"Il mercato è nelle mani di una minoranza"
Attualmente, le aziende che guidano autonomamente le auto passeggeri possono essere grossolanamente divise in tre categorie. La prima categoria è un sistema a ciclo chiuso simile ad Apple (NASDAQ: AAPL). I componenti chiave come chip e algoritmi sono realizzati internamente. Tesla (NASDAQ: TSLA) fa così. Alcune aziende di auto a nuova energia sperano anche di intraprendere gradualmente questa strada. La seconda categoria è un sistema aperto simile ad Android. Alcuni produttori fanno piattaforme intelligenti e altri fanno auto. Ad esempio, Huawei e Baidu (NASDAQ: BIDU) hanno intenzioni in questo senso. La terza categoria è la robotica (taxi senza conducente), come aziende quali Waymo.
Questo articolo analizzerà principalmente la fattibilità di questi tre percorsi dal punto di vista della tecnologia e dello sviluppo aziendale, e discuterà il futuro di alcuni nuovi produttori di auto o aziende di guida autonoma. Non sottovaluti la tecnologia. Per la guida autonoma, la tecnologia è vita e il percorso tecnologico chiave è il percorso strategico. Quindi questo articolo è anche una discussione sui diversi percorsi delle strategie di guida autonoma.
Nel campo delle auto intelligenti, specialmente nel campo della guida autonoma, adottare il modello a ciclo chiuso di Apple può rendere più facile per i produttori ottimizzare e migliorare le prestazioni. Rispondere rapidamente alle esigenze dei consumatori.
Parliamo prima di prestazioni. Le prestazioni sono essenziali per la guida autonoma. Seymour Cray, il padre dei supercomputer, una volta disse una cosa molto interessante: “Chiunque può costruire una CPU veloce. Il trucco è costruire un sistema veloce”.
Con il fallimento graduale della Legge di Moore, non è fattibile aumentare semplicemente le prestazioni aumentando il numero di transistor per unità di area. E a causa del limite di area e consumo energetico, anche la scala del chip è limitata. Certo, l'attuale Tesla FSD HW3.0 (FSD è chiamato Full Self-Driving) è solo a processo 14nm, e c'è spazio di miglioramento.
Al momento, la maggior parte dei chip digitali è progettata sulla base dell'Architettura di Von Neumann con separazione tra memoria e calcolatore, che crea l'intero sistema dei computer (inclusi gli smartphone). Dal software ai sistemi operativi ai chip, è profondamente influenzato. Tuttavia, l'Architettura di Von Neumann non è completamente adatta al deep learning su cui si basa la guida autonoma e necessita di miglioramenti o addirittura di una svolta.
Ad esempio, vi è un “muro di memoria” in cui il calcolatore gira più veloce della memoria, causando problemi di prestazioni. Il design dei chip brain-like ha effettivamente una svolta nell'architettura, ma il balzo troppo ampio potrebbe non essere applicato presto. Inoltre, la rete convoluzionale di immagini può essere convertita in operazioni di matrice, che potrebbero non essere realmente adatte ai chip brain-like.
Pertanto, poiché sia la Legge di Moore sia l'architettura di Von Neumann incontrano colli di bottiglia, i futuri miglioramenti di prestazioni devono essere principalmente ottenuti attraverso la Domain Specific Architecture (DSA, che può riferirsi a processori dedicati). DSA è stata proposta dai vincitori del Premio Turing John Hennessy e David Patterson. È un'innovazione non troppo avanzata e un'idea che può essere messa in pratica immediatamente.
Possiamo comprendere l'idea di DSA da una prospettiva macro. In generale, gli attuali chip di fascia alta hanno da miliardi a decine di miliardi di transistor. Come questi enormi numeri di transistor siano distribuiti, connessi e combinati ha un grande impatto sulle prestazioni di una specifica applicazione. In futuro, sarà necessario costruire un “sistema veloce” dalla prospettiva complessiva di hardware e software, affidandosi all'ottimizzazione e alla regolazione della struttura.
Il “modo Android” non è una buona soluzione nel campo delle auto intelligenti.
Molte persone credono che nell'era della guida autonoma vi siano anche Apple (ciclo chiuso) e Android (aperto) nel campo degli smartphone, e vi saranno anche fornitori software heavy-core come Google. La mia risposta è semplice. La via Android non funzionerà sulla guida autonoma perché non soddisfa la direzione futura dello sviluppo della tecnologia delle auto intelligenti.
“Il modo Android” non è una buona soluzione nel campo delle auto intelligenti.
Molte persone credono che nell'era della guida autonoma vi siano anche Apple (ciclo chiuso) e Android (aperto) nel campo degli smartphone, e vi saranno anche fornitori software heavy-core come Google. La mia risposta è semplice. La via Android non funzionerà sulla guida autonoma perché non soddisfa la direzione futura dello sviluppo della tecnologia delle auto intelligenti. L'architettura degli smartphone e delle auto intelligenti è diversa. Il focus degli smartphone è l'ecosistema. L'ecosistema significa fornire varie applicazioni basate su ARM e IOS o su sistemi operativi Android. Pertanto, gli smartphone Android possono essere intesi come una combinazione di un insieme di parti standard comuni. Lo standard del chip è ARM, sopra il chip vi è il sistema operativo Android e poi vi sono varie app su Internet. Grazie alla standardizzazione, sia il chip, sia il sistema Android, sia un'App possono diventare facilmente un business indipendente. direzione dello sviluppo della tecnologia delle auto intelligenti.
Il focus delle auto intelligenti è l'algoritmo e i dati e l'hardware che supportano l'algoritmo. L'algoritmo richiede prestazioni estremamente elevate sia che sia addestrato nel cloud sia che inferisca sul terminale. L'hardware dell'auto intelligente richiede molta ottimizzazione delle prestazioni per applicazioni e algoritmi specializzati specifici. Pertanto, solo algoritmi o solo chip o solo sistemi operativi affronteranno dilemmi di ottimizzazione delle prestazioni a lungo termine. Solo quando ogni componente è sviluppato internamente può essere facilmente ottimizzato. La separazione di hardware e software comporterà prestazioni non ottimizzabili.
Possiamo confrontarlo in questo modo: NVIDIA Xavier ha 9 miliardi di transistor, Tesla FSD HW 3.0 ne ha 6 miliardi, ma l'indice di potenza di calcolo di Xavier non è pari a HW3.0. E si dice che la prossima generazione di FSD HW abbia un miglioramento delle prestazioni di 7 volte rispetto all'attuale. Quindi, è perché il progettista di chip Tesla Peter Bannon e il suo team sono più forti dei progettisti NVIDIA, o perché il metodo di Tesla di combinare hardware e software è migliore? Riteniamo che il metodo di combinazione hardware e software debba essere anche una ragione importante per il miglioramento delle prestazioni del chip. Separare algoritmi e dati non è una buona idea. Non è favorevole al rapido feedback sulle esigenze dei consumatori e alla rapida iterazione.
Pertanto, nel campo della guida autonoma, smontare algoritmi o chip e venderli separatamente non è un buon business a lungo termine.
