O cruel fin da condución autónoma: Tesla, Huawei, Apple, Weilai Xiaopeng, Baidu, Didi, quen pode converterse na nota ao pé da historia?

"O mercado está en mans de minorías"

Actualmente, as empresas que conducen automóbiles de pasaxeiros pódense dividir aproximadamente en tres categorías.A primeira categoría é un sistema de bucle pechado similar a Apple (NASDAQ: AAPL).Os compoñentes clave como chips e algoritmos están feitos por eles mesmos.Tesla (NASDAQ: TSLA) fai isto.Algunhas compañías de automóbiles de nova enerxía tamén esperan embarcarse nela aos poucos.esta estrada.A segunda categoría é un sistema aberto similar a Android.Algúns fabricantes fabrican plataformas intelixentes e outros fabrican coches.Por exemplo, Huawei e Baidu (NASDAQ: BIDU) teñen intencións neste sentido.A terceira categoría é a robótica (taxis sen condutor), como empresas como Waymo.

A imaxe é de PEXELS1

Neste artigo analizarase principalmente a viabilidade destas tres vías desde a perspectiva da tecnoloxía e o desenvolvemento empresarial, e analizarase o futuro dalgúns fabricantes de automóbiles de nova potencia ou empresas de condución autónoma.Non subestimes a tecnoloxía.Para a condución autónoma, a tecnoloxía é vida, e o camiño tecnolóxico clave é o camiño estratéxico.Polo tanto, este artigo é tamén unha discusión sobre os diferentes camiños das estratexias de condución autónoma.

Chegou a era da integración de software e hardware.O "modelo de Apple" representado por Tesla é o mellor camiño.

No ámbito dos coches intelixentes, especialmente no da condución autónoma, adoptar o modelo de bucle pechado de Apple pode facilitar aos fabricantes a optimización do rendemento e a mellora do rendemento.Responde rapidamente ás necesidades dos consumidores.
Permíteme falar primeiro do rendemento.O rendemento é esencial para a condución autónoma.Seymour Cray, o pai das supercomputadoras, dixo unha vez unha palabra moi interesante: "Calquera pode construír unha CPU rápida. O truco é construír un sistema rápido".
Co fracaso gradual da Lei de Moore, non é factible simplemente aumentar o rendemento aumentando o número de transistores por unidade de área.E debido á limitación da área e do consumo de enerxía, a escala do chip tamén é limitada.Por suposto, o actual Tesla FSD HW3.0 (FSD chámase Full Self-Driving) é só un proceso de 14 nm e hai espazo para mellorar.
Na actualidade, a maioría dos chips dixitais están deseñados baseándose na arquitectura Von Neumann coa separación de memoria e calculadora, que crea todo o sistema de ordenadores (incluídos os teléfonos intelixentes).Desde software ata sistemas operativos ata chips, está profundamente afectado.Non obstante, a arquitectura Von Neumann non é completamente axeitada para a aprendizaxe profunda na que depende a condución autónoma e necesita melloras ou mesmo avances.
Por exemplo, hai un "muro de memoria" onde a calculadora funciona máis rápido que a memoria, o que pode causar problemas de rendemento.O deseño de chips parecidos ao cerebro ten un gran avance na arquitectura, pero é posible que o salto demasiado lonxe non se aplique pronto.Ademais, a rede convolucional de imaxes pódese converter en operacións matriciales, que poden non ser realmente adecuadas para chips semellantes ao cerebro.
Polo tanto, como a Lei de Moore e a arquitectura Von Neumann atopan pescozos de botella, as melloras futuras de rendemento deben conseguirse principalmente a través da Arquitectura Específica de Dominio (DSA, que pode referirse a procesadores dedicados).DSA foi proposto polos gañadores do premio Turing John Hennessy e David Patterson.É unha innovación que non avanza demasiado, e é unha idea que se pode levar á práctica de inmediato.
Podemos entender a idea de DSA desde unha perspectiva macro.Xeralmente, os chips actuais de gama alta teñen miles de millóns a decenas de miles de millóns de transistores.Como se distribúen, conectan e combinan este gran número de transistores ten un gran impacto no rendemento dunha aplicación específica.No futuro, é necesario construír un "sistema rápido" desde a perspectiva global de software e hardware, e confiar na optimización e axuste da estrutura.

acasv (3)

O "modo Android" non é unha boa solución no campo dos coches intelixentes.

Moita xente cre que na era da condución autónoma tamén hai Apple (circuito pechado) e Android (aberto) no campo dos teléfonos intelixentes, e tamén haberá provedores de software de núcleo pesado como Google.A miña resposta é sinxela.A ruta de Android non funcionará na condución autónoma porque non cumpre coa dirección do desenvolvemento tecnolóxico do futuro coche intelixente.

O "modo Android" non é unha boa solución no campo dos coches intelixentes.

Moita xente cre que na era da condución autónoma tamén hai Apple (circuito pechado) e Android (aberto) no campo dos teléfonos intelixentes, e tamén haberá provedores de software de núcleo pesado como Google.A miña resposta é sinxela.A ruta de Android non funcionará na condución autónoma porque non cumpre co A arquitectura dos teléfonos intelixentes e dos coches intelixentes é diferente.O foco dos teléfonos intelixentes é a ecoloxía.Ecosistema significa proporcionar varias aplicacións baseadas en sistemas operativos ARM e IOS ou Android.Polo tanto, os teléfonos intelixentes Android pódense entender como unha combinación dunha serie de pezas estándar comúns.O chip estándar é ARM, enriba do chip está o sistema operativo Android, e despois hai varias aplicacións en Internet.Debido á súa estandarización, xa sexa un chip, un sistema Android ou unha aplicación, pode converterse facilmente nun negocio independentemente. Dirección do desenvolvemento tecnolóxico do futuro coche intelixente.

cx
acasv (1)

O foco dos coches intelixentes é o algoritmo e os datos e o hardware que soportan o algoritmo.O algoritmo require un rendemento extremadamente alto tanto se se adestra na nube como se infire no terminal.O hardware do coche intelixente require moita optimización do rendemento para aplicacións e algoritmos especializados específicos.Polo tanto, só os algoritmos ou só chips ou só os sistemas operativos enfrontaranse a dilemas de optimización do rendemento a longo prazo.Só cando cada compoñente se desenvolve por si mesmo pode optimizarse facilmente.A separación de software e hardware dará lugar a un rendemento que non se pode optimizar.

Podemos comparalo deste xeito, NVIDIA Xavier ten 9.000 millóns de transistores, Tesla FSD HW 3.0 ten 6.000 millóns de transistores, pero o índice de potencia de cálculo de Xavier non é tan bo como o HW3.0.E dise que o FSD HW de próxima xeración ten unha mellora de rendemento de 7 veces en comparación co actual.Entón, é porque o deseñador de chips de Tesla Peter Bannon e o seu equipo son máis fortes que os deseñadores de NVIDIA, ou porque a metodoloxía de Tesla para combinar software e hardware é mellor.Pensamos que a metodoloxía de combinación de software e hardware tamén debe ser un motivo importante para a mellora do rendemento do chip.Separar algoritmos e datos non é unha boa idea.Non é propicio para unha rápida retroalimentación sobre as necesidades dos consumidores e unha rápida iteración.

Polo tanto, no ámbito da condución autónoma, desmontar algoritmos ou chips e vendelos por separado non é un bo negocio a longo prazo.

10-Dec-2020