النهاية القاسية للقيادة الذاتية: تسلا، هواوي، أبل، ويلاي شياوبينغ، بايدو، ديدي، من سيصبح هامشاً في التاريخ؟

"السوق في أيدي الأقلية"

يمكن حاليًا تقسيم شركات السيارات ذاتية القيادة إلى ثلاث فئات رئيسية. الفئة الأولى هي نظام مغلق مشابه لنظام أبل (NASDAQ: AAPL)، حيث تُصنّع المكونات الرئيسية، كالرقائق والخوارزميات، داخليًا. وتتبع شركة تسلا (NASDAQ: TSLA) هذا النهج، وتأمل بعض شركات سيارات الطاقة الجديدة في اتباعه تدريجيًا. أما الفئة الثانية فهي نظام مفتوح مشابه لنظام أندرويد، حيث تُصنّع بعض الشركات منصات ذكية، بينما تُصنّع شركات أخرى سيارات. على سبيل المثال، لدى هواوي وبايدو (NASDAQ: BIDU) نوايا في هذا المجال. أما الفئة الثالثة فهي الروبوتات (سيارات الأجرة ذاتية القيادة)، كما هو الحال مع شركات مثل وايمو.

الصورة من موقع بيكسلز 1

ستُحلل هذه المقالة بشكل أساسي جدوى هذه المسارات الثلاثة من منظور التكنولوجيا وتطوير الأعمال، وستناقش مستقبل بعض مصنعي السيارات الكهربائية الجديدة أو شركات القيادة الذاتية. لا تستهينوا بالتكنولوجيا، فهي أساس القيادة الذاتية، ومسارها التكنولوجي هو المسار الاستراتيجي. لذا، تتناول هذه المقالة أيضًا المسارات المختلفة لاستراتيجيات القيادة الذاتية.

لقد حلّ عصر التكامل بين البرمجيات والأجهزة. ويُعدّ "نموذج أبل" الذي تمثله شركة تسلا هو المسار الأمثل.

في مجال السيارات الذكية، وخاصة في مجال القيادة الذاتية، يُمكن لتبني نموذج الحلقة المغلقة من آبل أن يُسهّل على المصنّعين تحسين الأداء والاستجابة السريعة لاحتياجات المستهلكين.
دعوني أتحدث أولاً عن الأداء. الأداء ضروري للقيادة الذاتية. قال سيمور كراي، أبو الحواسيب العملاقة، ذات مرة عبارة مثيرة للاهتمام: "بإمكان أي شخص بناء وحدة معالجة مركزية سريعة. السر يكمن في بناء نظام سريع".
مع التراجع التدريجي لقانون مور، لم يعد من الممكن ببساطة زيادة الأداء بزيادة عدد الترانزستورات في وحدة المساحة. ونظرًا لمحدودية المساحة واستهلاك الطاقة، فإن حجم الشريحة محدود أيضًا. بالطبع، فإن نظام القيادة الذاتية الكاملة الحالي من تسلا (FSD HW3.0) مصنّع بتقنية 14 نانومتر فقط، ولا يزال هناك مجال للتحسين.
تُصمَّم معظم الرقاقات الرقمية حاليًا وفقًا لبنية فون نيومان، التي تفصل بين الذاكرة والحاسبة، مما يُشكِّل النظام الكامل للحواسيب (بما فيها الهواتف الذكية). ويتأثر هذا النظام بشكلٍ كبيرٍ من البرمجيات إلى أنظمة التشغيل وصولًا إلى الرقاقات. مع ذلك، لا تُناسب بنية فون نيومان تمامًا تقنيات التعلّم العميق التي تعتمد عليها القيادة الذاتية، وهي بحاجة إلى تطويرٍ أو حتى ابتكارٍ جذري.
على سبيل المثال، توجد ظاهرة "حاجز الذاكرة" حيث يعمل الحاسوب بسرعة تفوق سرعة الذاكرة، مما قد يُسبب مشاكل في الأداء. صحيح أن تصميم الرقائق الشبيهة بالدماغ يُمثل طفرة في البنية، إلا أن هذه الطفرة قد لا تُطبّق قريبًا. علاوة على ذلك، يُمكن تحويل شبكة الالتفاف التصويري إلى عمليات مصفوفية، وهو ما قد لا يكون مناسبًا تمامًا للرقائق الشبيهة بالدماغ.
لذا، ونظرًا لأن قانون مور وبنية فون نيومان يواجهان اختناقات، فإن تحسينات الأداء المستقبلية تتطلب بشكل أساسي استخدام بنية خاصة بالمجال (DSA، والتي قد تشير إلى معالجات مخصصة). وقد اقترح هذه البنية كل من جون هينيسي وديفيد باترسون، الحائزين على جائزة تورينج. إنها ابتكار ليس ببعيد المنال، وفكرة قابلة للتطبيق الفوري.
يمكننا فهم فكرة DSA من منظور كلي. عمومًا، تحتوي الرقائق المتطورة الحالية على مليارات إلى عشرات المليارات من الترانزستورات. وتؤثر كيفية توزيع هذه الأعداد الهائلة من الترانزستورات وتوصيلها ودمجها تأثيرًا كبيرًا على أداء أي تطبيق. في المستقبل، من الضروري بناء "نظام سريع" من منظور شامل للبرمجيات والأجهزة، والاعتماد على تحسين وتعديل البنية.

acasv (3)

"وضع أندرويد" ليس حلاً جيداً في مجال السيارات الذكية.

يعتقد الكثيرون أنه في عصر القيادة الذاتية، ستظل هناك أنظمة تشغيل مثل آبل (ذات النظام المغلق) وأندرويد (ذات النظام المفتوح) في مجال الهواتف الذكية، بالإضافة إلى شركات برمجيات عملاقة مثل جوجل. إجابتي بسيطة: لن ينجح نظام أندرويد في مجال القيادة الذاتية لأنه لا يتماشى مع توجهات تطوير تكنولوجيا السيارات الذكية المستقبلية.

"وضع أندرويد" ليس حلاً جيداً في مجال السيارات الذكية.

يعتقد الكثيرون أنه في عصر القيادة الذاتية، سيظل هناك نظاما تشغيل مثل آبل (المغلقة) وأندرويد (المفتوحة) في مجال الهواتف الذكية، بالإضافة إلى مزودي برامج ضخمة مثل جوجل. إجابتي بسيطة: لن ينجح نظام أندرويد في القيادة الذاتية لأنه لا يتوافق مع بنية الهواتف الذكية والسيارات الذكية. ينصب تركيز الهواتف الذكية على النظام البيئي، والذي يعني توفير تطبيقات متنوعة مبنية على معالجات ARM وأنظمة تشغيل iOS أو أندرويد. لذا، يمكن اعتبار هواتف أندرويد الذكية مزيجًا من مجموعة من المكونات القياسية الشائعة. المعالج هو ARM، وفوقه نظام تشغيل أندرويد، ثم تطبيقات متنوعة على الإنترنت. بفضل هذا التوحيد القياسي، يمكن لأي مكون، سواء كان معالجًا أو نظام أندرويد أو تطبيقًا، أن يصبح مشروعًا تجاريًا مستقلًا بسهولة.

cx
acasv (1)

ينصب تركيز السيارات الذكية على الخوارزمية والبيانات والأجهزة الداعمة لها. تتطلب الخوارزمية أداءً فائقًا، سواءً تم تدريبها على الحوسبة السحابية أو استنتاجها على الجهاز. كما تتطلب أجهزة السيارة الذكية تحسينًا كبيرًا للأداء لتطبيقات وخوارزميات متخصصة. لذا، ستواجه الخوارزميات أو الرقائق أو أنظمة التشغيل وحدها معضلات تحسين الأداء على المدى البعيد. ولا يمكن تحسين كل مكون بسهولة إلا عند تطويره بشكل منفصل. أما فصل البرمجيات عن الأجهزة فسيؤدي إلى أداء يصعب تحسينه.

يمكننا المقارنة على النحو التالي: يحتوي معالج NVIDIA Xavier على 9 مليارات ترانزستور، بينما يحتوي معالج Tesla FSD HW 3.0 على 6 مليارات ترانزستور، إلا أن مؤشر قوة الحوسبة في Xavier ليس بمستوى HW3.0. ويُقال إن الجيل التالي من FSD HW يُحسّن الأداء بمقدار 7 أضعاف مقارنةً بالجيل الحالي. لذا، قد يعود ذلك إلى كفاءة مصمم رقائق Tesla، بيتر بانون، وفريقه، مقارنةً بمصممي NVIDIA، أو إلى تفوق منهجية Tesla في دمج البرمجيات والأجهزة. نعتقد أن منهجية دمج البرمجيات والأجهزة تُعدّ سببًا رئيسيًا لتحسين أداء الرقائق. ففصل الخوارزميات عن البيانات ليس خيارًا جيدًا، إذ لا يُسهم في سرعة الاستجابة لاحتياجات المستهلكين والتطوير المستمر.

لذلك، في مجال القيادة الذاتية، فإن تفكيك الخوارزميات أو الرقائق وبيعها بشكل منفصل ليس عملاً تجارياً جيداً على المدى الطويل.

10 ديسمبر 2020