O fim cruel da direção autônoma: Tesla, Huawei, Apple, Weilai, Xiaopeng, Baidu, Didi, quem pode se tornar o rodapé da história?
2020-12-10

"O mercado está nas mãos de minoria"

Atualmente, as empresas que dirigem carros de passageiros automaticamente podem ser divididas aproximadamente em três categorias. A primeira categoria é um sistema de circuito fechado semelhante à Apple (NASDAQ: AAPL). Componentes-chave como chips e algoritmos são feitos por elas mesmas. A Tesla (NASDAQ: TSLA) faz isso. Algumas empresas de carros de nova energia também esperam embarcar gradualmente nesse caminho. A segunda categoria é um sistema aberto semelhante ao Android. Alguns fabricantes fazem plataformas inteligentes, e alguns fazem carros. Por exemplo, Huawei e Baidu (NASDAQ: BIDU) têm intenções nesse sentido. A terceira categoria é robótica (táxis sem motorista), como empresas como Waymo.

Este artigo analisará principalmente a viabilidade dessas três rotas da perspectiva de tecnologia e desenvolvimento de negócios, e discutirá o futuro de alguns fabricantes de carros de nova potência ou empresas de direção autônoma. Não subestimem a tecnologia. Para direção autônoma, tecnologia é vida, e o caminho de tecnologia-chave é o caminho estratégico. Assim, este artigo também é uma discussão sobre as diferentes rotas das estratégias de direção autônoma.

A era da integração de software e hardware chegou. O "modelo Apple" representado pela Tesla é o melhor caminho.

No campo de carros inteligentes, especialmente no campo de direção autônoma, adotar o modelo de circuito fechado da Apple pode facilitar aos fabricantes otimizar o desempenho e melhorar o desempenho. Responder rapidamente às necessidades dos consumidores.
Deixe-me falar sobre o desempenho primeiro. O desempenho é essencial para a direção autônoma. Seymour Cray, o pai dos supercomputadores, certa vez disse uma palavra muito interessante: "Qualquer um pode construir uma CPU rápida. O truque é construir um sistema rápido".
Com o fracasso gradual da Lei de Moore, não é viável simplesmente aumentar o desempenho aumentando o número de transistores por área unitária. E devido à limitação de área e consumo de energia, a escala do chip também é limitada. Claro, o atual Tesla FSD HW3.0 (FSD é chamado de Full Self-Driving) é apenas um processo de 14nm, e há espaço para melhoria.
Atualmente, a maioria dos chips digitais é projetada com base na Arquitetura de Von Neumann com separação de memória e calculadora, que cria todo o sistema de computadores (incluindo smartphones). Do software ao sistema operacional aos chips, é profundamente afetado. No entanto, a Arquitetura de Von Neumann não é completamente adequada para o aprendizado profundo do qual a direção autônoma depende, e precisa de melhoria ou mesmo ruptura.
Por exemplo, há um "muro de memória" onde a calculadora roda mais rápido que a memória, o que pode causar problemas de desempenho. O design de chips semelhantes ao cérebro tem sim uma ruptura na arquitetura, mas o salto muito longe pode não ser aplicado em breve. Além disso, a rede convolucional de imagem pode ser convertida em operações de matriz, o que pode não ser realmente adequado para chips semelhantes ao cérebro.
Portanto, como a Lei de Moore e a arquitetura de Von Neumann ambas encontram gargalos, as melhorias de desempenho futuras precisam ser alcançadas principalmente através da Domain Specific Architecture (DSA, que pode se referir a processadores dedicados). A DSA foi proposta pelos vencedores do Prêmio Turing John Hennessy e David Patterson. É uma inovação que não está muito distante à frente, e é uma ideia que pode ser colocada em prática imediatamente.
Podemos entender a ideia da DSA de uma perspectiva macro. Geralmente, os chips de ponta atuais têm bilhões a dezenas de bilhões de transistores. Como esses enormes números de transistores são distribuídos, conectados e combinados tem um grande impacto no desempenho de uma aplicação específica. No futuro, é necessário construir um "sistema rápido" da perspectiva geral de software e hardware, e contar com a otimização e ajuste da estrutura.

"Modo Android" não é uma boa solução no campo de carros inteligentes.

Muitas pessoas acreditam que, na era da direção autônoma, também há Apple (circuito fechado) e Android (aberto) no campo de smartphones, e também haverá fornecedores de software de núcleo pesado como o Google. Minha resposta é simples. A rota Android não funcionará na direção autônoma porque não atende à direção do desenvolvimento futuro da tecnologia de carros inteligentes.

"Modo Android" não é uma boa solução no campo de carros inteligentes.

Muitas pessoas acreditam que, na era da direção autônoma, também há Apple (circuito fechado) e Android (aberto) no campo de smartphones, e também haverá fornecedores de software de núcleo pesado como o Google. Minha resposta é simples. A rota Android não funcionará na direção autônoma porque não atende à arquitetura de smartphones e carros inteligentes é diferente. O foco dos smartphones é ecologia. Ecologia significa fornecer várias aplicações baseadas em ARM e IOS ou sistema operacional Android. Portanto, smartphones Android podem ser entendidos como uma combinação de um monte de peças-padrão comuns. O padrão de chip é ARM, sobre o chip está o sistema operacional Android, e então há vários apps na Internet. Por sua padronização, seja chip, sistema Android ou App, pode facilmente se tornar um negócio independente. direção do desenvolvimento futuro da tecnologia de carros inteligentes.

O foco dos carros inteligentes é o algoritmo e os dados e hardware que suportam o algoritmo. O algoritmo requer desempenho extremamente alto se treinado na nuvem ou inferido no terminal. O hardware do carro inteligente requer muita otimização de desempenho para aplicações e algoritmos especializados específicos. Portanto, apenas algoritmos ou apenas chips ou apenas sistemas operacionais enfrentarão dilemas de otimização de desempenho a longo prazo. Somente quando cada componente é desenvolvido por si mesmo pode ser facilmente otimizado. A separação de software e hardware resultará em desempenho que não pode ser otimizado.

Podemos comparar desta forma: NVIDIA Xavier tem 9 bilhões de transistores, Tesla FSD HW 3.0 tem 6 bilhões de transistores, mas o índice de poder de computação do Xavier não é tão bom quanto o HW3.0. E dizem que o FSD HW de próxima geração tem uma melhoria de desempenho de 7 vezes em comparação com o atual. Então, é porque o designer de chip da Tesla Peter Bannon e sua equipe são mais fortes que os designers da NVIDIA, ou porque a metodologia da Tesla de combinar software e hardware é melhor. Achamos que a metodologia de combinar software e hardware também deve ser uma razão importante para a melhoria do desempenho do chip. Separar algoritmos e dados não é uma boa ideia. Não é conducente ao feedback rápido sobre as necessidades dos consumidores e à iteração rápida.

Portanto, no campo da direção autônoma, desmontar algoritmos ou chips e vendê-los separadamente não é um bom negócio a longo prazo.