AI e edge e cloud a bordo dei veicoli su larga scala

Sebbene l’ AI cloud funzioni bene per applicazioni come gli assistenti conversazionali, risulta insufficiente per le funzioni automobilistiche scalabili e mission-critical a causa dei costi elevati e dei limiti tecnici. Il passaggio all’ AI edge è determinato da:
- Costi di trasmissione dei dati: i veicoli connessi generano almeno 1,5–2 GB di dati al giorno. Lo streaming continuo di questo volume verso il cloud per l’inferenza comporta ingenti costi di trasmissione di rete che risultano insostenibili per i veicoli destinati al mercato di massa.
- Latenza e reattività: le applicazioni in tempo reale, come la gestione della batteria o il rilevamento delle intrusioni, richiedono un’elaborazione immediata che la latenza del cloud non è in grado di supportare.
- Privacy e sicurezza: l’elaborazione locale dei dati protegge gli algoritmi proprietari e i dati sensibili degli utenti dall’esposizione, garantendo al contempo il funzionamento delle funzionalità anche in assenza di una connessione Internet continua.

I veicoli attuali dispongono spesso di centinaia di ECU disparate e di catene di strumenti MLOps frammentate, il che rende difficile implementare un unico modello di rete neurale a convoluzioni ( AI ) su diverse linee di veicoli. Sonatus AI Director affronta questo problema fungendo da “catena di strumenti e ambiente di esecuzione” unificato che gestisce l’intero ciclo di vita dell’ AI .
- Distribuzione unificata: fornisce un framework standardizzato per distribuire, gestire e scalare i modelli AI su diverse piattaforme di elaborazione (come NXP S32 o Renesas R-Car) senza la necessità di riscrivere i modelli per ogni singolo chip.
- Ottimizzazione "compute-aware": ottimizza i modelli per gli specifici "acceleratori hardware" dell’hardware di destinazione, riducendo l’utilizzo della CPU fino a 4 volte e la durata dell’inferenza fino a 8 volte.

A differenza di un manuale statico, Sonatus AI Technician è un agente diagnostico attivo che combina le conoscenze storiche con i dati in tempo reale del veicolo.
- Modello ibrido AI : adotta un approccio basato su un "modello ibrido", che esegue modelli leggeri sull'edge del veicolo per i dati immediati e modelli linguistici di grandi dimensioni (LLM) nel cloud per il ragionamento complesso.
- Diagnostica sensibile al contesto: Utilizza la tecnologia RAG (Retrieval-Augmented Generation) per combinare i segnali ECU in tempo reale (come i codici DTC e i log dei sensori) con i manuali di assistenza di fabbrica. Ciò consente di fornire indicazioni di riparazione precise e sensibili al contesto, anziché consigli generici.
- Risoluzione attiva: Può integrarsi con Sonatus Automator AI non solo per identificare il problema, ma anche per attivare azioni di follow-up automatizzate, come l’esecuzione di una specifica routine diagnostica o la pianificazione di un intervento di assistenza.