلك، في مجال القيادة الذاتية، فإن تفكيك الخوارزميات أو الرقائق وبيعها بشكل منفصل ليس عملاً جيداً على المدى الطويل.