« Le marché est entre les mains d'une minorité. »
Actuellement, les entreprises qui développent des véhicules autonomes peuvent être globalement classées en trois catégories. La première est un système en boucle fermée, similaire à celui d'Apple (NASDAQ : AAPL). Les composants clés, tels que les puces et les algorithmes, sont fabriqués en interne. C'est le cas de Tesla (NASDAQ : TSLA). Certains constructeurs de véhicules à énergies nouvelles envisagent également de s'engager progressivement dans cette voie. La deuxième catégorie est un système ouvert, similaire à Android. Certains fabricants développent des plateformes intelligentes, tandis que d'autres conçoivent des véhicules. Huawei et Baidu (NASDAQ : BIDU), par exemple, ont des projets dans ce domaine. La troisième catégorie concerne la robotique (taxis autonomes), représentée par des entreprises comme Waymo.
Cet article analysera principalement la faisabilité de ces trois voies sous l'angle du développement technologique et commercial, et abordera l'avenir de certains constructeurs de véhicules électriques ou d'entreprises spécialisées dans la conduite autonome. Il ne faut pas sous-estimer la technologie. Pour la conduite autonome, la technologie est essentielle, et la voie technologique clé est la voie stratégique. Cet article propose donc également une discussion sur les différentes stratégies de conduite autonome.
Dans le domaine des véhicules intelligents, et plus particulièrement de la conduite autonome, l'adoption du modèle en boucle fermée d'Apple peut faciliter l'optimisation et l'amélioration des performances par les constructeurs, leur permettant ainsi de répondre plus rapidement aux besoins des consommateurs.
Commençons par parler des performances. Elles sont essentielles pour la conduite autonome. Seymour Cray, le père des supercalculateurs, a dit un jour une phrase très pertinente : « N'importe qui peut concevoir un processeur rapide. Le plus difficile est de concevoir un système rapide. »
Avec le déclin progressif de la loi de Moore, il n'est plus possible d'améliorer les performances en augmentant simplement le nombre de transistors par unité de surface. De plus, les limitations de surface et de consommation énergétique imposent des contraintes sur la taille des puces. Certes, le système Tesla FSD HW3.0 (FSD signifiant « conduite entièrement autonome ») actuel est gravé en 14 nm, et des améliorations sont possibles.
Actuellement, la plupart des puces numériques sont conçues selon l'architecture de von Neumann, qui sépare la mémoire et le calculateur, constituant ainsi l'ensemble du système informatique (y compris les smartphones). Du logiciel au système d'exploitation, en passant par les puces, cette architecture est profondément influencée. Cependant, elle n'est pas entièrement adaptée à l'apprentissage profond indispensable à la conduite autonome et nécessite des améliorations, voire une révolution.
Par exemple, il existe un « limite de mémoire » où la vitesse de calcul dépasse la capacité de la mémoire, ce qui peut engendrer des problèmes de performance. La conception de puces inspirées du cerveau représente une avancée architecturale majeure, mais cette avancée trop importante pourrait ne pas être applicable à court terme. De plus, le réseau de convolution d'images peut être converti en opérations matricielles, ce qui pourrait ne pas être optimal pour les puces de ce type.
Par conséquent, la loi de Moore et l'architecture de Von Neumann atteignant toutes deux des limites, les améliorations futures de performances devront principalement être réalisées grâce à une architecture dédiée (DSA, qui peut désigner des processeurs dédiés). Proposée par les lauréats du prix Turing, John Hennessy et David Patterson, la DSA est une innovation relativement proche de la réalité et dont la mise en œuvre est immédiate.
On peut appréhender le concept de DSA d'un point de vue macro. De manière générale, les puces haut de gamme actuelles intègrent des milliards, voire des dizaines de milliards de transistors. La distribution, la connexion et l'assemblage de ces transistors ont un impact considérable sur les performances d'une application donnée. À l'avenir, il sera nécessaire de concevoir un système performant, tant au niveau logiciel que matériel, en misant sur l'optimisation et l'ajustement de son architecture.
Le « mode Android » n'est pas une bonne solution dans le domaine des voitures intelligentes.
Beaucoup pensent qu'à l'ère de la conduite autonome, Apple (système fermé) et Android (système ouvert) domineront le marché des smartphones, sans oublier les géants du logiciel comme Google. Ma réponse est simple : Android ne s'adaptera pas à la conduite autonome car il ne correspond pas aux orientations futures du développement des technologies pour véhicules intelligents.
Le « mode Android » n'est pas une bonne solution dans le domaine des voitures intelligentes.
Beaucoup pensent qu'à l'ère de la conduite autonome, Apple (système fermé) et Android (système ouvert) domineront le marché des smartphones, sans oublier les grands fournisseurs de logiciels comme Google. Ma réponse est simple : Android ne conviendra pas à la conduite autonome car son architecture diffère de celle des voitures intelligentes. L'écosystème des smartphones repose sur la fourniture d'applications variées basées sur ARM et les systèmes d'exploitation iOS ou Android. Un smartphone Android peut donc être perçu comme un assemblage de composants standard : la puce ARM, le système d'exploitation Android et une multitude d'applications disponibles sur Internet. Grâce à cette standardisation, chaque élément (puce, système Android, application) peut facilement devenir un modèle commercial indépendant.
L'élément central des voitures intelligentes est l'algorithme, ainsi que les données et le matériel qui le prennent en charge. L'algorithme exige des performances extrêmement élevées, qu'il soit entraîné dans le cloud ou exécuté sur le terminal. Le matériel de la voiture intelligente nécessite une optimisation poussée des performances pour des applications et des algorithmes spécifiques. Par conséquent, à long terme, l'optimisation des performances ne concernera que les algorithmes, les puces ou les systèmes d'exploitation seuls. Seule une optimisation indépendante de chaque composant permettra une optimisation aisée. La séparation du logiciel et du matériel aboutira à des performances non optimisables.
On peut comparer les performances de la puce NVIDIA Xavier, qui compte 9 milliards de transistors, et de la Tesla FSD HW 3.0, qui en compte 6 milliards. Pourtant, la puissance de calcul de la Xavier est inférieure à celle de la HW 3.0. De plus, la prochaine génération de FSD HW promet des performances sept fois supérieures à la précédente. Cela s'explique-t-il par la supériorité de Peter Bannon et de son équipe de concepteurs chez Tesla, ou par une meilleure intégration du logiciel et du matériel ? Nous pensons que cette intégration joue un rôle important dans l'amélioration des performances de la puce. Séparer les algorithmes et les données n'est pas judicieux : cela nuit à la réactivité face aux besoins des utilisateurs et à l'itération rapide.
Par conséquent, dans le domaine de la conduite autonome, le démontage des algorithmes ou des puces et leur vente séparée ne constituent pas une activité rentable à long terme.