Fornire soluzioni di edge- AI e a bordo dei veicoli su larga scala

Sebbene l’ AI e basata sul cloud sia utile per le funzionalità di infotainment come gli assistenti vocali e la navigazione, risulta insufficiente per le funzioni critiche dei veicoli a causa di problemi legati alla latenza, alla connettività e alla privacy.
- Reattività in tempo reale: l’ AI e edge elabora i dati direttamente all’interno del veicolo, consentendo decisioni immediate senza il ritardo derivante dall’invio dei dati al cloud e dal successivo ritorno.
- Affidabilità: garantisce il funzionamento delle funzionalità anche in assenza di una connessione Internet stabile, aspetto fondamentale per le applicazioni critiche per la sicurezza.
- Privacy e costi: l’elaborazione locale dei dati risponde alle preoccupazioni relative alla privacy dei dati e riduce gli elevati costi associati al trasferimento di grandi volumi di dati sul cloud.

L'implementazione dell'AI e nei veicoli è complessa perché i modelli ottimizzati per una determinata Unità di Controllo Elettronica (ECU) spesso non funzionano su un'altra a causa delle differenze hardware. Sonatus AI Director affronta questo problema attraverso:
- Implementazione "Compute-Aware": la piattaforma garantisce che ogni modello AI venga automaticamente abbinato e ottimizzato per il proprio ambiente di destinazione specifico, che si tratti di un Application Core, di un Real-Time Core o di una NPU.
- Isolamento containerizzato: utilizza runtime isolati per eseguire i modelli in modo sicuro, prevenendo i conflitti e garantendo che modelli diversi possano funzionare in modo affidabile sullo stesso hardware.
- Toolchain unificata: sostituisce i processi frammentati e manuali con un’unica piattaforma standardizzata che gestisce l’intero ciclo di vita — dall’addestramento alla distribuzione — su diverse ECU e architetture di veicoli.

La piattaforma offre vantaggi concreti che accelerano il time-to-market e riducono i costi per i principali stakeholder:
- Per gli OEM (case automobilistiche): riduce significativamente i costi di ingegnerizzazione standardizzando le modalità di implementazione dei modelli interni e dei partner. Inoltre, evita la necessità di sviluppare logiche personalizzate di estrazione dei dati per ogni nuova funzionalità, consentendo cicli di innovazione più rapidi.
- Per fornitori e sviluppatori di modelli: accelera il passaggio dal prototipo alla produzione fornendo un’interfaccia coerente. Possono implementare le loro funzionalità "a valore aggiunto" AI (come la diagnostica delle batterie o la sicurezza informatica) senza dover affrontare i complessi processi di integrazione di ogni singolo OEM.
- Per i fornitori di chip: consente una più rapida adozione dei loro chip (come i processori NXP) fornendo un flusso di lavoro preintegrato e "silicon-aware" che dimostra più rapidamente le prestazioni alle case automobilistiche.