Di chuyển nhanh trong phần cứng: bài học từ phòng thí nghiệm đến ARR 100 TRIỆU $

Khi chương trình Apollo của NASA đang lựa chọn phương án để lên mặt trăng, hầu hết các nhà lãnh đạo của cơ quan này đều ủng hộ phương án bay thẳng, hạ cánh toàn bộ tàu vũ trụ xuống mặt trăng rồi bay về (cách tiếp cận hiển nhiên), hoặc điểm hẹn trên quỹ đạo Trái Đất, lắp ráp một phương tiện lớn trên quỹ đạo trước khi khởi hành. Cả hai cách tiếp cận đều đòi hỏi một tên lửa đẩy khổng lồ và khả năng hạ cánh trên mặt trăng cực kỳ phức tạp. Một kỹ sư trẻ tên là John Houbolt đã tin rằng phương án điểm hẹn trên quỹ đạo mặt trăng — gửi một tàu đổ bộ nhỏ, được chế tạo chuyên dụng xuống trong khi mô-đun chỉ huy đợi trên quỹ đạo — là phương án tốt hơn hẳn. Ông ấy đã đúng, nhưng ông phải vượt qua hệ thống phân cấp, viết thư trực tiếp cho phó quản trị viên để ý tưởng này được xem xét nghiêm túc. Cuối cùng, NASA đã chọn cách tiếp cận của ông. Đó là một phép trừ. Bằng cách loại bỏ yêu cầu phải hạ cánh toàn bộ phương tiện trở về lên bề mặt mặt trăng, họ đã loại bỏ nhu cầu về một tên lửa đẩy lớn hơn nhiều, có thể sử dụng các công nghệ hiện có, đơn giản hóa vấn đề bảo vệ nhiệt và làm cho tiến độ trở nên khả thi. Nếu không có phép trừ về mặt kiến trúc đó, Apollo gần như chắc chắn sẽ không kịp thời hạn của Kennedy.

Bạn có thể thấy bản năng tương tự trong hệ thống điện tử hàng không của SpaceX. Họ đã đặt câu hỏi về một yêu cầu mà ngành công nghiệp này từ lâu đã coi là hiển nhiên: mọi máy tính bay quan trọng đều phải sử dụng linh kiện chuẩn không gian. Các linh kiện được tôi luyện chịu bức xạ không gian được kiểm tra theo các tiêu chuẩn như tỷ lệ lỗi dưới một phần triệu và có thể đắt gấp 100 đến 1.000 lần so với các thiết bị thương mại tương đương. Tệ hơn nữa, chúng thường lạc hậu một hoặc hai thế hệ về hiệu suất do chu kỳ đánh giá tiêu chuẩn kéo dài. SpaceX đã loại bỏ yêu cầu ở cấp độ linh kiện và thay vào đó thiết kế để đạt tỷ lệ lỗi hệ thống thấp thông qua kiến trúc bỏ phiếu ba kênh dự phòng, về mặt khái niệm tương tự như cách một mảng RAID biến các ổ đĩa không đáng tin cậy thành một hệ thống lưu trữ đáng tin cậy. Kết quả là chi phí thấp hơn nhiều, lặp lại nhanh hơn, khả dụng linh kiện rộng rãi hơn và khả năng nâng cấp tính toán với nhịp độ gần với thế giới thương mại hơn. Cách tiếp cận hàng không vũ trụ truyền thống tối ưu hóa từng bộ phận để đạt đến sự hoàn hảo. SpaceX tối ưu hóa hệ thống để đạt được khả năng phục hồi và tốc độ phát triển. Thông số kỹ thuật khác, không gian thiết kế khác.

Trong 18 năm, các đội ngũ hàng không vũ trụ đã cố gắng giành Giải thưởng Kremer cho chuyến bay bằng sức người, hầu hết đều thất bại theo cùng một cách: họ chế tạo những chiếc máy bay được thiết kế cẩn thận xoay quanh một yêu cầu ngầm định mà không ai đặt câu hỏi: máy bay không được phép hỏng. Yêu cầu đó có vẻ hiển nhiên đến mức không ai nhận ra. Nhưng nó đã thúc đẩy mỗi đội hướng tới những thiết kế nặng nề, đắt đỏ mất hàng tháng để chế tạo, và khi chúng không thể tránh khỏi việc bị rơi trong những chuyến bay đầu tiên, việc sửa chữa lại mất hàng tháng trời. Mỗi nỗ lực thất bại khiến các đội mất cả năm. Không ai có thể lặp lại đủ nhanh để rút kinh nghiệm.

Paul MacCready, một tiến sĩ hàng không tại Caltech và là phi công tàu lượn vô địch, đã xóa bỏ yêu cầu đó. Ông không chế tạo một chiếc máy bay tốt hơn. Ông chế tạo một chiếc dùng một lần. Gossamer Condor được làm từ màng Mylar, ống nhôm, dây đàn piano và băng dính. Nó nặng 55 pound. Nó trông thật nực cười. Nó rơi liên tục. Nhưng khi nó rơi, đội ngũ của ông có thể sửa chữa nó trong vài giờ và bay lại, đôi khi nhiều lần trong cùng một ngày. Trong quá trình phát triển, Condor đã thực hiện hơn 400 chuyến bay thử nghiệm và hơn 12 cải tiến thiết kế lớn. Các đối thủ cạnh tranh của ông chỉ thực hiện một hoặc hai thí nghiệm mỗi năm. Bằng cách xóa bỏ yêu cầu chưa được kiểm chứng về độ bền cấu trúc, ông đã mở ra một không gian thiết kế hoàn toàn khác, nơi tốc độ học hỏi quan trọng hơn chất lượng của bất kỳ nỗ lực đơn lẻ nào. Một năm sau khi bắt đầu, Gossamer Condor đã hoàn thành lộ trình giải thưởng mà những người khác đã thất bại trong gần hai thập kỷ.

Điều khó khăn là phép trừ đòi hỏi lòng can đảm. Nó thường đòi hỏi sự đặt cược vào những điều chưa biết. Việc thêm các yêu cầu tạo cảm giác an toàn. Nhưng trong lĩnh vực công nghệ chuyên sâu giai đoạn đầu, việc thiết kế quá mức giết chết nhiều công ty hơn là thiết kế thiếu. Hệ thống treo chủ động của Bose về mặt kỹ thuật rất phi thường nhưng lại là ngõ cụt về mặt thương mại. Hãy bắt đầu với thông số kỹ thuật phù hợp.

Một câu hỏi tôi thỉnh thoảng nhận được từ các nhà sáng lập công nghệ chuyên sâu là làm thế nào chúng tôi cấu trúc các cột mốc quan trọng của mình và việc gọi vốn gắn liền với chúng. Câu trả lời chung của tôi là: hãy thiết kế một chuỗi các thí nghiệm mà mỗi thí nghiệm sẽ loại bỏ rủi ro quan trọng tiếp theo. Tiếp cận khách hàng sớm nhưng hãy minh bạch về những rủi ro đó và tiến độ. Hãy tìm những nhà đầu tư tin vào hành trình đó. Hãy thuyết phục họ bằng tầm nhìn, nhu cầu khách hàng, cũng như kế hoạch và tiến trình đáng tin cậy. Điều khó khăn, điều mà chúng tôi đã làm sai trong một vài dịp, là dự đoán cần bao nhiêu lần lặp lại để loại bỏ từng rủi ro.

Khi phát triển một công nghệ chuyên sâu mới, các nguyên mẫu ban đầu không nên là các đơn vị sản xuất thu nhỏ. Chúng nên được thiết kế theo cách một nhà khoa học thiết kế một thí nghiệm: với giả thuyết rõ ràng, các biến được kiểm soát và cách đọc trung thực về những gì kết quả mang lại cho bạn. Nếu nguyên mẫu của bạn đang cố gắng chứng minh mọi thứ cùng một lúc, nó có khả năng sẽ không chứng minh được gì một cách thuyết phục.

Boom Supersonic đã tuân theo một chuỗi kỷ luật. Nhà sáng lập Blake Scholl đã không bắt đầu bằng việc cố gắng chứng nhận một chiếc máy bay chở khách thương mại, ông bắt đầu bằng cách đặt câu hỏi điều gì cần phải đúng trước tiên. Đội ngũ đã chế tạo XB-1, một mô hình tỷ lệ một phần ba, để loại bỏ các ẩn số kỹ thuật cụ thể theo thứ tự: Liệu họ có thể thiết kế một cửa hút gió siêu thanh chuyển đổi hiệu quả động năng thành áp suất? Liệu các vật liệu composite sợi carbon có thể chịu được dưới tải trọng nhiệt và cấu trúc của chuyến bay siêu thanh bền vững? Liệu hệ thống tăng cường ổn định kỹ thuật số có thể giữ cho máy bay có thể điều khiển được ở số Mach cao mà không cần sự phức tạp về cơ khí của các bề mặt điều khiển của Concorde không? Mỗi chuyến bay trong chương trình thử nghiệm được thiết kế để trả lời câu hỏi tiếp theo trong chuỗi — xử lý cận âm trước, sau đó là hành vi chuyển âm, rồi đến siêu thanh. XB-1 đã phá vỡ rào cản âm thanh vào tháng 1 năm 2025, chiếc máy bay phản lực dân dụng đầu tiên được phát triển độc lập làm được điều đó. Chỉ bây giờ Boom mới mở rộng các công nghệ đã được kiểm chứng đó thành Overture, chiếc máy bay chở khách cỡ lớn.

Các X-plane (máy bay thử nghiệm) của NASA là ví dụ rõ ràng nhất cho ý tưởng này. X-1, X-15 và những thế hệ kế tiếp của chúng chưa bao giờ được dự định để sản xuất đại trà. Chúng là những công cụ trình diễn công nghệ, được tạo ra để trả lời một hoặc hai câu hỏi cụ thể: Liệu chúng ta có thể phá vỡ ngưỡng Mach 1? Điều gì sẽ xảy ra với các bề mặt điều khiển ở Mach 3? Liệu một thân máy bay nâng (lifting body) có thể tái nhập bầu khí quyển? và để làm cho câu trả lời đủ rõ ràng cho ngành công nghiệp và quân đội hành động. Triết lý X-plane là: đừng xây dựng sản phẩm cuối cùng, hãy xây dựng một thí nghiệm để cho bạn biết liệu điều đó có khả thi hay không.

Triết lý này cũng áp dụng cho chiến lược sản phẩm. Tesla đã có một "kế hoạch tổng thể" rất thận trọng. Họ không bắt đầu bằng việc cố gắng chế tạo một chiếc xe điện giá rẻ cho thị trường đại chúng, điều vốn đòi hỏi phải giải quyết đồng thời các bài toán về chi phí, quy mô sản xuất, nguồn cung pin, niềm tin thương hiệu và tính hấp dẫn của sản phẩm. Thay vào đó, Roadster được thiết kế để trả lời một câu hỏi hẹp: liệu một chiếc ô tô chạy bằng pin dựa trên các cell pin laptop có thực sự hấp dẫn không? Roadster thực chất là một chiếc xe go-kart điện tốc độ cao trong lớp vỏ Lotus Elise. Model S/X đã kiểm chứng liệu Tesla có thể sản xuất một chiếc ô tô "thực thụ" và tạo ra dòng tiền dương từ đó hay không. Chỉ sau đó họ mới thử sức với Model 3/Y, nơi rủi ro lớn còn lại là sản xuất số lượng lớn. Ngay cả rủi ro đó cũng suýt phá hủy công ty trong giai đoạn 2017 đến 2019. Nhưng đến lúc đó, họ đã có thể tập trung vào một thứ quan trọng nhất đó. Và họ đã làm được. Hai năm sau, họ trị giá một nghìn tỷ đô la. Sự thông minh không nằm ở việc tiến xuống phân khúc thấp hơn. Nó nằm ở việc sắp xếp các rủi ro theo trình tự để ở mỗi giai đoạn, họ chỉ phải giải quyết một rủi ro chính.

Đối với các startup, tài nguyên khan hiếm thường là tiền, nhưng cũng có thể là thời gian — và thời gian là thứ bạn không thể gọi vốn thêm. Lilliputian Systems, một công ty spin-off của MIT, đã huy động được 140 triệu đô la để phát triển pin nhiên liệu chạy bằng butan làm bộ sạc di động cho điện thoại và máy tính xách tay. Khi họ bắt đầu vào năm 2001, công nghệ thịnh hành là pin NiCad và NiMH, và lợi thế về mật độ năng lượng của họ là có thật — năng lượng trên mỗi thể tích cao gấp năm đến mười lần so với pin lithium-ion. Nhưng họ đã cố gắng giải quyết mọi thứ cùng một lúc: quy trình chế tạo pin nhiên liệu MEMS mới lạ, quản lý nhiệt của một màng ngăn bị nứt dưới ứng suất giãn nở của chính nó, thiết kế hộp chứa butan, sự chấp thuận của DOT để mang nhiên liệu lên máy bay, thiết kế sản phẩm tiêu dùng và phân phối bán lẻ. Không có gì được sắp xếp theo trình tự. Không có gì được vận chuyển. Họ hoạt động chủ yếu trong bí mật suốt nhiều năm, liên tục hứa hẹn về một sản phẩm "vào năm tới". Mất hơn một thập kỷ để họ đạt được một sản phẩm có thể xuất xưởng, đến thời điểm đó, pin lithium-ion đã cải tiến đáng kể và giá giảm sâu đến mức lợi thế cạnh tranh đã biến mất. Họ phá sản vào năm 2014. Thị trường không chờ đợi bạn hoàn thiện, và cách chắc chắn nhất để hết thời gian là cố gắng giải quyết mọi rủi ro cùng một lúc.

Một điều đã thay đổi kể từ thời kỳ X-plane là việc bạn có thể thực hiện các thử nghiệm với chi phí rẻ hơn biết bao trước khi cam kết với phần cứng. Các công cụ mô phỏng hiện đại như CFD (động lực học chất lưu tính toán) độ chính xác cao, FEA (phân tích phần tử hữu hạn), các bộ giải đa vật lý luôn hữu ích trong việc này, nhưng điện toán đám mây hiệu năng cao và AI đang rút ngắn vòng lặp đó hơn nữa. Các mô hình thay thế (surrogate models) được huấn luyện trên dữ liệu mô phỏng có thể khám phá không gian thiết kế nhanh hơn gấp nhiều lần so với bộ giải cơ bản, cho phép các kỹ sư sàng lọc hàng nghìn ứng viên trước khi chế tạo một nguyên mẫu. Các mạng thần kinh dựa trên vật lý (physics-informed neural networks) có thể nội suy giữa các điểm dữ liệu thử nghiệm thưa thớt theo những cách mà phương pháp khớp đường cong truyền thống không làm được. Không có điều nào trong số này thay thế hoàn toàn việc thử nghiệm vật lý, nhưng nó đưa bộ lọc đầu tiên đến sớm hơn, có thể tối ưu hóa các thông số thiết kế và làm cho mỗi nguyên mẫu vật lý được thông tin đầy đủ hơn.

Các đội ngũ kỹ thuật tốt nhất khi lập kế hoạch cho giai đoạn đầu của một công ty công nghệ chuyên sâu (hard-tech) đều hiểu rõ điều này. Họ tự hỏi: điều gì là thứ tiếp theo mà chúng ta chưa biết, và đâu là mô phỏng hoặc thử nghiệm trung thực rẻ nhất có thể thay đổi niềm tin của chúng ta?

Một sai lầm mà chúng tôi mắc phải tại ClearMotion là tin rằng chúng tôi có thể thuê ngoài việc sản xuất cho các nhà tích hợp hệ thống đã có tên tuổi trước khi thực sự hiểu quy trình của chính mình. Một mặt, điều này thu hút các khách hàng OEM của chúng tôi, những người muốn thấy tên của một nhà cung cấp Tier-1 trên dây chuyền sản xuất. Chúng tôi muốn có sự hỗ trợ của các công ty đã "từng làm điều đó trước đây". Nhưng mặt khác, có quá nhiều điều chúng tôi chưa biết về quy trình lắp ráp và cách đảm bảo chất lượng ở từng bước. Khi việc học hỏi đó diễn ra thông qua bộ máy quan liêu của nhà cung cấp, vòng lặp đó sẽ chậm lại đến mức trì trệ.

Rất may, chúng tôi có đủ nguồn lực để rút ra bài học này và thích nghi. Chúng tôi đã xây dựng dây chuyền sản xuất đầu tiên ngay phía bên kia bức tường kính nơi các kỹ sư của chúng tôi làm việc. Ngày nay, ClearMotion sở hữu khâu sản xuất cuối cùng cho khách hàng của mình, và khi đã có một quy trình được kiểm soát, thấu hiểu rõ ràng, việc thuê ngoài lắp ráp hệ thống trở nên khả thi khi các nhà máy mới được xây dựng trên khắp thế giới. Trình tự thực hiện rất quan trọng: hãy hiểu rõ nó trước, sau đó mới cân nhắc đến việc bàn giao lại cho bên khác.

Nguyên tắc phản biện chung khá đơn giản. Nếu một thứ gì đó là hàng hóa phổ thông: được đặc tả rõ ràng, đã trưởng thành và không phải là cốt lõi của những điều chưa biết trong hệ thống của bạn, thì việc mua lại thường sẽ nhanh hơn. Mobileye đã thuê ngoài thành công việc sản xuất chip xử lý hình ảnh cho STMicroelectronics. Rủi ro đổi mới trong quy trình chế tạo IC của họ rất thấp; sự đổi mới nằm ở thiết kế ASIC và phần mềm nhận diện chạy trên đó. Đó là một sự phân tách rõ ràng, và đối với họ, điều đó mang lại biên lợi nhuận gộp 70% cùng sự tăng trưởng nhanh chóng mà không làm tăng đáng kể chi phí vốn (capex).[3] Ví dụ, đối với việc lắp ráp PCBA, hầu hết các quy trình cũng đều đã được tiêu chuẩn hóa.

Nhưng nếu một hệ thống nằm trực tiếp trên những yếu tố cốt lõi chưa xác định của bạn, thì thuê ngoài thường là lựa chọn chậm chạp nhất mà bạn có thể thực hiện. Trong hầu hết các trường hợp, đối với các hệ thống công nghệ phần cứng phức tạp, khâu sản xuất cuối cùng, ít nhất là trong giai đoạn đầu, nên là trách nhiệm của chính bạn. Điều này ban đầu rất phản trực giác đối với tôi, vì lời kêu gọi về mô hình thuê ngoài sản xuất với biên lợi nhuận hoạt động cao, chi phí vốn thấp rất hấp dẫn đối với một kỹ sư phần mềm đã quen với cách làm việc tại Thung lũng Silicon. Các nhà đầu tư rất thích mô hình kinh doanh "tinh gọn tài sản" ban đầu của chúng tôi. Vấn đề duy nhất, như chúng tôi đã học được, là nó cực kỳ kém hiệu quả khi quy trình còn chưa chắc chắn.

Trong ngành cơ điện tử phức tạp, các mẫu thử nghiệm sớm và việc tinh chỉnh quy trình cho khâu sản xuất hệ thống cuối cùng thường là một phần của chính quá trình kỹ thuật.

Một nhóm nhỏ do Bill McLean lãnh đạo tại Trạm Thử nghiệm Vũ khí Hải quân China Lake đã phát triển thứ trở thành một trong những tên lửa không đối không thành công nhất từng được chế tạo: Sidewinder. Họ giữ cho việc chế tạo, thử nghiệm và lặp lại thiết kế được đặt chặt chẽ cùng nhau và dưới sự kiểm soát của chính mình, cố tình tránh mô hình tổng thầu. Trong khi một chương trình quốc phòng truyền thống sẽ có các kỹ sư viết những bản đặc tả chi tiết, gửi chúng cho nhà thầu và đợi hàng tháng trời cho một nguyên mẫu, thì nhóm của McLean có thể phác thảo một ý tưởng vào buổi sáng, gia công các bộ phận tại xưởng của họ vào buổi chiều và thử nghiệm ngay trên đường băng. Không có sự phân cấp giữa kỹ sư và kỹ thuật viên — họ làm việc cạnh nhau trên cùng những chiếc bàn và máy công cụ. Một vài ý tưởng tốt nhất lại đến từ những người gần gũi nhất với kim loại. Vấn đề ổn định hướng của tên lửa là một ví dụ hoàn hảo. Cách tiếp cận thông thường là sử dụng một hệ thống điện tử: phức tạp, nặng nề và dễ hỏng hóc. Một kỹ thuật viên tên là Sidney Crockett đã đề xuất một giải pháp thay thế hoàn toàn bằng cơ khí: những bánh xe kim loại có rãnh nhỏ gắn trên cánh đuôi sẽ quay trong luồng không khí và đóng vai trò như các con quay hồi chuyển thụ động, tự động điều chỉnh hướng bay. Những "rolleron" này đơn giản hơn, nhẹ hơn và đáng tin cậy hơn bất cứ thứ gì mà một kỹ sư điện tử làm việc độc lập có thể thiết kế ra. Giải pháp đó chỉ có thể xuất hiện trong một môi trường nơi người gia công các bộ phận có tiếng nói và sự gần gũi để ảnh hưởng đến thiết kế. Bài học không chỉ là về tốc độ — mà là trong giai đoạn phát minh, những người định hình thiết kế và những người chế tạo ra nó phải là cùng một đội ngũ.

Một trong những bước chuyển dịch có tác động lớn nhất trong phần cứng hiện đại là chuyển hiệu suất từ sự phức tạp vật lý sang phần mềm và tính toán—để tạo ra các sản phẩm "được định nghĩa bằng phần mềm" (software-defined).

Khi tôi và người đồng sáng lập Shak bắt đầu ClearMotion, chúng tôi gặp vấn đề về cảm biến động cơ trong hệ thống chất lỏng mà một số nhà cung cấp giàu kinh nghiệm đã kết luận là không thể giải quyết được với kiến trúc hệ thống của chúng tôi. Một thành viên cấp cao trong nhóm đã bỏ cuộc và nghỉ việc, viết một lá thư giải thích lý do tại sao vấn đề đó là không thể giải quyết về mặt vật lý. Một tháng sau, chúng tôi đã phát triển một giải pháp lai sử dụng chiến lược điều khiển tiên tiến bằng phần mềm, cùng với một cảm biến từ tính độ phân giải thấp. Giải pháp này chủ yếu dựa vào tính toán. Trải nghiệm đó đã định hình tư duy của tôi về ranh giới giữa các vấn đề phần cứng và phần mềm hơn bất cứ điều gì khác. Sau đó, chúng tôi thiết kế hệ thống dựa trên nguyên tắc phần cứng được định nghĩa bằng phần mềm này, thực hiện những việc như học tăng cường liên tục để tối ưu hóa thuật toán điều khiển, các mô hình ML để cải thiện tỷ lệ tín hiệu trên nhiễu của cảm biến giá rẻ, các bộ điều khiển để thay đổi hoàn toàn động lực học của cơ cấu chấp hành và tung ra các tính năng mới. Khi nghi ngờ, hãy giải quyết nó bằng phần mềm.

Các trung tâm dữ liệu của Google mang đến một ví dụ về nguyên tắc này ở quy mô công nghiệp. Năm 2016, DeepMind đã triển khai một mạng thần kinh sâu để tối ưu hóa việc làm mát trên các trung tâm dữ liệu của Google — không phải bằng cách thiết kế lại các máy làm lạnh hay kiến trúc luồng không khí, mà bằng cách học hỏi các tương tác phi tuyến tính giữa hơn 120 biến số vật lý (nhiệt độ, tốc độ máy bơm, vị trí van, điều kiện thời tiết) mà các nhà vận hành con người đã quản lý bằng tay. Hệ thống chỉ sử dụng các cảm biến hiện có. Không có phần cứng mới nào được lắp đặt. Kết quả là giảm 40% năng lượng làm mát, mức tăng mà không có kỹ thuật cơ khí nào có thể đạt được. Đến năm 2018, đây đã trở thành một hệ thống điều khiển hoàn toàn tự động thực hiện các điều chỉnh theo thời gian thực cho nhà máy vật lý. Bài học cũng giống như bài học chúng tôi đã rút ra với vấn đề cảm biến: vật lý không thay đổi, trí tuệ áp dụng vào vật lý mới là thứ thay đổi, và vì kiến trúc cho phép phần cứng được điều khiển bằng phần mềm, các nguyên tử trở nên hiệu quả hơn đáng kể mà không cần bất kỳ ai can thiệp trực tiếp vào chúng.

Sau một loạt vụ va chạm với mảnh vụn trên đường gây lo ngại về an toàn cho bộ pin của Model S, Tesla đã tung ra một bản cập nhật qua mạng (over-the-air) giúp tự động nâng cao khoảng sáng gầm xe ở tốc độ cao. Đó không phải là một đợt triệu hồi để lắp đặt các tấm bảo vệ gầm mới (một giải pháp hiển nhiên nhưng đắt đỏ). Đó là một thay đổi về phần mềm, được triển khai qua mạng, trong một đêm, với chi phí biên bằng không trên mỗi xe và nó sử dụng một đòn bẩy kỹ thuật số để giải quyết vấn đề hình học trong thế giới vật lý. Phần cứng được định nghĩa bằng phần mềm có khả năng co giãn sau bán hàng mà các hệ thống chỉ dựa vào vật lý không thể sánh kịp.

Năm 2013, NASA nhận ra rằng các bánh xe bằng nhôm trên tàu Mars Curiosity Rover đang chịu những hư hại thảm khốc từ các tảng đá sắc nhọn trên Sao Hỏa. Thiết kế cơ khí đã được chốt và phần cứng đang tự hủy hoại cách đó hàng triệu dặm. Thay vì chấp nhận rút ngắn thời gian thực hiện sứ mệnh, các kỹ sư JPL đã phát triển một giải pháp vật lý được định nghĩa bằng phần mềm. Họ đã viết và tải lên một thuật toán kiểm soát lực kéo mới giúp điều chỉnh linh hoạt tốc độ của từng bánh xe dựa trên độ nghiêng của hệ thống treo và địa hình mà tàu đang leo. Phần mềm đảm bảo các bánh xe đẩy và kéo một cách nhịp nhàng, giảm đáng kể các lực vật lý thuần túy đẩy bánh xe vào các tảng đá sắc nhọn. Mã nguồn đã bổ sung một lớp bảo vệ cơ học hiệu quả cho tàu thám hiểm, kéo dài tuổi thọ vật lý của nó thêm nhiều năm. Nhiều đổi mới trong số này yêu cầu phần cứng phải được thiết kế dựa trên sự kiểm soát của phần mềm. Một hệ thống truyền động động cơ đốt trong không thể tự điều hướng lực mô-men xoắn cho từng bánh xe ở độ phân giải cao như vậy. Nhưng các động cơ điện truyền động trực tiếp thì có thể.

Tại ClearMotion, bản năng đầu tiên của chúng tôi thường là giải quyết các thách thức hệ thống bằng phần mềm. Các nguyên mẫu ban đầu gây ồn do biến động áp suất chất lỏng gây ra bởi hình dạng hình học của máy bơm, nhưng bằng cách kiểm soát mô-men xoắn động cơ như một hàm của hình dạng hình học đó trong phần mềm, chúng tôi đã chủ động triệt tiêu tiếng ồn. Bằng cách thiết kế hệ thống xung quanh việc kiểm soát bằng phần mềm, chúng tôi có thể thay đổi động lực học của hệ thống (plant dynamics) như quán tính phản xạ bằng cách sử dụng các thuật toán dự đoán. Thiết kế hệ thống điều khiển có sự hỗ trợ của AI có thể tinh chỉnh hàng ngàn tham số cùng lúc dựa trên dữ liệu thực tế, tìm ra các điểm vận hành mà việc hiệu chỉnh thủ công sẽ mất nhiều tháng mới đạt được. Khi cần tính toán đường nét mặt đường phía trước với độ chính xác cao, chúng tôi đã sử dụng dữ liệu cảm biến xe hiện có để xây dựng các bản đồ HD độ trung thực cao về con đường, thu thập dữ liệu cộng đồng, định vị ô tô dựa trên dữ liệu đó và kiểm soát hành trình để giảm thiểu tác động từ mặt đường dựa trên khả năng xem trước vô hạn. Chúng tôi là đơn vị đầu tiên triển khai học tăng cường (reinforcement learning) cho việc kiểm soát phương tiện bên ngoài lĩnh vực lái xe tự động, sử dụng một framework học sâu giúp cải thiện hiệu suất theo thời gian và thích ứng khi xe, đường xá và các thành phần phần cứng thay đổi. Các cách tiếp cận bằng phần mềm này cho phép chúng tôi di chuyển nhanh hơn nhiều so với việc thiết kế lại phần cứng.

"Bài học cay đắng" (Bitter Lesson) của Rich Sutton từ nghiên cứu AI là một phép so sánh phù hợp ở đây. Quan sát của ông là trong lịch sử của AI, các phương pháp tận dụng sức mạnh tính toán luôn thắng thế so với các phương pháp tận dụng tri thức miền (domain knowledge) do con người xây dựng. Cám dỗ luôn là xây dựng thêm cấu trúc, thêm các tính năng thủ công, các cơ chế thông minh. Nhưng các phương pháp có khả năng mở rộng là những phương pháp thay thế sự phức tạp tùy chỉnh bằng sức mạnh tính toán chung. Tôi nghĩ điều tương tự cũng đang xảy ra trong các hệ thống vật lý. Các đội ngũ có vị thế tốt nhất để chiến thắng là những đội thay thế sự phức tạp cơ học — các liên kết tùy chỉnh, vật liệu kỳ lạ, cảm biến bổ sung — bằng sức mạnh tính toán trên phần cứng đơn giản hơn. Bởi vì phần mềm là có thể lặp lại. Bạn có thể cập nhật một mô hình chỉ trong một buổi chiều. Việc thiết kế lại một bộ khuôn đúc phải mất hàng tháng.

Khi bạn chuyển quyền kiểm soát sang phần mềm, các vòng lặp lặp lại sẽ nhanh hơn—cho dù bạn đang giảm thiểu các lỗi, thêm chức năng hay điều chỉnh hiệu suất.

Taiichi Ohno, kiến trúc sư của Hệ thống sản xuất Toyota (Toyota Production System), thường vẽ các vòng tròn bằng phấn trên sàn nhà máy và bắt các kỹ sư đứng trong đó hàng giờ chỉ để quan sát. Mục đích không phải là kỷ luật. Mà là băng thông. Một kỹ sư đứng cạnh quy trình sẽ hấp thụ thông tin (ví dụ: độ rung, thời gian, nguồn gốc lãng phí) mà các báo cáo bằng văn bản không có. Toyota đã mang triết lý này đến Hoa Kỳ thông qua NUMMI, một liên doanh với GM tại một nhà máy ở Fremont, California.

Nhiều thập kỷ sau, Tesla đã mua lại chính nhà máy đó. Trong cuộc khủng hoảng sản xuất Model 3, Elon Musk đã ngủ ngay trên sàn dây chuyền sản xuất, làm việc cùng đội ngũ để giải quyết từng điểm nghẽn chính. Ông nói: “Tôi luôn chuyển bàn làm việc của mình đến bất cứ nơi nào có vấn đề lớn nhất.” Cùng tòa nhà, cùng một sự thấu hiểu mà Ohno đã hệ thống hóa năm mươi năm trước.

Tại ClearMotion, chúng tôi đã thuê một đội ngũ các chuyên gia kỹ thuật thực hành sớm, những người thích nhìn thấy các sáng tạo của mình trở nên sống động. Mỗi văn phòng chúng tôi xây dựng đều có một phòng thí nghiệm chế tạo/thử nghiệm ngay cạnh bàn làm việc hoặc có tường kính nơi các kỹ sư của chúng tôi có thể thấy các quá trình chế tạo đang diễn ra. Chúng tôi đã làm việc với một vài xưởng cơ khí, hầu hết đều nằm trong phạm vi 2 giờ lái xe từ Cambridge, MA, nhưng ngày càng nhận ra rằng điều đó cũng có cái giá của nó: các bản vẽ bị hiểu sai, giao hàng chậm trễ, các lỗi chất lượng mất cả tuần để sửa, nhu cầu về một đội ngũ thu mua để quản lý nhà cung cấp, v.v. Ngay khi tài chính cho phép, chúng tôi đã đưa các khả năng gia công cơ khí chuyên sâu vào nội bộ để vòng lặp từ thiết kế đến có linh kiện có thể thực hiện trong ngày thay vì hai tuần. Chúng tôi đã di chuyển nhanh hơn.

Đối với một nhà sáng lập công nghệ phần cứng, thực tế đơn giản hơn nhiều: khi người chế tạo công cụ, kỹ sư quy trình, người tích hợp dây chuyền và các kỹ sư của bạn đều có thể đứng quanh cùng một bàn làm việc vào chiều thứ Ba, những vấn đề thường cần nhiều cuộc gọi Zoom và các chuyến hàng DHL sẽ được giải quyết trong vài giờ.

Đây, hơn cả nguồn lao động giá rẻ, chính là bí mật cấu trúc đằng sau sự thống trị sản xuất của Trung Quốc. Lợi thế cuối cùng của họ là mật độ không gì sánh bằng. Khi chúng tôi xây dựng một nhà máy trên khu đất cũ bên ngoài Thượng Hải, chúng tôi có thể tìm nguồn cung ứng hầu hết mọi thành phần tại địa phương. Người tích hợp dây chuyền của chúng tôi là người địa phương. Chúng tôi đã thuê những nhân viên giàu kinh nghiệm, làm việc chăm chỉ, những người đã từng ra mắt sản phẩm với các nhà cung cấp này (và các khách hàng OEM) trước đó. Chúng tôi đã hoàn thành trong 6 tháng những gì phải mất 24 tháng ở Mỹ (nơi chúng tôi phải làm việc với các nhà cung cấp, đơn vị tích hợp và đối tác phân tán).

Nếu bạn muốn đội ngũ phần cứng của mình di chuyển nhanh, bạn phải chủ động nén các vòng lặp học hỏi vật lý. Mỗi dặm khoảng cách giữa các kỹ sư và thực tế vật lý của sản phẩm (chế tạo, thử nghiệm, sản xuất) là một loại thuế đánh vào tốc độ của bạn.

Hình thái cuối cùng của sự nhẹ nhàng chính là tổ chức.

Chi phí truyền thông trong một đội ngũ tăng xấp xỉ bình phương số lượng người. Trong phần cứng, nơi các sản phẩm mang tính vật lý, đa phương thức, đặc thù chuyên môn sâu và không thể diff hoặc quản lý phiên bản một cách sạch sẽ, đây trở thành một nút thắt lớn đối với tốc độ.

Bộ phận Lockheed Martin Skunk Works huyền thoại với tốc độ và tham vọng đáng kinh ngạc đã vận hành dựa trên nguyên tắc: chỉ sử dụng 10-25% quân số so với một chương trình thông thường. SR-71, U-2, F-117 đều được xây dựng bởi những đội ngũ rất nhỏ theo tiêu chuẩn hàng không vũ trụ. Người đứng đầu Skunk Works, Kelly Johnson, đã đề ra 14 quy tắc, và một vài trong số đó về cơ bản là giữ cho nhóm đủ nhỏ để mọi người có thể mặc định chia sẻ bối cảnh công việc với nhau.

Chúng tôi đã thấy điều này tại ClearMotion. Chúng tôi trải nghiệm sự sụt giảm năng suất rõ rệt khi quy mô vượt quá khoảng ba mươi người, thời điểm mà chúng tôi buộc phải tạo ra nhiều sự cô lập (silo) hơn, phân chia công việc nhiều hơn và thực tế là không còn đủ chỗ ngồi trong một căn phòng nữa. Việc chia sẻ bối cảnh trở nên chậm chạp hơn. Đây là nơi AI có thể mang lại tác động bị đánh giá thấp nhất trong kỹ thuật phần cứng— không phải là tạo ra các thiết kế, mà là nén bớt khối lượng công việc thông tin vốn là lý do khiến các nhóm buộc phải phình to ngay từ đầu.

Sự tinh gọn cũng là một trạng thái tư duy. Những sai lầm đắt giá nhất trong tuyển dụng mà chúng tôi mắc phải không chỉ là thuê "nhầm người", mà là thuê những người không tin rằng mọi thứ có thể được thực hiện theo cách khác. Thời gian đầu, chúng tôi có thể hoàn thành khối lượng công việc phi thường với một nhóm nhỏ di chuyển linh hoạt qua nhiều chương trình khách hàng vì chúng tôi không biết cách nào khác tốt hơn. Chúng tôi không biết rằng tại một đơn vị Tier-1, họ sẽ cần 50 người để làm các ứng dụng OEM mà chúng tôi chỉ cần 5 người. Nhưng khi chúng tôi thuê thêm các quản lý kỹ thuật giàu kinh nghiệm, nhiều người trong số họ ủng hộ việc mở rộng đội ngũ, thêm thiết bị và tài nguyên để giảm thiểu rủi ro. Họ không hình dung được cách chúng tôi có thể thực hiện công việc một cách đáng tin cậy với ít nguồn lực hơn. Cộng với việc chúng tôi có ngân sách lên đến chín con số và hoàn toàn có thể đáp ứng những yêu cầu này, đó chính là công thức dẫn đến sự lãng phí.

Quy trình thì hữu ích (thực tế, các nhóm ứng dụng lớn hơn của chúng tôi đã giúp giảm bớt các tình huống khẩn cấp vào phút chót). Nhưng quy trình cũng tạo ra sức ì. Câu hỏi đúng không phải là bạn có quy trình hay không. Mà là liệu quy trình của bạn có đang giúp hệ thống học hỏi nhanh hơn hay không.

Các đội ngũ phần cứng xuất sắc nhất di chuyển nhanh vì họ giảm bớt sức nặng của vòng lặp học hỏi. Họ loại bỏ những yêu cầu không quan trọng. Họ xây dựng các nguyên mẫu chỉ để giải quyết một câu hỏi. Họ thuê ngoài những phần đã hoàn thiện và tự làm những phần chưa chắc chắn. Họ thay thế phần mềm cho các phức tạp vật lý có thể tránh được. Họ giữ việc thiết kế, chế tạo, thử nghiệm và sản xuất gần gũi với nhau. Họ giữ cho đội ngũ đủ nhỏ để chia sẻ bối cảnh. Và ngày càng nhiều, họ sử dụng các công cụ AI để giữ cho các vòng lặp đó nhanh chóng ngay cả khi hệ thống tăng dần về độ phức tạp.

Đơn giản hóa, sau đó thêm sự tinh gọn. Chapman đã nói về những chiếc xe đua, nhưng ông đang mô tả một điều tổng quát hơn: đi nhanh trong sự ràng buộc. Mọi công ty phần cứng đều hoạt động trong sự ràng buộc. Lần tới khi chương trình phần cứng của bạn cảm thấy chậm chạp, đừng hỏi "làm sao để chúng ta đi nhanh hơn". Hãy hỏi "chúng ta đang mang vác những thứ gì mà chúng ta không cần đến".

[1] Mặc dù những hành động anh hùng như đặt vé đi Đức trong ngày với những chiếc vali Pelican chứa đầy bộ truyền động là cách tốt để đạt hạng Star Alliance Gold

[2] Cuối cùng chúng tôi đã mua lại họ vì đội ngũ tài năng và sở hữu trí tuệ về điều khiển của họ

[3] Mobileye là một trong những câu chuyện thành công vĩ đại nhất về việc xây dựng một công ty công nghệ ô tô xét về tăng trưởng và chiến lược kinh doanh

[4] Theo thông tin, nguyên mẫu đầu tiên được chế tạo trong gara cá nhân của McLean