„Der Markt liegt in den Händen der Minderheit“
Derzeit lassen sich Unternehmen, die Personenwagen automatisch fahren, grob in drei Kategorien unterteilen. Die erste Kategorie ist ein geschlossenes System ähnlich wie Apple (NASDAQ: AAPL). Schlüsselkomponenten wie Chips und Algorithmen werden selbst hergestellt. Das macht Tesla (NASDAQ: TSLA). Einige Neue-Energie-Autounternehmen hoffen ebenfalls, allmählich diesen Weg einzuschlagen. Die zweite Kategorie ist ein offenes System ähnlich wie Android. Einige Hersteller machen smarte Plattformen, einige bauen Autos. Zum Beispiel haben Huawei und Baidu (NASDAQ: BIDU) Absichten in dieser Hinsicht. Die dritte Kategorie sind Robotik (fahrerlose Taxis), wie Unternehmen wie Waymo.
Dieser Artikel wird hauptsächlich die Machbarkeit dieser drei Routen aus der Perspektive von Technik und Geschäftsentwicklung analysieren und die Zukunft einiger neuer Automobilhersteller oder autonomer Fahrgesellschaften erörtern. Unterschätzen Sie die Technik nicht. Für autonomes Fahren ist Technik Leben, und der Schlüsseltechnologiepfad ist der strategische Pfad. Daher ist dieser Artikel auch eine Diskussion über die verschiedenen Pfade der autonomen Fahrstrategien.
Im Bereich der Smart Cars, insbesondere im Bereich des autonomen Fahrens, kann die Übernahme des geschlossenen Modells von Apple es den Herstellern erleichtern, die Leistung zu optimieren und zu verbessern. Schnell auf die Bedürfnisse der Verbraucher reagieren.
Sprechen wir zunächst über die Leistung. Leistung ist unerlässlich für autonomes Fahren. Seymour Cray, der Vater der Supercomputer, sagte einmal ein sehr interessantes Wort: „Jeder kann eine schnelle CPU bauen. Der Trick ist, ein schnelles System zu bauen“.
Mit dem allmählichen Versagen des Mooreschen Gesetzes ist es nicht machbar, die Leistung einfach durch Erhöhung der Anzahl der Transistoren pro Flächeneinheit zu steigern. Und wegen der Einschränkung von Fläche und Energieverbrauch ist der Maßstab des Chips ebenfalls begrenzt. Natürlich ist das aktuelle Tesla FSD HW3.0 (FSD steht für Full Self-Driving) erst ein 14-nm-Prozess, und es gibt Raum für Verbesserungen.
Derzeit werden die meisten digitalen Chips auf Basis der Von-Neumann-Architektur mit Trennung von Speicher und Rechner entworfen, was das gesamte Computersystem (einschließlich Smartphones) erschafft. Von Software über Betriebssysteme bis hin zu Chips ist es tiefgreifend betroffen. Die Von-Neumann-Architektur eignet sich jedoch nicht vollständig für das Deep Learning, auf das sich autonomes Fahren verlässt, und bedarf Verbesserung oder gar Durchbruch.
Zum Beispiel gibt es eine „Memory Wall“, bei der der Rechner schneller läuft als der Speicher, was Leistungsprobleme verursachen kann. Das Design von gehirnähnlichen Chips hat tatsächlich einen Architekturdurchbruch, aber ein zu weiter Sprung könnte nicht bald angewendet werden. Zudem lässt sich das Bild-Faltungsnetz in Matrixoperationen umwandeln, was möglicherweise nicht wirklich für gehirnähnliche Chips geeignet ist.
Daher, da sowohl das Mooresche Gesetz als auch die Von-Neumann-Architektur Engpässe erreichen, müssen künftige Leistungsverbesserungen hauptsächlich durch Domain Specific Architecture (DSA, also spezialisierte Prozessoren) erreicht werden. DSA wurde von den Turing-Preisträgern John Hennessy und David Patterson vorgeschlagen. Es ist eine Innovation, die nicht zu weit nach vorn greift, und eine Idee, die sofort in die Praxis umgesetzt werden kann.
Wir können die Idee von DSA aus makroskopischer Sicht verstehen. Im Allgemeinen haben heutige High-End-Chips Milliarden bis Zehnmilliarden Transistoren. Wie diese riesigen Zahlen von Transistoren verteilt, verbunden und kombiniert sind, hat einen großen Einfluss auf die Leistung einer bestimmten Anwendung. In Zukunft muss man aus der Gesamtsicht von Software und Hardware ein „schnelles System“ aufbauen und sich auf Optimierung und Anpassung der Struktur verlassen.
„Android-Modus“ ist im Bereich der Smart Cars keine gute Lösung.
Viele Menschen glauben, dass es im Zeitalter des autonomen Fahrens auch Apple (geschlossen) und Android (offen) im Bereich der Smartphones gibt, und es wird auch Schwergewichts-Softwareanbieter wie Google geben. Meine Antwort ist einfach. Der Android-Weg funktioniert beim autonomen Fahren nicht, weil er der Richtung der zukünftigen Smart-Car-Technikentwicklung nicht entspricht.
„Android-Modus“ ist im Bereich der Smart Cars keine gute Lösung.
Viele Menschen glauben, dass es im Zeitalter des autonomen Fahrens auch Apple (geschlossen) und Android (offen) im Bereich der Smartphones gibt, und es wird auch Schwergewichts-Softwareanbieter wie Google geben. Meine Antwort ist einfach. Der Android-Weg funktioniert beim autonomen Fahren nicht, weil er nicht der Richtung der zukünftigen Smart-Car-Technikentwicklung entspricht. Der Fokus von Smartphones ist das Ökosystem. Ökosystem bedeutet, verschiedene Anwendungen basierend auf ARM sowie IOS- oder Android-Betriebssystemen bereitzustellen. Daher lassen sich Android-Smartphones als Kombination einer Reihe von gängigen Standardteilen verstehen. Der Chipstandard ist ARM, über dem Chip liegt das Android-Betriebssystem, und darüber liegen verschiedene Apps im Internet. Aufgrund seiner Standardisierung können sowohl Chip, Android-System als auch App unabhängig leicht zu einem Geschäft werden. Richtung der zukünftigen Smart-Car-Technikentwicklung.
Der Fokus von Smart Cars liegt auf dem Algorithmus sowie den Daten und der Hardware, die den Algorithmus unterstützen. Der Algorithmus erfordert äußerst hohe Leistung, ob er in der Cloud trainiert oder am Terminal abgeleitet wird. Die Hardware des Smart Cars erfordert viele Leistungsoptimierungen für spezielle Anwendungen und Algorithmen. Daher werden nur Algorithmen oder nur Chips oder nur Betriebssysteme langfristig vor Optimierungsdilemmata bei der Leistung stehen. Nur wenn jede Komponente selbst entwickelt wird, lässt sie sich leicht optimieren. Die Trennung von Software und Hardware führt dazu, dass die Leistung nicht optimiert werden kann.
Wir können es so vergleichen: NVIDIA Xavier hat 9 Milliarden Transistoren, Tesla FSD HW 3.0 hat 6 Milliarden Transistoren, aber der Rechenleistungsindex von Xavier ist nicht so gut wie HW3.0. Und es heißt, die nächste Generation FSD HW habe eine Leistungssteigerung um das 7-Fache im Vergleich zur aktuellen. Also, liegt es daran, dass Teslas Chip-Designer Peter Bannon und sein Team stärker sind als NVIDIAs Designer, oder daran, dass Teslas Methodik der Kombination von Software und Hardware besser ist? Wir denken, die Methodik der Kombination von Software und Hardware muss ebenfalls ein wichtiger Grund für die Verbesserung der Chipleistung sein. Das Trennen von Algorithmen und Daten ist keine gute Idee. Es fördert nicht die schnelle Rückmeldung auf Verbraucherbedürfnisse und schnelle Iteration.
Daher ist im Bereich des autonomen Fahrens das Zerlegen von Algorithmen oder Chips und deren separater Verkauf langfristig kein gutes Geschäft.
