Questa è la Parte 2 di “L’equazione dell’uptime”. La prima parte ha illustrato perché è necessario acquisire il contesto del veicolo direttamente a bordo. Questa parte esamina i costi associati a tale operazione.
Il team responsabile della piattaforma dispone di un modello in grado di prevedere i guasti nel sistema di post-trattamento (controllo delle emissioni) di un camion con settimane di anticipo rispetto al loro verificarsi. La questione ingegneristica è risolta. Quella relativa alla piattaforma no: dove viene eseguito questo modello? Se è compatibile con il gateway o con il controller telematico già presente sul camion, può essere integrato nei programmi attuali. Se richiede un controller più potente, dovrà attendere la prossima architettura elettrica/elettronica (E/E) e non arriverà mai sui camion già in circolazione.
Si tratta di una domanda che sorge ogni volta che si presenta un nuovo caso d’uso dei dati e, nel settore dei veicoli commerciali, gli aspetti economici alla base della risposta differiscono da quelli delle autovetture sotto tre aspetti.
Perché i calcoli sono diversi per i camion
Volume. Le vendite al dettaglio negli Stati Uniti di autocarri di Classe 8 sono state pari a 208.386 nel 2025. Le vendite di veicoli leggeri nuovi negli Stati Uniti ammontavano a 16,2 milioni, circa 78 volte di più. Aggiungendo gli autocarri medi e quelli speciali, il divario si riduce ma non si colma. Ogni dollaro speso per l’hardware di calcolo aggiuntivo e ogni dollaro speso per l’integrazione e la validazione di un nuovo controller viene ripartito su una frazione delle unità.
Durata di vita. La durata media degli autocarri pesanti negli Stati Uniti è di 12,1 anni di età operativa. Anche le flotte mantengono i camion in servizio più a lungo: i dati di ACT Research riportati da FleetOwner indicano che la durata media di un autocarro di Classe 8 in servizio nelle flotte è di 6,3 anni, il valore più alto dal 2013. I nuovi componenti hardware di elaborazione, come gateway più potenti, unità telematiche o centraline elettroniche (ECU), vanno a vantaggio solo dei veicoli di nuova costruzione. Il parco veicoli esistente mantiene l’hardware di cui era dotato al momento della consegna per un decennio o più, e gran parte del valore del tempo di operatività descritto nella Parte 1 risiede proprio in quel parco veicoli esistente.
Cicli di aggiornamento dell'architettura. Le architetture E/E nei veicoli commerciali vengono aggiornate con cicli pluriennali e molti controller provengono da fornitori che l’OEM non controlla completamente. Un caso d’uso legato al nuovo hardware di elaborazione è vincolato a tale tempistica.
Nel loro insieme, questi tre fattori rendono ancora più cruciale una questione: in che misura le funzionalità intelligenti di cui un camion ha bisogno devono provenire da nuovo hardware e in che misura possono derivare da un uso più efficiente dell’hardware già presente? Esistono due modi per finanziare l’ AI a a bordo dei veicoli. Uno consiste nell’acquistare funzionalità. L’altro consiste nel migliorare l’efficienza.
Opzione 1: acquisto di capacità
I vantaggi dell’hardware sono concreti. Le architetture centralizzate e a zone consolidano i carichi di lavoro su un numero minore di controller più potenti e riducono il cablaggio. McKinsey osserva che, poiché questi controller richiedono una maggiore potenza di elaborazione, possono comportare costi aggiuntivi. Anche i produttori OEM di veicoli commerciali stanno seguendo questa direzione. Coretura, la joint venture tra Daimler Truck e Volvo Group lanciata nel 2025, sta sviluppando una piattaforma condivisa per veicoli definita dal software. Si occuperà inoltre di specificare e procurare controller centralizzati ad alte prestazioni per veicoli commerciali, con i primi prodotti destinati ai veicoli previsti entro la fine del decennio.
Un hardware di elaborazione più potente, come un controller centrale o zonale ad alte prestazioni oppure un acceleratore dedicato AI , rappresenta la soluzione ideale quando un carico di lavoro ne ha realmente bisogno: percezione tramite telecamera, ADAS, guida autonoma o qualsiasi altro caso in cui il valore per veicolo nel corso della sua vita utile superi chiaramente il costo aggiuntivo in base al volume di produzione. È inoltre una scelta sensata quando si sta comunque progettando una nuova piattaforma.
Ma presenta dei limiti. Riguarda solo i veicoli nuovi, secondo la tempistica della piattaforma. Inoltre, un controller più potente non elimina la necessità di un software efficiente, poiché ogni carico di lavoro su un computer condiviso compete per le stesse risorse. Nella ricerca di McKinsey su AI e edge nel settore automobilistico, il 46% degli intervistati ha indicato come ostacolo le risorse limitate del system-on-chip.
Percorso n. 2: migliorare l'efficienza
Il software riesce a sfruttare al meglio l'hardware già disponibile. Diverse tecniche hanno ormai raggiunto la maturità:
- Compressione dei modelli. La quantizzazione intera rende i modelli circa 4 volte più piccoli e 3 volte più veloci con una perdita di precisione minima. La combinazione di potatura e quantizzazione riduce lo spazio di archiviazione del modello da 35 a 49 volte senza compromettere la precisione. McKinsey osserva che i microcontrollori sono sempre più in grado di eseguire modelli leggeri di " AI " a livello di edge.
- Esecuzione su richiesta. Un modello può essere installato sul veicolo senza dover funzionare continuamente. Come descritto in "I modelli di AI sempre attivi mettono a dura prova le risorse dei veicoli commerciali", un ambiente di esecuzione condiviso a bordo del veicolo può mantenere in funzione i modelli continui o critici per la sicurezza e attivare altri, come il controllo dello stato di salute della batteria durante una sessione in deposito, solo quando le condizioni del veicolo lo richiedono.
- Raccolta dei dati in base agli eventi e compressione a bordo del veicolo. Il veicolo memorizza e invia solo i dati rilevanti relativi a un evento, anziché trasmettere tutto in streaming.
- Sensori virtuali. Il software è in grado di stimare un valore a partire dai segnali già presenti sulla rete del veicolo, anziché aggiungere un sensore fisico. In un caso di studio di un nostro partner, un sensore di regolazione dell’inclinazione dei fari basato esclusivamente su software e realizzato a partire dai segnali CAN ha ridotto i costi hardware fino a 20 dollari per veicolo. In questo caso, la soluzione software non si limita a evitare l’aggiunta di costi alla distinta base, ma li elimina del tutto.
Il vantaggio principale dell’approccio software nel settore degli autocarri è la sua portata. Può essere implementato over-the-air sui veicoli già in servizio, nei limiti delle loro capacità di elaborazione, e sui programmi attuali senza dover attendere la prossima architettura. Questa è la premessa alla base di Fastlane™ Edge, che esegue modelli di " AI ", sensori virtuali e diagnostica predittiva sulle risorse di calcolo già presenti a bordo del veicolo, quali un gateway ad alte prestazioni, un'unità telematica o un computer centrale, senza bisogno di un acceleratore " AI " dedicato. Nei casi in cui i camion non dispongano ancora di tale potenza di calcolo, Fastlane™ Copilot aggiunge un gateway ad alte prestazioni ai veicoli esistenti senza modificarne l’architettura di produzione, sia nei prototipi che nelle flotte di prova.
Ma anche questo ha i suoi limiti. Il software non può trasformare un gateway in un computer percettivo. È vincolato dalla potenza di calcolo disponibile, dalla memoria e dallo sforzo di convalida, e comporta costi propri in termini di sicurezza, sicurezza informatica e gestione del ciclo di vita.
Considerala come un'unica decisione
L'errore consiste nel considerare l'hardware e il software come budget distinti. L'efficienza del software determina la quantità di hardware necessaria. Una sequenza pratica per i team che si occupano delle piattaforme:
- Ottimizza prima, poi dimensiona l'hardware. Determina le esigenze del carico di lavoro dopo la compressione e la progettazione basata sugli eventi, non prima.
- Chiediti dove risiede il valore. Se la maggior parte di esso risiede nella base installata, la strada dell'hardware non può raggiungerlo.
- Confronta il valore con il costo in base al tuo volume di produzione. Valuta il valore per veicolo nel corso della sua vita utile rispetto ai costi aggiuntivi per l'hardware e l'integrazione, ripartiti sui tuoi numeri di produzione effettivi.
- Prevedere un margine di manovra in vista dell’introduzione di una nuova architettura. Pianificatelo partendo dal presupposto che sarà riempito da software efficiente.
Il software ha un costo proprio. Ogni modello aggiunto a un camion richiede risorse di calcolo, memoria, lavoro di integrazione e validazione, e deve essere mantenuto per tutta la durata di vita del veicolo. Eseguire i modelli solo quando sono necessari e condividere un unico ambiente di esecuzione tra tutti loro impedisce che tale costo aumenti con ogni nuovo caso d’uso.
Una volta che un carico di lavoro trova posto sul veicolo, la domanda successiva è: quali attività devono essere svolte proprio lì e quali invece nel cloud? Ne parleremo nella Parte 3.
In sintesi: Acquisire un contesto dettagliato del veicolo ed eseguire l'AI e a bordo comporta dei costi, e i produttori di veicoli commerciali devono sostenere tali costi su una base produttiva molto più ridotta rispetto a quella dei costruttori di autovetture. Possono far fronte a tali costi in due modi: aggiungere hardware più potente e giustificarne la spesa con il valore dei dati, oppure rendere il software sufficientemente efficiente da funzionare con la potenza di calcolo già presente nel veicolo. La maggior parte adotterà entrambi gli approcci. Tuttavia, i volumi ridotti, i cicli di vita di 12 anni e i lunghi cicli di sviluppo dell’architettura implicano che i produttori dovrebbero optare per il software come soluzione predefinita: eseguire i nuovi carichi di lavoro sulle risorse di calcolo già presenti nei veicoli e aggiungere hardware di calcolo solo laddove un carico di lavoro, come la percezione tramite telecamera, lo richieda, oppure laddove sia già in fase di progettazione una nuova architettura E/E.