"El mercado está en manos de una minoría".
Actualmente, las empresas que conducen automóviles de pasajeros de forma autónoma se pueden dividir a grandes rasgos en tres categorías. La primera categoría es un sistema de circuito cerrado similar a Apple (NASDAQ: AAPL). Los componentes clave, como los chips y los algoritmos, son fabricados por ellos mismos. Tesla (NASDAQ: TSLA) hace esto. Algunas empresas de vehículos de energías renovables también esperan adentrarse gradualmente en este camino. La segunda categoría es un sistema abierto similar a Android. Algunos fabricantes crean plataformas inteligentes y otros fabrican automóviles. Por ejemplo, Huawei y Baidu (NASDAQ: BIDU) tienen intenciones en este sentido. La tercera categoría es la robótica (taxis sin conductor), como empresas como Waymo.
Este artículo analizará principalmente la viabilidad de estas tres rutas desde la perspectiva del desarrollo tecnológico y empresarial, y discutirá el futuro de algunos fabricantes de vehículos eléctricos de nueva generación o empresas de conducción autónoma. No subestime la tecnología. Para la conducción autónoma, la tecnología es vital, y la ruta tecnológica clave es la ruta estratégica. Por lo tanto, este artículo también aborda las diferentes estrategias para la conducción autónoma.
En el ámbito de los coches inteligentes, especialmente en el de la conducción autónoma, la adopción del modelo de circuito cerrado de Apple puede facilitar a los fabricantes la optimización del rendimiento y la mejora de la capacidad de respuesta a las necesidades de los consumidores.
Permítanme hablar primero del rendimiento. El rendimiento es esencial para la conducción autónoma. Seymour Cray, el padre de las supercomputadoras, dijo una vez algo muy interesante: "Cualquiera puede construir una CPU rápida. El truco está en construir un sistema rápido".
Con el fracaso gradual de la Ley de Moore, no es factible simplemente aumentar el rendimiento incrementando el número de transistores por unidad de área. Además, debido a las limitaciones de área y consumo de energía, el tamaño del chip también es limitado. Por supuesto, el actual Tesla FSD HW3.0 (FSD significa Conducción Autónoma Total) utiliza un proceso de 14 nm, por lo que aún hay margen de mejora.
Actualmente, la mayoría de los chips digitales se diseñan según la arquitectura Von Neumann, que separa la memoria del procesador, lo que da forma a todo el sistema informático (incluidos los teléfonos inteligentes). Desde el software y los sistemas operativos hasta los propios chips, esta arquitectura tiene un profundo impacto. Sin embargo, no es del todo adecuada para el aprendizaje profundo en el que se basa la conducción autónoma, y requiere mejoras, e incluso avances revolucionarios.
Por ejemplo, existe un "límite de memoria" donde la calculadora se ejecuta más rápido que la memoria, lo que puede causar problemas de rendimiento. El diseño de chips similares al cerebro representa un avance en la arquitectura, pero es posible que su implementación a corto plazo no sea viable. Además, la red neuronal convolucional de imágenes puede convertirse en operaciones matriciales, lo que podría no ser adecuado para chips similares al cerebro.
Por lo tanto, dado que tanto la Ley de Moore como la arquitectura de Von Neumann presentan limitaciones, las futuras mejoras de rendimiento deberán lograrse principalmente mediante la Arquitectura Específica de Dominio (DSA, por sus siglas en inglés, que se refiere a procesadores dedicados). La DSA fue propuesta por los ganadores del Premio Turing, John Hennessy y David Patterson. Se trata de una innovación relativamente reciente y una idea que puede implementarse de inmediato.
Podemos comprender la idea de DSA desde una perspectiva macro. Generalmente, los chips de gama alta actuales cuentan con miles de millones o decenas de miles de millones de transistores. La forma en que se distribuyen, conectan y combinan estos enormes transistores tiene un gran impacto en el rendimiento de una aplicación específica. En el futuro, será necesario construir un "sistema rápido" desde una perspectiva integral de software y hardware, basándose en la optimización y el ajuste de la estructura.
El "modo Android" no es una buena solución en el ámbito de los coches inteligentes.
Muchos creen que, en la era de la conducción autónoma, Apple (sistema cerrado) y Android (sistema abierto) competirán en el sector de los smartphones, y también habrá proveedores de software de gran envergadura como Google. Mi respuesta es sencilla: la estrategia de Android no funcionará en la conducción autónoma porque no se ajusta a la dirección del desarrollo tecnológico de los coches inteligentes del futuro.
El "modo Android" no es una buena solución en el ámbito de los coches inteligentes.
Mucha gente cree que en la era de la conducción autónoma, también habrá Apple (circuito cerrado) y Android (circuito abierto) en el campo de los teléfonos inteligentes, y también habrá proveedores de software de alto nivel como Google. Mi respuesta es simple. La ruta de Android no funcionará en la conducción autónoma porque no cumple con la arquitectura de los teléfonos inteligentes y los autos inteligentes. El enfoque de los teléfonos inteligentes es el ecosistema. Ecosistema significa proporcionar varias aplicaciones basadas en ARM y sistemas operativos iOS o Android. Por lo tanto, los teléfonos inteligentes Android pueden entenderse como una combinación de un conjunto de piezas estándar comunes. El estándar del chip es ARM, sobre el chip está el sistema operativo Android, y luego hay varias aplicaciones en Internet. Debido a su estandarización, ya sea un chip, un sistema Android o una aplicación, puede convertirse fácilmente en un negocio independiente. dirección del desarrollo de la tecnología de autos inteligentes del futuro.
El enfoque de los vehículos inteligentes reside en el algoritmo, los datos y el hardware que lo respaldan. El algoritmo requiere un rendimiento extremadamente alto, ya sea que se entrene en la nube o se infiera en el terminal. El hardware del vehículo inteligente requiere una optimización exhaustiva del rendimiento para aplicaciones y algoritmos especializados. Por lo tanto, a largo plazo, ni los algoritmos, ni los chips, ni los sistemas operativos por sí solos se enfrentarán a problemas de optimización del rendimiento. Solo cuando cada componente se desarrolla de forma independiente se puede optimizar fácilmente. La separación entre software y hardware dará como resultado un rendimiento imposible de optimizar.
Podemos compararlo de esta manera: NVIDIA Xavier tiene 9 mil millones de transistores, Tesla FSD HW 3.0 tiene 6 mil millones de transistores, pero el índice de potencia de cálculo de Xavier no es tan bueno como el HW3.0. Y se dice que el FSD HW de próxima generación tiene una mejora de rendimiento de 7 veces en comparación con el actual. Entonces, ¿es porque el diseñador de chips de Tesla, Peter Bannon, y su equipo son más capaces que los diseñadores de NVIDIA, o porque la metodología de Tesla para combinar software y hardware es mejor? Creemos que la metodología de combinar software y hardware también debe ser una razón importante para la mejora del rendimiento del chip. Separar algoritmos y datos no es una buena idea. No favorece la retroalimentación rápida sobre las necesidades del consumidor ni la iteración rápida.
Por lo tanto, en el campo de la conducción autónoma, desmontar algoritmos o chips y venderlos por separado no es un buen negocio a largo plazo.