Otomobilgi.comOtomobilgi.com
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • หน้าแรก
  • ข่าวสาร
    ข่าวอุตสาหกรรมยานยนต์ตุรกี
    ข่าวอุตสาหกรรมยานยนต์โลก
    ข่าวมอเตอร์สปอร์ตตุรกี
    ข่าวมอเตอร์สปอร์ตทั่วโลก
  • รถยนต์
    เครื่องยนต์สันดาปภายใน
    • รุ่นเครื่องยนต์สันดาปภายใน
    • เทคโนโลยีเครื่องยนต์สันดาปภายใน
    • เชื้อเพลิงและการสิ้นเปลือง
    • การปล่อยมลพิษและสิ่งแวดล้อม
    • การเป็นเจ้าของยานพาหนะเครื่องยนต์สันดาปภายใน
    • ประวัติยานยนต์เครื่องยนต์สันดาปภายใน
    ไฟฟ้า
    • รุ่นรถยนต์ไฟฟ้า
    • เทคโนโลยีรถยนต์ไฟฟ้า
    • การชาร์จและโครงสร้างพื้นฐาน
    • เทคโนโลยีแบตเตอรี่
    • ระยะทางและอัตราการใช้เชื้อเพลิง
    • การเป็นเจ้าของรถยนต์ไฟฟ้า
    • ประวัติศาสตร์รถยนต์ไฟฟ้า
    ยานพลังงานไฮบริด
    • โมเดลไฮบริด
    • ระบบไฮบริด
    • แบตเตอรี่และการชาร์จ
    • การบริโภคและประสิทธิภาพ
    • การเป็นเจ้าของแบบไฮบริด
    • ประวัติศาสตร์รถยนต์ไฮบริด
    SUPERCAR
    ไฮเปอร์คาร์
  • เทคโนโลยี
    ระบบช่วยเหลือผู้ขับขี่
    เทคโนโลยีความปลอดภัย
    เทคโนโลยีไฟส่องสว่างและการมองเห็น
    ระบบนันเทนเมนต์และการเชื่อมต่อ
    การขับขี่อัตโนมัติและปัญญาประดิษฐ์
    เทคโนโลยีแห่งอนาคต
  • คู่มือ
    คู่มือการซื้อ
    คู่มือการขาย
    การบำรุงรักษาและการใช้งาน
    ความเป็นเจ้าของและต้นทุน
    ยางและล้อแม็ก
    ประกันภัยและการตรวจสภาพ
  • ประวัติศาสตร์และวัฒนธรรม
    ประวัติศาสตร์รถยนต์
    รุ่นอันโด่งดัง
    คลาสสิกและคอลเลกชัน
    การเดินทางทางยานยนต์ของตุรกี
    การออกแบบรถยนต์
    รถยนต์และวัฒนธรรมสมัยนิยม
  • มอเตอร์สปอร์ต
    ฟอร์มูลา 1
    Rally (WRC)
    ราลลี่ครอส
    MotoGP
    Formula 2 & Formula 3
    คาร์ตติ้ง
    การแข่งขันเลอม็อง 24 ชั่วโมง
    WEC
    NASCAR
    อินดี้คาร์
    DTM
    การแข่งขัน GT
    ดริฟท์
    การแข่งรถแบบดรา็ก
  • รู้จักเราให้ดีขึ้น
    เกี่ยวกับเรา
    ติดต่อ
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  1. หน้าแรก
  2. เทคโนโลยี
  3. การขับขี่อัตโนมัติและปัญญาประดิษฐ์
  4. ชิปที่ควบคุมการขับขี่อัตโนมัติ: Nvidia และ Mobileye

ชิปที่ควบคุมการขับขี่อัตโนมัติ: Nvidia และ Mobileye

  • การขับขี่อัตโนมัติและปัญญาประดิษฐ์
  • ผู้เขียน: Lütfi Mete Odabaşı
  • การสร้าง: 27 ตุลาคม 2026
สมองซิลิคอนเหล่านี้ที่แปลงข้อมูลหลายสิบเมกะไบต์เป็นการตัดสินใจภายในหนึ่งในพันวินาที คือตัวกำหนดสมรภูมิแห่งอำนาจที่แท้จริงของยานพาหนะอัตโนมัติ
สมองซิลิคอนเหล่านี้ที่แปลงข้อมูลหลายสิบเมกะไบต์เป็นการตัดสินใจภายในหนึ่งในพันวินาที คือตัวกำหนดสมรภูมิแห่งอำนาจที่แท้จริงของยานพาหนะอัตโนมัติ

Lidar, เรดาร์และกล้องส่งข้อมูลหลักสิบเมกะไบต์ต่อวินาที จำเป็นต้องมีสมองที่แปลงข้อมูลนี้เป็นการตัดสินใจภายในเสี้ยววินาที แล้วใครคือผู้ผลิตสมองเหล่านี้ และใครคือผู้จ่ายค่าราคาของสงครามซิลิคอนครั้งนี้?

ชิปขับขี่อัตโนมัติคืออะไร และทำไมจึงสำคัญมาก?

Otonom bir aracın çipi, kameraların ve lidarın topladığı ham veriyi saniyeler içinde fren ve direksiyon komutlarına dönüştüren sessiz bir beyin gibi çalışıyor.

ลองนึกถึงชิปในยานพาหนะอัตโนมัติ หรือพูดให้ถูกกว่านั้นคือคอมพิวเตอร์ที่ติดตั้งชิปนั้น ว่าเป็นสมองของรถยนต์ คอมพิวเตอร์เครื่องนี้คือสิ่งที่แปลงข้อมูลดิบที่เก็บได้จากดวงตา (กล้อง) หู (เรดาร์) และเครื่องวัดระยะด้วยเลเซอร์ (lidar) ให้กลายเป็นคำสั่งในการบังคับพวงมาลัยและเหยียบเบรก บริษัทแท็กซี่อัตโนมัติแห่งหนึ่งเปรียบเทียบการคำนวณของฮาร์ดแวร์ขับขี่ของตนเองกับสมองของคนขับเมื่อแนะนำอุปกรณ์ดังกล่าว: ในฐานะอวัยวะที่แปลงข้อมูลเซ็นเซอร์ดิบให้เป็นคำสั่งการขับขี่แบบเรียลไทม์

ขนาดของข้อมูลที่นี่ทำให้สับสน ตามการคาดการณ์ กล้องในยานพาหนะสร้างข้อมูล 20 ถึง 60 MB ต่อวินาที lidar สร้าง 10 ถึง 70 MB ส่วนเรดาร์มีปริมาณที่ถ่อมตัวกว่า ประมาณ 10 KB ต่อวินาที อย่าคิดว่าข้อมูลนี้เหมือนวิดีโอที่ไหลผ่านอินเทอร์เน็ตบ้านของคุณ; ข้อมูลที่ไหลอยู่ที่นี่คือภาพดิบและข้อมูลระยะทางที่จะตัดสินใจว่ารถจะไปที่ไหนในครึ่งวินาทีถัดไป ความล่าช้าเพียงมิลลิวินาทีก็หมายถึงอุบัติเหตุ ด้วยเหตุนี้ผู้ผลิตชิปจึงลงทุนหลายพันล้านดอลลาร์ในการแข่งขันที่พวกเขาเข้าร่วม

แต่คำถามที่คุณอยากรู้มากที่สุดน่าจะเป็นข้อนี้: ใครชนะในสงครามโปรเซสเซอร์ครั้งนี้? มีผู้เล่นรายใหญ่สามราย และเส้นทางของทั้งสามแตกต่างกันมาก

Nvidia DRIVE: ยักษ์ใหญ่แห่งแพลตฟอร์มที่คล้ายกับการเล่นเกมถึงเกมคอนโซล

ดาวเด่นของฝ่ายยานยนต์ของ Nvidia คือ SoC ชื่อ DRIVE Orin ซึ่งเป็นคอมพิวเตอร์ที่สมบูรณ์บนชิปเดียว SoC ย่อมาจาก system-on-chip; คุณสามารถนึกถึงมันได้ว่าเป็นเวอร์ชันยานยนต์ของโปรเซสเซอร์ในโทรศัพท์ของคุณ ติดตั้งซอฟต์แวร์ลงไป เชื่อมต่อเซ็นเซอร์ และยานพาหนะก็สามารถคิดได้แล้ว

DRIVE AGX Thor รุ่นใหม่ที่เปิดตัวให้นักพัฒนาในเดือนสิงหาคม 2025 คือพระเอกปัจจุบันของเรื่องราวนี้ ตามที่ Nvidia ระบุ Thor ให้พลังการคำนวณปัญญาประดิษฐ์มากกว่า AGX Orin ถึง 7.5 เท่า ที่สำคัญกว่านั้น มันถูกออกแบบมาให้ตอบสนองข้อกำหนดด้านความปลอดภัยเชิงฟังก์ชัน (ISO 26262) และความปลอดภัยไซเบอร์ (ISO 21434) ที่เข้มงวดของอุตสาหกรรมยานยนต์ เพราะชิปที่ทำงานในรถยนต์อยู่ภายใต้กฎที่เข้มงวดกว่าชิปที่ทำงานในคอมพิวเตอร์ของคุณมาก; ถ้าเกมคริชคุณก็แค่รีสตาร์ทเกม แต่ถ้าชิปขับขี่คริชก็สายเกินแก้

กลยุทธ์ของ Nvidia ไม่ใช่แค่การขายชิป แต่คือการครอบครองแพลตฟอร์มทั้งหมดไว้ในมือ DRIVE AGX Hyperion ที่เปิดตัวใน CES 2026 ครอบคลุมทั้งสแตกตั้งแต่การคำนวณไปจนถึงสถาปัตยกรรมเซ็นเซอร์ และมีการพูดถึงว่าบริษัทกำลังกระชับการควบคุมในโลกขับขี่อัตโนมัติ ตัวอย่างที่จับต้องได้ที่สุดคือความร่วมมือกับ Mercedes-Benz: ระบบปฏิบัติการ MB.OS ของ Mercedes ผสานเข้ากับสถาปัตยกรรม Hyperion ของ Nvidia และซอฟต์แวร์ชื่อ Alpamayo นั่นหมายความว่าสมองของรถยนต์หรูสัญชาติเยอรมันจะทำงานบนแพลตฟอร์มของยักษ์ใหญ่ด้านชิปสัญชาติอเมริกัน

ไฮไลต์เด่น

  • ยานพาหนะที่ผลิตโดยใช้เทคโนโลยี Mobileye EyeQ ทะลุ 250 ล้านคัน (ครึ่งหลังปี 2026 2026)
  • Nvidia DRIVE AGX Thor สัญญาว่าจะมีพลังการประมวลผล AI มากกว่า Orin รุ่นก่อนถึง 7.5 เท่า
  • คอมพิวเตอร์ FSD ของ Tesla ใช้สถาปัตยกรรม SoC แบบคู่และมี CPU ARM Cortex-A72 จำนวน 12 ตัว
  • ตลาดชิปยานยนต์อัตโนมัติคาดว่าจะเติบโตจาก 14.48 พันล้านดอลลาร์ (2026) เป็น 35.49 พันล้านดอลลาร์ (2034)
  • ตามการคาดการณ์ของ Intel กล้องสร้างข้อมูลในรถ 20-60 MB ต่อวินาที และ lidar สร้างข้อมูล 10-70 MB ต่อวินาที

Mobileye EyeQ: ยักษ์ใหญ่เงียบๆ ที่อยู่ภายในรถ 250 ล้านคัน

บัดนี้ผู้เล่นที่ถูกพูดถึงน้อยกว่าแต่มีหลักฐานพิสูจน์ในสนามมากที่สุดกำลังก้าวเข้ามา: Mobileye บริษัทนี้ถูก Intel ซื้อกิจการในปี 2017 และได้สร้างโครงสร้างพื้นฐานที่มองไม่เห็นของระบบช่วยขับขี่ขั้นสูง (ADAS) ด้วยชิปออกแบบเฉพาะที่ชื่อว่า EyeQ ณ สิ้นปี 2025 ยานพาหนะทั่วโลกมากกว่า 230 ล้านคัน ผลิตด้วยเทคโนโลยี EyeQ และในไตรมาสที่สองของปี 2026 ตัวเลขนี้ทะลุ 250 ล้านคันไปแล้ว ลองนึกภาพรถโดยสาร 5 ที่นั่งดูสิ ตัวเลขนี้เทียบเท่ากับสัดส่วนที่มากพอสมควรของรถทั้งหมดในโลก ยิ่งไปกว่านั้น ผู้ผลิตรถยนต์กว่า 27 รายใช้ชิปเหล่านี้

หนึ่งในผลิตภัณฑ์ที่ทะเยอทะยานของ Mobileye คือ SuperVision คอมพิวเตอร์แบบบูรณาการที่ประกอบด้วยกล้อง 11 ตัวและชิปคู่ EyeQ 5 High ส่วน SoC ที่มีประสิทธิภาพสูงสุดที่บริษัทประกาศสำหรับยานยนต์อัตโนมัติสำหรับผู้บริโภคคือ EyeQ Ultra ตระกูล EyeQ รุ่นที่ห้าถูกเปิดตัวในฐานะที่มีความสามารถเพียงพอที่จะรองรับยานยนต์อัตโนมัติเต็มรูปแบบหรือระดับ 5 แพลตฟอร์ม "Surround ADAS" ที่ใช้ EyeQ6H รุ่นใหม่ยังถูกเลือกโดยผู้ผลิตรายหนึ่งในสหรัฐฯ พร้อมกล้องและวงแหวนเรดาร์ 360 องศา ความสามารถแบบซอฟต์แวร์กำหนด และคำสัญญาเรื่องการขับแบบมือว่างบนทางหลวงบางสาย

ท่าทีของ Mobileye จะเป็นอย่างไรเมื่อเผชิญกับแนวทางโอเพนซอร์สของ Nvidia? CEO ของบริษัท Amnon Shashua คาดการณ์ว่าช่วงปี 2026-2027 จะเป็นจุดหมุนสำคัญสำหรับบริษัท พร้อมแสดงความเห็นที่สะท้อนว่าพวกเขาเชื่อว่าโมเดลของ Nvidia จะไม่ใช่สิ่งที่เปลี่ยนตำแหน่งทางการตลาด จุดที่ Shashua เน้นย้ำอย่างหนักคือ: กระแสประกาศและความตื่นเต้นในอุตสาหกรรมบางส่วนเป็นเพียงเสียงรบกวน สิ่งสำคัญจริงๆ คือผลิตภัณฑ์ที่พิสูจน์แล้วในสนาม ประโยคนี้ควรมุ่งเป้าไปที่ใคร ยังเป็นที่ถกเถียง - แต่ 250 ล้านคันคือข้อโต้แย้งที่แข็งแกร่งพอจะปกป้องได้

ทำไม Tesla ถึงออกแบบชิปของตัวเอง?

เรื่องราวของ Tesla เป็นเรื่องที่กบฏที่สุดในบรรดาสามเรื่อง บริษัทเดิมใช้โปรเซสเซอร์ที่ใช้ฐาน Nvidia ก่อน แล้วจึงเปลี่ยนไปใช้ FSD Chip ที่ออกแบบเองทั้งหมด ชิปนี้มี CPU ARM Cortex-A72 จำนวน 12 ตัว และ Tesla ระบุว่าเป็นคอมพิวเตอร์โครงข่ายประสาทเทียม รายละเอียดที่น่าสังเกตคือคอมพิวเตอร์ FSD มีสถาปัตยกรรม SoC แบบคู่: นั่นคือโปรเซสเซอร์สองตัวทำงานพร้อมกันสำหรับการคำนวณที่สำคัญ

แต่ทำไมล่ะ? ทำไมต้องเสียแรงออกแบบชิปเองทั้งที่มีแพลตฟอร์มสำเร็จรูปให้ใช้? เหตุผลที่เล่าในฝั่ง Tesla คือชิปของ Nvidia ที่ใช้งานทั่วไปนั้นไม่ได้ปรับแต่งมาเพื่อความต้องการของ Tesla เพียงพอ เมื่อคุณออกแบบซิลิคอนของตัวเอง คุณจะได้ชิ้นส่วนที่ได้รับการปรับแต่งเฉพาะสำหรับโมเดล AI ของคุณเอง และควบคุมการใช้พลังงานได้เอง ลองนึกถึงสมุดบันทึกสูตรอาหาร: คุณทำอาหารด้วยสมุดสูตรของคนอื่นได้ แต่ในสมุดของตัวเองคุณจะเขียนสูตรที่ต้องการได้เป๊ะ แน่นอนว่ามันมีราคา - การออกแบบชิปเป็นงานที่แพงและเสี่ยงอย่างมหาศาล ในฝั่งการผลิตก็มีโรงงานยักษ์ใหญ่อย่าง TSMC เข้ามามีส่วนร่วม

หมายเหตุตัวเลข: มีข้ออ้างว่าชิปของ Nvidia ทำได้ 320 TOPS หรือหลายล้านล้านการคำนวณต่อวินาที ในขณะที่ระบบชิปคู่ของ Tesla ทำได้ 144 TOPS แต่ตรงนี้ต้องระมัดระวัง ตัวเลขเหล่านี้มาจากนิยามและช่วงเวลาที่ต่างกัน และ TOPS เพียงอย่างเดียวไม่ได้พิสูจน์ว่าระบบใดเหนือกว่าระบบใด ในท้ายที่สุด พลังการคำนวณจะมีความหมายเท่ากับคุณภาพของซอฟต์แวร์ที่ทำงานบนมัน

สามแพลตฟอร์มเทียบกันเคียงข้าง: Nvidia, Mobileye และ Tesla

คุณสมบัติNvidia DRIVEMobileye EyeQTesla FSD Chip
แนวทางแพลตฟอร์มเปิด ขายให้ผู้ผลิตโซลูชันฮาร์ดแวร์-ซอฟต์แวร์แบบครบวงจรควบคุมเองทั้งหมด เฉพาะสำหรับรถของตัวเอง
ผลิตภัณฑ์ดาวเด่นปัจจุบันDRIVE AGX ThorEyeQ 5 / EyeQ UltraFSD Chip (SoC คู่)
ขนาดความร่วมมือกับผู้ผลิตอย่าง Mercedes-Benzยานพาหนะ 250 ล้านคัน+ ผู้ผลิตมากกว่า 27 รายเฉพาะรถ Tesla เท่านั้น
รุ่นใหม่ล่าสุดDRIVE AGX Hyperion (CES 2026)Surround ADAS บนพื้นฐาน EyeQ6HCPU 12 ARM Cortex-A72
ความแข็งแกร่งของระบบนิเวศCUDA และการสนับสนุนนักพัฒนาที่กว้างขวางกองฟลีตขนาดใหญ่ที่พิสูจน์แล้วในสนามจริงการบูรณาการแนวตั้ง ความสอดคล้องระหว่างรถกับซอฟต์แวร์

สามเส้นทางนี้ยังเป็นตัวแทนของสามโมเดลธุรกิจ Nvidia ขายแพลตฟอร์มให้ทุกคน Mobileye ขยายตัวด้วยโซลูชันแบบแพ็กเกจ ส่วน Tesla ทำทุกอย่างด้วยตัวเอง ใครจะชนะ? เป็นไปได้สูงว่าทุกเจ้าจะยังอยู่ในตลาดต่อไปอีกระยะหนึ่ง เพราะความต้องการและความเสี่ยงที่แต่ละผู้ผลิตยอมรับได้แตกต่างกัน

การปฏิวัติรถยนต์ที่นิยามด้วยซอฟต์แวร์กำลังผลักดันให้ผู้ผลิตต้องผลิตชิปเองหรือ?

ในช่วงไม่กี่ปีที่ผ่านมา หนึ่งในแนวคิดที่ถูกพูดถึงมากที่สุดในโลกยานยนต์คือรถยนต์ที่นิยามด้วยซอฟต์แวร์ หรือ SDV แนวคิดง่ายแต่ปฏิวัติวงการ: คุณสร้างความแตกต่างให้รถด้วยซอฟต์แวร์ ไม่ใช่ด้วยกำลังของเครื่องยนต์อีกต่อไป ฟีเจอร์ใหม่มาพร้อมการอัปเดตแบบไร้สาย และความฉลาดของรถถูกรวมศูนย์อยู่บนแพลตฟอร์มการคำนวณส่วนกลาง นั่นหมายความว่าหน่วยควบคุมขนาดเล็กหลายสิบตัวในสถาปัตยกรรมรถแบบคลาสสิกจะถูกแทนที่ด้วยสมองกลางอันทรงพลัง

และตรงจุดนี้เองที่ทุกอย่างเริ่มซับซ้อน หากความสามารถในการแข่งขันของรถอยู่ที่ซอฟต์แวร์ และซอฟต์แวร์ต้องการชิปที่ทรงพลัง ผู้ผลิตก็เผชิญกับคำถามสำคัญ: จะซื้อสมองจากใคร? ผู้ผลิตที่ใช้แพลตฟอร์มสำเร็จรูปจะกลายเป็นผู้ที่ต้องพึ่งพาซัพพลายเออร์ในเทคโนโลยีที่สร้างความแตกต่าง การที่ Nvidia กระชับการควบคุมสแต็กของตัวเองก็เป็นเหตุผลที่ทำให้ผู้ผลิตบางรายอึดอัด ส่วนผู้ผลิตที่ออกแบบชิปเองก็ต้องแบกรับต้นทุนการพัฒนามูลค่าหลายพันล้านดอลลาร์ ลองนึกภาพอุตสาหกรรมที่เดินอยู่ระหว่างสองทางเลือกที่ไม่ดีนัก - ตึงเครียดหน่อยใช่ไหม?

ยิ่งไปกว่านั้น ความพึ่งพาเทคโนโลยีนี้ยังมีมิติด้านต้นทุนอีกด้วย ฟีเจอร์ ADAS ใหม่แต่ละอย่างเพิ่มความซับซ้อนในการปรับเทียบและค่าซ่อมบำรุง ซึ่งกดดันมาร์จิ้นของผู้ผลิต และทำให้การเผยแพร่ระบบเหล่านี้ในยานยนต์เซกเมนต์ระดับเริ่มต้นเป็นไปได้ยากขึ้น ยังมีประเด็นด้านอุปทานอีกด้วย: ความหิวกระหายของศูนย์ข้อมูล AI ที่มีต่อชิป (โดยเฉพาะหน่วยความจำ DRAM) กำลังบีบอัดอุปทานชิปยานยนต์ แล้วโรงงานชิปจะผลิตให้ใครก่อน? แอป AI ในโทรศัพท์ของคุณ หรือผู้ช่วยเบรกในรถของคุณ? การถกเถียงเรื่องลำดับความสำคัญคือปัญหาอุปทานที่แท้จริงของปี 2026

ช่องว่างระหว่างคำสัญญากับความจริง: พลังการคำนวณไม่มีให้ฟรี

ถึงตรงนี้ทุกอย่างยังน่าตื่นเต้น แต่มีจุดหนึ่งที่เราต้องมองอย่างมีวิจารณญาณ: พลังการคำนวณทั้งหมดนี้มีต้นทุน และไม่ใช่แค่ในเชิงเงินทองเท่านั้น การวิเคราะห์ของมหาวิทยาลัยแห่งหนึ่งคำนวณว่า ยานยนต์อัตโนมัติ 1 พันล้านคัน ที่ขับอัตโนมัติวันละหนึ่งชั่วโมงและคอมพิวเตอร์ใช้พลังงาน 840 วัตต์ จะสร้างภาระด้านการปล่อยก๊าซอย่างมีนัยสำคัญ นั่นคือขณะที่เราชื่นชมยานยนต์อัตโนมัติว่าเป็นมิตรกับสิ่งแวดล้อม ก็ต้องคำนึงถึงพลังงานที่ "สมอง" ของมันบริโภคด้วย เมื่อรถเป็นไฟฟ้า ท่อไอเสียเป็นศูนย์ แต่สมองของรถที่เสียบปลั๊กก็ยังกินไฟอยู่ดี

อีกประเด็นที่ควรมองตามความเป็นจริง: การคาดการณ์ตลาดมีขนาดใหญ่ แต่ตอนนี้ยังไม่มีสูตรที่แน่ชัดว่า "ต้องใช้ TOPS เท่าไร" ว่าการขับขี่อัตโนมัติระดับ 5 เต็มรูปแบบจะต้องการพลังการคำนวณมากแค่ไหน ยังเป็นโจทย์ทางวิศวกรรมที่ไม่มีคำตอบ ชิปรุ่นที่ห้าของ Mobileye เปิดตัวพร้อมความสามารถระดับ 5 แต่ระยะห่างระหว่างความสามารถกับความจริงที่พิสูจน์แล้ว ก็อยู่ตรงกลางกับสิ่งที่ Shashua เรียกว่า "เสียงหวือหวา"

แล้วใครจะเป็นผู้ชนะในสงครามซิลิคอนครั้งนี้?

คำตอบที่ซื่อสัตย์คือ: ยังไม่ชัดเจน และน่าจะไม่มีผู้ชนะเพียงรายเดียว Nvidia กำลังกระชับตำแหน่งผู้จัดหาที่ทรงอิทธิพลที่สุดในยุคยานยนต์นิยามด้วยซอฟต์แวร์ ด้วยพลังแพลตฟอร์มและความร่วมมืออย่าง Mercedes Mobileye คือผู้เล่นที่โดกเด่ที่สุดในสนาม ด้วยกองยานยนต์ที่พิสูจน์แล้ว 250 ล้านคันและข้อได้เปรียบด้านขนาด ส่วน Tesla เป็นข้อยกเว้นที่แบกรับทั้งต้นทุนและผลตอบแทนของการทำซิลิคอนของตัวเองเพียงลำพัง ทั้งสามไม่ได้แทนที่กันเอง พวกเขาสร้างคำตอบที่แตกต่างกันสามแบบสำหรับคำถามที่แตกต่างกันสามข้อ

คำถามที่ฉลาดที่สุดอาจเป็น: เมื่อสมองของยานยนต์รวมศูนย์อยู่ในมือของไม่กี่บริษัท ผู้ขับขี่และผู้ผลิตจะได้อะไรและเสียอะไร? สิ่งที่ได้คือ เทคโนโลยีเติบโตเป็นผู้ใหญ่อย่างรวดเร็ว สิ่งที่เสียคือ การพึ่งพา - และใบเสร็จของการพึ่งพานั้นจะมาถึง ไม่ใช่ตอนที่ชิปเหล่านี้ถูกพิสูจน์บนท้องถนนเป็นครั้งแรก แต่ตอนที่บางอย่างผิดพลาดเป็นครั้งแรก ตามติดกันให้ดี

แหล่งอ้างอิง

  • The Evolution of EyeQ - Mobileye
  • Mobileye Releases Second Quarter 2026 Results
  • New Mobileye EyeQ Ultra - Intel Press Release
  • Mobileye SuperVision Put to the Test - Mobileye Blog
  • Nvidia launches Drive AGX Thor developer kit
  • Nvidia: How It Is Tightening Its Grip on the Autonomous Vehicle Stack
  • Mercedes-Benz และ NVIDIA ขยายความร่วมมือ - Nvidia Newsroom
  • ฮาร์ดแวร์ Tesla Autopilot - Wikipedia
  • ชิป AI ในวงการรถยนต์ไร้คนขับ - Lux Research
  • ชมภายในท้ายรถของเรา: ระบบคอมพิวเตอร์ของ Waymo - Waymo Blog
  • คอมพิวเตอร์สำหรับข้อมูลยานพาหนะไร้คนขับ - Premio
  • คอมพิวเตอร์ที่ขับเคลื่อนรถยนต์ขับเคลื่อนเองอาจเป็นแหล่งปล่อยคาร์บอนขนาดใหญ่ - MIT News
  • ระบบความปลอดภัยของ Mobileye และ Nvidia มีความคล้ายกันแค่ไหน?
  • ตลาดชิปยานพาหนะไร้คนขับ - Fortune Business Insights
  • ตลาดชิป ADAS ยานยนต์ - Dataintelo
  • วิกฤตการณ์ขาดแคลน DRAM - Area51ESG
  • ยานพาหนะควบคุมด้วยซอฟต์แวร์ - Valeo

แชร์หน้านี้

บรรณาธิการหมวดหมู่

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

อนึ่งหนุ่มสาว มีพลัง ชอบค้นคว้าและเรียนรู้ ผู้หลงใหลในรถยนต์และมอเตอร์สปอร์ต Mete มอบมุมมองของคนรุ่นใหม่เพิ่มคุณค่าให้กับแพลตฟอร์มข่าวสาร ความรู้ และวัฒนธรรมยานยนต์ของเรา เขาติดตามนวัตกรรมด้านเทคโนโลยีรถยนต์และความเคลื่อนไหวในวงการมอเตอร์สปอร์ตอย่างใกล้ชิด และเปลี่ยนสิ่งที่เรียนรู้ให้กลายเป็นคอนเทนต์ที่มีประโยชน์และเต็มเปี่ยมไปด้วยเนื้อหาสำหรับ otomobilgi.com

เนื้อหาที่เกี่ยวข้อง

ยุคของการขับขี่อัตโนมัติที่วิศวกรกำหนดกฎเกณฑ์ทีละข้อได้สิ้นสุดลงแล้วด้วย Tesla FSD v12; ขณะนี้โครงข่ายประสาทเทียมตัดสินใจบังคับพวงมาลัยโดยตรงจากภาพดิบของกล้อง
การขับขี่อัตโนมัติและปัญญาประดิษฐ์ระบบขับขี่อัตโนมัติแบบ End-to-End เปลี่ยนแปลงการขับขี่อย่างไร?
ในหิมะตกหนัก ประสิทธิภาพการตรวจจับของ lidar ลดลงมากกว่า 50% และเนื่องจาก AI ไม่รู้ว่าควรเชื่อเซ็นเซอร์ใด รถแท็กซี่อัตโนมัติจึงต้องจอดนิ่ง
การขับขี่อัตโนมัติและปัญญาประดิษฐ์ทำไมรถอัตโนมัติถึงมองไม่เห็นในหิมะและฝน?
Waymo ขับขี่แบบไร้คนขับได้ในพื้นที่จำกัด ส่วน Tesla ทำงานแบบมีผู้ควบคุมดูแลทุกที่ ความแตกต่างนี้ไม่ใช่เรื่องบังเอิญ แต่คือแก่นแท้ของโมเดลธุรกิจของทั้งสองบริษัท
การขับขี่อัตโนมัติและปัญญาประดิษฐ์ขณะที่ Waymo แล่นไปทั่วเมืองได้ด้วยตัวเอง ทำไม Tesla ยังต้องการคนขับอยู่?
ไม่มีเซ็นเซอร์แบบถูกผิดเพียงหนึ่งเดียวในการขับขี่อัตโนมัติ ตัวชนะจะถูกกำหนดโดยสมดุลระหว่างต้นทุน ความปลอดภัย และกฎระเบียบ
การขับขี่อัตโนมัติและปัญญาประดิษฐ์Lidar หรือกล้อง? บทสรุปของสงครามเซ็นเซอร์ในการขับขี่อัตโนมัติ
ตราบใดที่พวงมาลัยยังอยู่ในมือคุณ ไม่ว่ารถยนต์จะฉลาดแค่ไหน ตามกฎหมายคุณก็ยังคงเป็นคนขับอยู่ดี
การขับขี่อัตโนมัติและปัญญาประดิษฐ์ระดับ 2 หรือระดับ 3? ระหว่างคำสัญญากับความเป็นจริงของการขับขี่อัตโนมัติ
กล้องและไลดาร์คือเซ็นเซอร์ประจำวันที่อากาศแจ่มใส แต่มิตรแท้ที่คอยพยุงรถยนต์ไว้ในคืนที่หมอกลงและฝนตกคือเรดาร์ 4D ที่ตรวจจับความสูง
การขับขี่อัตโนมัติและปัญญาประดิษฐ์เรดาร์ 4D มีประโยชน์อย่างไรในการขับขี่อัตโนมัติ?
เนื่องจากทั้งสองระบบเป็น SAE Level 2 ผู้ขับขี่ตัวจริงที่อยู่หลังพวงมาลัยก็คือคุณ: ไม่มีรถยนต์คันไหนในวันนี้ที่รับผิดชอบแทนคุณ
การขับขี่อัตโนมัติและปัญญาประดิษฐ์5 ความแตกต่างสำคัญระหว่าง Super Cruise กับ Tesla FSD
รถยนต์อัตโนมัติได้ยินเสียงไซเรนได้จากระยะ 800 เมตร แต่ก็ยังจอดขวางทางหน้ารถดับเพลิงต่อไป มันมีหู แต่ขาดสัญชาตญาณ
การขับขี่อัตโนมัติและปัญญาประดิษฐ์รถยนต์อัตโนมัติทำอย่างไรเมื่อเจอเสียงไซเรนของตำรวจและรถพยาบาล?
การสมัครสมาชิก FSD ราคา 99 ดอลลาร์ของ Tesla สัญญาถึงชื่อของมันว่าอิสระภาพในการขับขี่เต็มรูปแบบ แต่จะคุ้มค่ากับเงินที่จ่ายไปหรือไม่นั้นขึ้นอยู่กับว่าคุณขับรถวันละกี่กิโลเมตร
การขับขี่อัตโนมัติและปัญญาประดิษฐ์การจ่ายค่าบริการรายเดือนสำหรับการขับขี่อัตโนมัติสมเหตุสมผลหรือไม่?
นักขับขี่อัตโนมัติเรียนรู้ผ่านความผิดพลาดในการจำลองนับพันล้านกิโลเมตรเสมือน แต่บททดสอบที่แท้จริงเริ่มต้นบนพื้นแอสฟัลต์จริง
การขับขี่อัตโนมัติและปัญญาประดิษฐ์รถยนต์อัตโนมัติเรียนรู้การขับขี่อย่างไร? โรงเรียนเงาของซิมูเลชัน

ป้ายกำกับ

  • ยานยนต์ไร้คนขับ
  • เทสลา
  • full self-driving
  • เมอร์เซเดส-เบนซ์
  • ไลดาร์
  • ระบบช่วยขับขี่
  • เทคโนโลยีเซนเซอร์
  • การฟิวส์ข้อมูลเซ็นเซอร์
  • เทคโนโลยีรถยนต์
  • nvidia drive
  • mobileye eyeq
  • ยานยนต์นิยามด้วยซอฟต์แวร์

ติดตามเราบนโซเชียลมีเดีย

  • เกี่ยวกับเรา
  • ประกาศความเป็นส่วนตัวตามกฎหมาย KVKK
  • นโยบายความเป็นส่วนตัว
  • ติดต่อ
Otomobilgi.com
แพลตฟอร์มวัฒนธรรมยานยนต์อิสระ
ขับเคลื่อนด้วย Virgo CMS