AI -Lösungen für den Einsatz im Fahrzeug in großem Maßstab bereitstellen

Zwar ist die cloudbasierte Datenverarbeitung ( AI ) für Infotainment-Funktionen wie Sprachassistenten und Navigation nützlich, doch reicht sie aufgrund von Latenz, Konnektivitäts- und Datenschutzproblemen für missionskritische Fahrzeugfunktionen nicht aus.
- Echtzeit-Reaktionsfähigkeit: Bei der Edge- AI werden Daten direkt im Fahrzeug verarbeitet, was sofortige Entscheidungen ermöglicht, ohne dass es zu Verzögerungen durch den Datenaustausch mit der Cloud kommt.
- Zuverlässigkeit: Es wird sichergestellt, dass Funktionen auch ohne stabile Internetverbindung funktionieren, was für sicherheitskritische Anwendungen von entscheidender Bedeutung ist.
- Datenschutz und Kosten: Die lokale Datenverarbeitung trägt Datenschutzbedenken Rechnung und senkt die hohen Kosten, die mit der Übertragung großer Datenmengen in die Cloud verbunden sind.

Die Bereitstellung von „ AI “ in Fahrzeugen ist schwierig, da Modelle, die für eine bestimmte elektronische Steuereinheit (ECU) optimiert sind, aufgrund von Hardwareunterschieden auf einer anderen ECU oft versagen. Sonatus AI Director löst dieses Problem durch:
- „Compute-Aware Deployment“: Die Plattform stellt sicher, dass jedes „ AI “-Modell automatisch an seine spezifische Zielumgebung angepasst und für diese optimiert wird, unabhängig davon, ob es sich um einen Application Core, einen Real-Time Core oder eine NPU handelt.
- Containerisierte Isolierung: Durch die Verwendung isolierter Laufzeiten werden Modelle sicher ausgeführt, wodurch Konflikte vermieden werden und sichergestellt wird, dass unterschiedliche Modelle zuverlässig auf derselben Hardware laufen können.
- Einheitliche Toolchain: Fragmentierte, manuelle Prozesse werden durch eine einzige, standardisierte Plattform ersetzt, die den gesamten Lebenszyklus – vom Training bis zur Bereitstellung – über verschiedene Steuergeräte und Fahrzeugarchitekturen hinweg verwaltet.

Die Plattform bietet deutliche Vorteile, die die Markteinführungszeit verkürzen und die Kosten für wichtige Interessengruppen senken:
- Für OEMs (Automobilhersteller): Sie reduziert den Entwicklungsaufwand erheblich, indem sie die Bereitstellung interner und Partnermodelle standardisiert. Außerdem entfällt die Notwendigkeit, für jede neue Funktion eine maßgeschneiderte Logik zur Datenextraktion zu entwickeln, was schnellere Innovationszyklen ermöglicht.
- Für Zulieferer und Modellentwickler: Sie beschleunigt den Übergang vom Prototyp zur Serienproduktion durch die Bereitstellung einer einheitlichen Schnittstelle. Sie können ihre „Mehrwert“- AI -Funktionen (wie Batteriediagnose oder Cybersicherheit) bereitstellen, ohne sich mit den komplexen Integrationsprozessen der einzelnen OEMs auseinandersetzen zu müssen.
- Für Halbleiterhersteller: Sie ermöglicht eine schnellere Einführung ihrer Chips (wie NXP-Prozessoren), indem sie einen vorintegrierten, „halbleiterorientierten“ Workflow bereitstellt, der den Automobilherstellern die Leistungsfähigkeit schneller demonstriert.