تصور کنید در صندلی عقب خودرویی نشستهاید، مقصد را وارد میکنید و بدون هیچ دخالتی، ماشین شما را در ترافیک پیچیده شهر جابهجا میکند. این رویایی که سالها دور به نظر میرسید، اکنون در مدلهای جدید ریویان در حال تبدیل شدن به واقعیت است. در حالی که اکثر سیستمهای کمکراننده هنوز به هوشیاری مداوم انسان نیاز دارند، یک شاسیبلند Rivian R1S که در حال گشتزنی در پالو آلتو است، اکنون با یک سیستم نقطه-به-نقطه عمل میکند که به مسافران اجازه میدهد آدرسی را وارد کنند و بقیه کارها را به خودرو بسپارند.
به گزارش spectrum.ieee.org در ۸ سپتامبر ۲۰۲۶، سامانه Autonomy+ ریویان نشان میدهد که این شرکت دیگر به دنبال کمکهای ساده به راننده نیست، بلکه مستقیماً برای ورود به بازار پرسود روبوتاکسیها (Robotaxis) پیشروی میکند.
زمینه: تکامل اتونومی
این مسیر تکاملی از دههها پیش آغاز شد. در سال ۲۰۰۵، تیمی به رهبری سباستین ترون، استاد دانشگاه استنفورد، در مسابقه DARPA Grand Challenge با جایزه ۲ میلیون دلاری آمریکا پیروز شد. خودروی شاسیبلند فولکسواگن آنها به نام «استنلی»، نخستین خودرویی شد که توانست یک مسیر ۲۱۲ کیلومتری در بیابان موهاوی را بدون دخالت انسانی طی کند. Autonomy+ ریویان در واقع فرزند تکاملیافته همان پیشگامان است که حالا طراحی شده تا با خیابانهای حومه شهر، چراغهای راهنمایی، خطوط عابر پیاده و تابلوهای ایست کنار بیاید.
این تکامل در سایه خاستگاههای سیلیکون ولی در حال رخ دادن است. خودروی R1S اکنون در نزدیکی گاراژ تاریخی HP میراند؛ همان کارگاه تکماشینه که شرکت هیولت-پیکارد در سال ۱۹۳۹ در آن تأسیس شد. این محیط، گذار از رایانههای اولیه به رنسانس فعلی هوش مصنوعی را برجسته میکند؛ جایی که رانندگی خودکار به اولویت اول خودروسازان جهانی تبدیل شده است تا جریانهای سودآوری عظیم و جدید را متصور شوند.
در می ۲۰۲۶، آر. جی. اسکارینج، مدیرعامل ریویان که دکتری از MIT دارد، در حالی که مدلهای R2 در تأسیسات تولیدی شرکت در نورمال، ایلینوی ساخته میشدند، این مقیاس صنعتی را نظاره کرد. این ابعاد صنعتی، پسزمینه رقابتی است که از چالشهای آکادمیک به نبردی برای تسلط بر بازار میان رقبایی با جیوبهای پر تبدیل شده است.
برای سالها، رقابت رانندگی خودکار به عنوان یک مسابقه دو نفره بین تسلا و ویمو دیده میشد. با این حال، ظهور هوش مصنوعی زاینده، معماری اتونومی را به سمت یادگیری عمیق «پایانبه-پایان» (End-to-End) سوق داده است. ریویان شرط بسته است که با یکپارچه کردن سختافزار و نرمافزار، رانندگی را نه به شکل مجموعهای از قوانین کدنویسی شده، بلکه به عنوان یک مسئله عظیم هوش مصنوعی حل کند تا بتواند از رقبای قدیمیتر پیشی بگیرد.
برتری سختافزاری: خداحافظی با انویدیا
برای تامین توان این جاهطلبیها، ریویان پردازنده اختصاصی خود یعنی Rivian Autonomy Processor (RAP1) را توسعه داد. این تراشه ۵ نانومتری که توسط TSMC تولید شده، ۸۰۰ تریلیون عملیات در ثانیه (TOPS) را اجرا میکند. نخستین نسل از این تراشه پردازش هوش مصنوعی داخلی در دسامبر ۲۰۲۵ در آزمایشگاه پالو آلتو ریویان مورد آزمایش قرار گرفت.
در حالی که تراشه Drive AGX Thor انویدیا یک پردازنده همهمنظوره است که توسط بسیاری از خودروسازان — از جمله بیوایدی (BYD)، هیوندای، لوسید، مرسدس، نیسان، ولوو و شیائومی و همچنین شرکتهای کامیونرانی خودکار مانند Aurora و Waabi — استفاده میشود، RAP1 ریویان منحصراً برای اتونومی طراحی شده است. این رقابت سختافزاری در حالی رخ میدهد که انویدیا همزمان در حال گسترش سلطه خود به بازارهای دیگر است و با معرفی تراشههای جدید RTX Spark مستقیماً بازار لپتاپهای ردهبالا را هدف قرار داده است. تراشه انویدیا باید توان خود را بین سیستمهای سرگرمی (Infotainment) و نمایشگرها تقسیم کند، اما تراشه ریویان طوری طراحی شده که فقط اتونومی را اجرا کند و هیچ کار دیگری انجام ندهد.
ریویان با جفت کردن دو تراشه RAP1 در یک ماژول واحد، به توان ۱۶۰۰ TOPS و نرخ اجرای حدود ۵ میلیارد پیکسل داده در ثانیه دست یافته است؛ در حالی که این عدد برای تراشه Thor انویدیا ۳.۵ میلیارد پیکسل است.
این یکپارچگی عمودی باعث شد ریویان یک سال کامل از زمان توسعه خود کم کند. پلتفرم نسل سوم این شرکت ۸ برابر قدرتمندتر از نسل قبل است و ۶۰٪ فضای کمتری اشغال میکند. برای مقیاسپذیری این قدرت، ریویان از فناوری interconnect به نام «RivLink» استفاده میکند که اجازه میدهد سیستم چندین ماژول RAP را به هم متصل کند؛ به طوری که بسته به مقیاس مدل، میتوان دو تراشه دیگر برای سطح ۳ یا چهار تراشه برای سطح ۴ اضافه کرد.
جزئیات مهندسی: معماری منطقهای و ادغام
ریویان اساس سیمکشی خودروهای خود را برای پشتیبانی از این قدرت پردازشی بازطراحی کرده است. مهندسان شرکت، پراسون رها و موکوند چاوان، بر تکامل سریع معماری شرکت تأکید میکنند:
- کاهش ECU: مدلهای اولیه R1S و R1T از نزدیک به ۲۰ واحد کنترل الکترونیکی (ECU) استفاده میکردند. جدیدترین مدلهای R1 این تعداد را تنها به ۷ عدد کاهش دادهاند.
- سازماندهی منطقهای (Zonal): عملکردهای خودرو اکنون در سه منطقه سازماندهی شدهاند که تولید را سادهتر کرده و قطعات الکترونیکی را متمرکز میکند.
- ادغام زودهنگام (Early Fusion): ریویان از «ادغام زودهنگام» استفاده میکند؛ یعنی دادههای خام حسگرها را که از نظر زمان و مکان تراز شدهاند، پیش از آنکه شبکه عصبی عمل کند، در یک نمای مشترک ترکیب میکند. این روش با «ادغام دیرهنگام» (Late Fusion) متفاوت است که در آن هر حسگر ابتدا شناسایی را به تنهایی انجام میدهد و سپس نتایج را ترکیب میکند.
- تخریب تدریجی (Graceful Degradation): این رویکرد تضمین میکند که حتی اگر یک حسگر خاص، مثلاً لنز دوربین، با گل و لای پوشانده شود، سیستم همچنان با اطمینان به کار خود ادامه دهد.
نرمافزار: مدلهای رانندگی بزرگ (LDM)
راننده هوش مصنوعی ریویان بر اساس یک مدل رانندگی بزرگ (LDM) ساخته شده است. برخلاف سیستمهای سنتی که جمعآوری دادهها را از تصمیمگیری جدا میکنند، این معماری پایانبه-پایان، دادههای خام حسگرها را مستقیماً از طریق یک خط لوله داده واحد به فرمانهای فیزیکی خودرو تبدیل میکند.
- چرخدنده دادهها (Data Flywheel): مدل LDM دادههای ابری را از حداکثر ۱۲۵ هزار خودروی متصل دریافت میکند تا عملکرد خود را از طریق شبیهسازیها تنظیم دقیق (Fine-tune) کند. این «چرخدنده دادهها» به خودرو اجازه میدهد محیط اطراف را از طریق تکرار شناسایی کند و نیاز به نقشههای با دقت بالا (HD Maps) یا اتصالات سلولار مداوم در تونلها و درههای شهری را کاهش دهد.
- ادغام زودهنگام: سیستم دادههای خام حسگرها را در یک نمای مشترک ترکیب میکند تا اطمینان حاصل شود که حتی در صورت پوشانده شدن لنز دوربین با گل، خودرو همچنان با قطعیت عمل کند.
- اطمینان پیشبینانه: هوش مصنوعی اشیا را در فریمهای مختلف ردیابی میکند که با دقت میلیثانیه برچسب زمانی خوردهاند. با عمل بر اساس تشخیصهایی که در چندین فریم تداوم دارند، سیستم از «ترمزهای شبحی» (Phantom Braking) که ناشی از اختلالات تکفریمی دوربین است، جلوگیری میکند. این امر به راننده مجازی اجازه میدهد حتی زمانی که حسگرها با هم اختلاف دارند، با ترجیح دادههای پایدار، ایمن رانندگی کند.
- افزونگی (Redundancy): فرمانهای خروجی برای موتورهای الکتریکی توسط سختافزارهای جایگزین برای سیستمهای by-wire، بهویژه برای فرمان و ترمز، پشتیبانی میشوند.
مجموعه حسگرها و نقشه راه سطح ۴
ریویان از رویکرد «فقط بینایی» تسلا دوری میکند. مدل جدید R2 SUV دارای ۱۱ دوربین با کیفیت بالا و ۵ رادار است و یک واحد لایدار (Lidar) مینیاتوری تا اوایل ۲۰۲۷ در خط سقف آن ادغام خواهد شد. برخلاف واحدهای حجیم روی خودروهای جگوارِ ویمو، لایدار ریویان در یک محفظه شیک در محل تلاقی شیشه جلو و سقف قرار گرفته است.
لایدار حسگری سه-بعدی است که در تاریکی مطلق و نور شدید خورشید کار میکند و برای تشخیص اشیای تصادفی مانند یک لاستیک در جاده یا به قول نیک نگوین، «یک دایناسور بزرگ» حیاتی است. رادار در باران و برف نفوذ میکند، هرچند رزولوشن مکانی کمتری دارد. دوربینها رنگ و بافت را ثبت میکنند اما در نورهای با کنتراست پایین دچار مشکل میشوند. ریویان با ادغام اینها، تصویری قدرتمند از محیط میسازد. ویدیا راجاگوپالان، نایبرئیس سختافزار مهندسی الکتریکی، اشاره میکند که هزینه لایدارها در کمتر از یک دهه از بیش از ۱۰ هزار دلار به چند صد دلار کاهش یافته است.
نقشه راه ریویان برای اتونومی کامل از یک رویکرد لایهبندی شده بر اساس طبقهبندیهای SAE پیروی میکند:
- سطح ۲+ (فعلی): سیستم Autonomy+ نیاز به توجه کامل انسان دارد. این سیستم تا پایان ۲۰۲۶ روی R2 عرضه میشود و از طریق بهروزرسانیهای OTA برای مدلهای R1S و R1T میرسد. ریویان قصد دارد مبلغ ۴۹.۹۹ دلار در ماه یا ۲۵۰۰ دلار به صورت یکجا دریافت کند؛ مبلغی که به طور قابل توجهی کمتر از هزینه ۹۹ دلاری ماهانه تسلا برای FSD (Supervised) یا اشتراک ۳۹۵۰ دلاری سه ساله مرسدس برای MB.Drive Assist Pro (که هنوز نیاز به یک دست روی فرمان دارد) است.
- سطح ۳ (آینده): سیستمی «بدون دست، بدون چشم» که محدود به بزرگراهها است. رانندگان میتوانند ایمیلهای خود را چک کنند یا فیلم ببینند، اما نمیتوانند بخوابند. اگر راننده به هشدارها پاسخ ندهد، سیستم سرعت را کاهش داده، خودرو را کنار میزند یا با ۹۱۱ تماس میگیرد. جیمز فیلبین، نایبرئیس اتونومی، این مرحله را گامی اجتنابناپذیر به سوی سطح ۴ میداند.
- سطح ۴ (۲۰۲۸): ناوگانی از روبوتاکسیها که در آن راننده میتواند در صندلی عقب استراحت کند یا خودرو را بدون سرنشین برای انجام کارهایی مانند خرید پیتزا و بازگرداندن آن به خانه روی یک صندلی گرمشده اعزام کند.
مشارکت با اوبر و مقیاس بازار
در مارس ۲۰۲۶، ریویان قراردادی ۱.۲۵ میلیارد دلاری برای تامین حداکثر ۵۰ هزار روبوتاکسی برای اوبر منعقد کرد. عرضه این خودروها از سال ۲۰۲۸ در سانفرانسیسکو و میامی آغاز شده و سپس به ۲۵ شهر در آمریکا، کانادا و اروپا گسترش مییابد. استقرار اولیه با ۱۰ هزار تاکسی شروع خواهد شد.
این استراتژی از روبوتاکسیها به عنوان «چرخهای کمکی» برای اصلاح قابلیتهای سطح ۴ استفاده میکند تا پیش از آوردن آنها به خودروهای مصرفکننده در سال ۲۰۳۰ (شاید با عملکردهای پارک خودکار)، سیستم به تکامل برسد. ریویان همچنین از یک سرمایهگذاری مشترک ۵.۸ میلیارد دلاری با فولکسواگن بهره میبرد که به این غول آلمانی دسترسی به معماری الکتریکی و نرمافزار R2 را میدهد. برایان رایمر از MIT اشاره میکند که فولکسواگن میلیاردها دلار هزینه میکند تا این معماری را بخرد، به جای اینکه سعی کند آن را از ابتدا بازسازی کند.
چشمانداز رقابتی
با وجود این فناوریها، ریویان از نظر مقیاس همچنان یک تازهوارد است. سال گذشته، ریویان ۴۲ هزار خودرو (R1S، R1T و ونهای تحویل الکتریکی) فروخت، در حالی که تسلا ۱.۶ میلیون و تویوتا بیش از ۱۱ میلیون خودرو فروختند. سیستم FSD تسلا در حال حاضر ۱.۱ میلیون کاربر فعال دارد که به آن برتری دادهای عظیمی میبخشد.
با این حال، ایلان ماسک سابقهای در به تأخیر انداختن زمانبندیها دارد. در آوریل ۲۰۲۶، ماسک زمان رسیدن به سطح ۴ برای مصرفکنندگان را به سه ماهه چهارم ۲۰۲۶ منتقل کرد؛ روند عقبنشینیهایی که ممکن است پنجرهای برای ریویان ایجاد کند تا در زمینه قابلیت اطمینان و ایمنی رقابت کند. در همین حال، شرکت Woven (زیرمجموعه تویوتا) با ویمو (متعلق به Alphabet) برای توسعه پلتفرم اتونومی خود شریک شده است.
تحلیل: چرخش در مسئولیت قانونی
برای مصرفکننده، این تغییر فراتر از راحتی است؛ بحث بر سر انتقال ریسک است. حرکت از سطح ۲ به سطح ۳، مسئولیت قانونی را از راننده به سازنده خودرو منتقل میکند. به همین دلیل است که تمرکز ریویان بر «رانندگی خستهکننده و تکرارپذیر» یک ضرورت تجاری است. نیک نگوین، مدیر محصول اتونومی ریویان، تأکید میکند که برخلاف مدلهای زبانی بزرگ (LLM)، در رانندگی جایی برای ذهنیت شخصی یا خلاقیت نیست: «ما کلیشه میخواهیم. ما خستهکننده بودن را میخواهیم.»
اگر ریویان بتواند ثابت کند LDM آن ایمنتر از انسان است — مشابه ادعای ویمو مبنی بر ۹۲٪ تصادفات جدی کمتر بر اساس ۲۲۰ میلیون مایل داده — از یک شرکت خودروسازی به یک ارائهدهنده نرمافزار به عنوان سرویس (SaaS) تبدیل میشود. اشتراک ماهانه ۴۹.۹۹ دلاری برای Autonomy+ اولین قدم به سوی این مدل درآمدی مستمر است.
جاده پیش رو
تردیدهای عمومی همچنان یک مانع است. اتحادیههای کارگری از دست دادن شغلها در بخش کامیونرانی و تاکسیها میترسند و مجموعهای پیچیده از مقررات محلی، مقیاسپذیری را دشوار میکند. مورگان استنلی پیشبینی میکند که پذیرش فناوری رانندگی هوشمند از ۸٪ در سال ۲۰۲۴ به ۲۸٪ تا سال ۲۰۳۰ جهش کند. تحلیلگر تیم شیائو اشاره میکند که ممکن است تا پنج سال آینده، از هر چهار خودروی فروخته شده در جهان، یکی مجهز به این فناوری باشد.
برای موفقیت، ریویان باید از رویکرد «به من اعتماد کنید» رقبایش فراتر رود و چارچوبی از شفافیت و دادههای مشترک ایجاد کند تا حق مقیاسپذیری را به دست آورد. ادغام لایدار در R2 SUV در اوایل ۲۰۲۷ را دنبال کنید، زیرا این آزمونی تعیینکننده خواهد بود که آیا ادغام سختافزار و نرمافزار ریویان واقعاً میتواند در محیطهای پیچیده شهری از رویکرد «فقط بینایی» تسلا پیشی بگیرد یا خیر.
گفتگو