"Le marché est entre les mains d’une minorité"
Actuellement, les entreprises qui conduisent des voitures particulières automatiquement peuvent être grossièrement divisées en trois catégories. La première catégorie est un système en boucle fermée similaire à Apple (NASDAQ : AAPL). Les composants clés tels que les puces et les algorithmes sont fabriqués par elles-mêmes. Tesla (NASDAQ : TSLA) procède ainsi. Certaines entreprises de voitures à nouvelles énergies espèrent également s’y engager progressivement. Cette voie. La deuxième catégorie est un système ouvert similaire à Android. Certains fabricants font des plateformes intelligentes, et d’autres fabriquent des voitures. Par exemple, Huawei et Baidu (NASDAQ : BIDU) ont des intentions à cet égard. La troisième catégorie est la robotique (taxis sans chauffeur), comme des entreprises telles que Waymo.
Cet article analysera principalement la faisabilité de ces trois voies sous l’angle du développement technologique et commercial, et discutera de l’avenir de certains constructeurs de voitures à nouvelle énergie ou d’entreprises de conduite autonome. Ne sous-estimez pas la technologie. Pour la conduite autonome, la technologie est la vie, et la voie technologique clé est la voie stratégique. Ainsi, cet article est également une discussion sur les différentes voies des stratégies de conduite autonome.
Dans le domaine des voitures intelligentes, en particulier dans celui de la conduite autonome, adopter le modèle en boucle fermée d’Apple permet aux fabricants d’optimiser plus facilement les performances et d’améliorer les performances. Répondre rapidement aux besoins des consommateurs.
Parlons d’abord des performances. Les performances sont essentielles pour la conduite autonome. Seymour Cray, le père des supercalculateurs, a dit un mot très intéressant : « N’importe qui peut construire un CPU rapide. L’astuce est de construire un système rapide. »
Avec l’échec progressif de la loi de Moore, il n’est pas faisable d’augmenter simplement les performances en augmentant le nombre de transistors par unité de surface. Et en raison de la limitation de la surface et de la consommation d’énergie, l’échelle de la puce est également limitée. Bien sûr, le Tesla FSD HW3.0 actuel (FSD signifie Full Self-Driving) n’est qu’un procédé 14nm, et il reste de la marge d’amélioration.
À présent, la plupart des puces numériques sont conçues sur la base de l’Architecture de Von Neumann avec la séparation de la mémoire et du calculateur, ce qui crée l’ensemble du système des ordinateurs (y compris les smartphones). Du logiciel aux systèmes d’exploitation jusqu’aux puces, tout est profondément affecté. Cependant, l’Architecture de Von Neumann n’est pas totalement adaptée à l’apprentissage profond sur lequel repose la conduite autonome, et nécessite une amélioration, voire une percée.
Par exemple, il existe un « mur de mémoire » où le calculateur fonctionne plus vite que la mémoire, ce qui peut provoquer des problèmes de performance. La conception de puces semblables au cerveau présente bien une percée architecturale, mais le bond trop lointain pourrait ne pas être appliqué rapidement. De plus, le réseau convolutif d’images peut être converti en opérations matricielles, ce qui pourrait ne pas vraiment convenir aux puces semblables au cerveau.
Par conséquent, comme la loi de Moore et l’architecture de Von Neumann rencontrent toutes deux des goulots d’étranglement, les améliorations futures des performances doivent principalement être obtenues via l’Architecture Spécifique au Domaine (DSA, qui peut être comprise comme des processeurs dédiés). La DSA a été proposée par les lauréats du Prix Turing John Hennessy et David Patterson. C’est une innovation qui n’est pas trop en avance, et une idée qui peut être mise en pratique immédiatement.
Nous pouvons comprendre l’idée de la DSA d’un point de vue macroscopique. Généralement, les puces haut de gamme actuelles comptent des milliards à des dizaines de milliards de transistors. La façon dont ces nombres énormes de transistors sont répartis, connectés et combinés a un grand impact sur la performance d’une application spécifique. À l’avenir, il est nécessaire de construire un « système rapide » dans une perspective globale logiciel-matériel, et de s’appuyer sur l’optimisation et l’ajustement de la structure.
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, il existe aussi Apple (boucle fermée) et Android (ouvert) dans le domaine des smartphones, et qu’il y aura également de grands fournisseurs de logiciels comme Google. Ma réponse est simple. La voie Android ne fonctionnera pas pour la conduite autonome car elle ne correspond pas à la direction du développement technologique futur des voitures intelligentes.
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, il existe aussi Apple (boucle fermée) et Android (ouvert) dans le domaine des smartphones, et qu’il y aura également de grands fournisseurs de logiciels comme Google. Ma réponse est simple. La voie Android ne fonctionnera pas pour la conduite autonome car elle ne correspond pas à La architecture des smartphones et des voitures intelligentes est différente. L’enjeu des smartphones est l’écosystème. L’écosystème signifie fournir diverses applications basées sur les systèmes d’exploitation ARM et IOS ou Android. Par conséquent, les smartphones Android peuvent être compris comme une combinaison d’un ensemble de pièces standard courantes. La norme des puces est ARM, au-dessus de la puce se trouve le système d’exploitation Android, puis il y a diverses applications sur Internet. En raison de sa standardisation, qu’il s’agisse d’une puce, d’un système Android ou d’une App, cela peut facilement devenir une activité indépendante.direction du développement technologique futur des voitures intelligentes.
L’enjeu des voitures intelligentes est l’algorithme ainsi que les données et le matériel qui le soutiennent. L’algorithme exige des performances extrêmement élevées, qu’il soit entraîné dans le cloud ou inféré sur le terminal. Le matériel de la voiture intelligente nécessite beaucoup d’optimisation des performances pour des applications et algorithmes spécialisés spécifiques. Par conséquent, que ce soit uniquement des algorithmes, uniquement des puces ou uniquement des systèmes d’exploitation, ils rencontreront à long terme des dilemmes d’optimisation des performances. Ce n’est que lorsque chaque composant est développé par soi-même qu’il peut être facilement optimisé. La séparation du logiciel et du matériel entraîne des performances qui ne peuvent pas être optimisées.
Nous pouvons le comparer ainsi : NVIDIA Xavier compte 9 milliards de transistors, Tesla FSD HW 3.0 en compte 6 milliards, mais l’indice de puissance de calcul de Xavier n’est pas aussi bon que HW3.0. Et l’on dit que la génération suivante de FSD HW présente une amélioration des performances de 7 fois par rapport à l’actuelle. Donc, est-ce parce que le concepteur de puces de Tesla Peter Bannon et son équipe sont plus forts que les concepteurs de NVIDIA, ou parce que la méthodologie de Tesla combinant logiciel et matériel est meilleure ? Nous pensons que la méthodologie combinant logiciel et matériel doit également être une raison importante de l’amélioration des performances des puces. Séparer les algorithmes et les données n’est pas une bonne idée. Cela ne favorise pas un retour rapide sur les besoins des consommateurs ni une itération rapide.
Par conséquent, dans le domaine de la conduite autonome, déassembler les algorithmes ou les puces et les vendre séparément n’est pas une bonne affaire à long terme.
