Scopri tutta la potenza dell’ AI a di bordo con il direttore di Sonatus AI

0:00 Introduzione: Lancio di “ Sonatus ”AI Direttore

Benvenuti a un’altra puntata di “ Driving Innovation ”, il podcast che esplora i prodotti e le soluzioni che stanno guidando il settore automobilistico verso veicoli definiti dal software e dotati di tecnologia “ AI ”.

Oggi abbiamo in serbo per voi una puntata speciale. Parleremo del nostro ultimo prodotto, Sonatus AI Director. Si è discusso molto di AI e del settore automobilistico.

Oggi molte delle innovazioni relative a AI

si sono concentrati sulle implementazioni basate sul cloud. Basti pensare ai chatbot o agli assistenti vocali, eppure c’è ancora un potenziale molto maggiore per l’ AI e direttamente all’interno del veicolo, al fine di rendere le auto molto più intelligenti, adattive e divertenti da guidare per i clienti finali.

Ed è proprio questo lo scopo dell’ AI e edge nel veicolo. E, in effetti, è proprio questa la sfida che il direttore di AI sta affrontando. Quindi vediamo un po’

Inizia.

Oggi è con me Steve Stoddard, Product Manager per i prodotti “ AI ” qui su Sonatus.

Steve illustrerà il lancio di “ AI Director”, spiegandone gli obiettivi e i risultati concreti che sta ottenendo.

Steve, bentornato al podcast.

Grazie,

1:25 Che cos’è un regista dell AI ?

Sanjay. Sono felice di essere qui.

Mi sembra di doverti regalare una maglietta o una tazza per la tua terza partecipazione consecutiva. È davvero un piacere averti qui. Grazie. Allora, andiamo subito al sodo. Che cos’è “ AI Director” e perché stiamo lanciando questo prodotto proprio ora?

Certo. AI Director è una piattaforma che consente agli OEM di sviluppare, implementare, eseguire e gestire modelli di intelligenza artificiale ( AI ) nei propri veicoli. E ci sono tre ragioni principali per cui l’intelligenza artificiale ( AI ) è già pronta per essere utilizzata nei veicoli. La prima è che sia i clienti finali che gli stessi OEM richiedono una maggiore personalizzazione e funzionalità basate sull’intelligenza artificiale ( AI) nei propri veicoli, poiché oggi questa tecnologia ci accompagna ovunque.

Un secondo motivo è che, con la diffusione dei veicoli definiti dal software e dei dati, questi ultimi sono ormai ovunque, e i costi dei dati diventano davvero esorbitanti se tutto viene inviato al cloud per eseguire lì i modelli di intelligenza artificiale ( AI ).

A ciò si aggiunge la sicurezza dei dati. Tutto ciò che esce dal veicolo rappresenta una potenziale minaccia, una potenziale fuga di informazioni, e l’esecuzione di modelli di “ AI ” all’interno del veicolo è un modo più sicuro per farlo, quando possibile. Il terzo motivo è che oggi tutte le tecnologie stanno iniziando a convergere per rendere tutto questo realmente possibile, mentre solo pochi anni fa non esisteva e non era fattibile come lo è oggi.

Sì. Quindi c'è un potenziale molto maggiore per l'intelligenza basata sull'AI e all'interno del veicolo. Mi rendo conto che, proprio come altri elettrodomestici e dispositivi che ci circondano stanno diventando sempre più intelligenti e sempre più in grado di soddisfare le nostre esigenze personali, anche l'auto o il veicolo possono fare lo stesso.

Allora, mi aiuti a capire, o ci aiuti a capire un po' meglio, cosa fa AI Director che, ad esempio, altre soluzioni presenti oggi sul mercato non fanno. Certo.

3:13 Sfide affrontate

Uno dei problemi che riscontriamo è che, in realtà, esistono molti strumenti diversi per la creazione, lo sviluppo e la distribuzione di modelli di intelligenza artificiale ( AI ), ma sono legati alla storia dello sviluppo dell’ AI e e di Internet in generale. Pertanto, molte applicazioni basate sul cloud si concentrano sulla creazione di modelli destinati a essere distribuiti in data center dove è disponibile una potenza di calcolo praticamente infinita, necessaria per l’effettiva esecuzione di questi modelli durante la fase di inferenza. Un altro problema è che i dati necessari per costruire questi modelli si trovano attualmente a bordo del veicolo. La situazione sta migliorando, naturalmente, dato che oggi sempre più dati tornano al cloud, ma questa è una delle sfide che abbiamo riscontrato con i nostri clienti e che riguarda la capacità di implementare effettivamente i loro modelli.

E il terzo aspetto fondamentale è il fatto che questi modelli saranno installati sui veicoli. Si tratta quindi di hardware non standardizzato. Ogni veicolo è leggermente diverso dagli altri. Le diverse

Le centraline elettroniche presenti nel veicolo hanno funzionalità diverse e possono accedere a diverse fonti di dati.

È quindi davvero necessario riuscire a ottimizzare questi modelli affinché funzionino a bordo del veicolo, nonché fornire a tali modelli i dati giusti al momento giusto provenienti dalle diverse centraline.

Certo. Quindi quello che stai descrivendo è, in sostanza, una sorta di catena di strumenti che permette di gestire l’intero ciclo di vita, dallo sviluppo, alla formazione, all’ottimizzazione dello sviluppo, fino all’effettivo inserimento nel veicolo, per poi lasciarlo fare la sua “magia” all’interno dell’auto. Bene, parliamo proprio di questa “magia”. Quali sono alcuni dei casi d’uso che prevediamo le case automobilistiche vorranno realizzare con un AI e integrato nel veicolo?

Sì. Assolutamente.

4:41 Esempi di casi d'uso

Ci sono quindi molti casi d’uso diversi che possono trarre grande vantaggio dall’ AI. Uno di questi è proprio la personalizzazione in generale. Si tratta, in altre parole, di tutte quelle funzionalità che consentono di adattare il funzionamento del veicolo alle esigenze specifiche di un determinato utente.

Un altro esempio riguarda i sensori virtuali. Ovviamente, al giorno d’oggi, il costo è fondamentale. E con i veicoli definiti dal software, è possibile integrare i sensori nel veicolo

praticamente grazie a questi modelli AI , eliminando anche parte dei costi hardware.

Un altro ambito in cui abbiamo riscontrato notevoli vantaggi è quello della sicurezza informatica dei veicoli. Come ho accennato in precedenza, alcune delle difficoltà legate al trasferimento dei dati dal veicolo al cloud per l’esecuzione di questi modelli vengono completamente eliminate quando si riesce a eseguire tali modelli direttamente a bordo del veicolo, garantendo così una protezione molto maggiore.

I modelli BMS, ovvero i sistemi di gestione delle batterie, rappresentano un altro settore di interesse, dato che i veicoli stanno diventando sempre più elettrificati. Oggi questa rappresenta in genere una sfida per gli OEM, soprattutto mentre stanno compiendo la transizione dai veicoli con motore a combustione interna (ICE) a quelli elettrici (EV). Tuttavia, questi veicoli sono in genere anche molto più "definiti dal software" e la gestione corretta di tali sistemi di batterie, nonché la garanzia che funzionino in modo efficiente e si ricarichino ai valori ottimali, richiede una quantità molto maggiore di dati. Si tratta quindi di opportunità mature per l'utilizzo di modelli " AI " nella gestione dei veicoli.

5:53 Ottimizzazione per l'hardware del veicolo

Certo. Sappiamo bene che si è parlato molto dell’enorme quantità di risorse di calcolo necessarie per l’esecuzione di un AI . E sebbene i veicoli stiano diventando sempre più potenti e performanti dal punto di vista elettronico, al loro interno non sono ancora presenti, come sapete, GPU e NPU di fascia alta. In che modo il “ AI Director”, o meglio, come il “ AI Director”, supererà queste difficoltà per rendere effettivamente praticabile l’implementazione di modelli di “ AI ” come quelli che avete descritto nell’attuale generazione di veicoli?

Sì. Assolutamente. È un'ottima domanda. Il settore tradizionale dell'AI e e quello automobilistico si sono concentrati, ovviamente, sui sistemi ADAS o sulla guida autonoma.

E questo è un settore ormai molto saturo. È ben compreso. Ma questi altri ambiti, come ho accennato prima, non hanno raggiunto lo stesso livello di sviluppo. Una delle cose che notiamo con AI Director e molti dei nostri partner nel campo dei modelli è che esiste una varietà di tipi di modelli che le persone stanno sviluppando e che vorrebbero poter implementare sui veicoli.

Quindi questo può

spaziano da modelli molto semplici basati sulla fisica, come ad esempio la regressione lineare, fino ad arrivare alle reti neurali o persino ai modelli basati su LLM. Pertanto, a seconda del tipo di modello e del tipo di hardware presente nel veicolo, è possibile ottimizzare tali modelli per quell’hardware e implementarli nel posto giusto al momento giusto, in modo che i dati corretti possano alimentare quei modelli e garantire i benefici che devono fornire.

7:24 Partner di lancio

Hai citato un paio di casi d’uso e, mi sembra di ricordare, anche un paio di fornitori. So che collaboriamo già con diversi di loro fin dall’inizio e sono certo che ne aggiungeremo altri. Ma potresti dirci qualcosa in più su alcuni dei partner con cui abbiamo stretto una collaborazione in occasione di questo lancio?

Sì. Quindi è un ecosistema molto importante per riunire tutte le persone coinvolte in tutte le fasi necessarie di questo processo.

In realtà abbiamo collaborato con AWS nel settore del cloud, in particolare per implementare,

integrarsi con i nostri flussi di lavoro di sviluppo dei modelli. Naturalmente, oggi esistono molti ottimi strumenti per addestrare dati puliti, addestrare modelli e poi prepararli per l’integrazione finale nel nostro sistema, in vista della loro implementazione nei veicoli. A tal fine, AWS SageMaker Studio è uno strumento eccellente con cui abbiamo lavorato a lungo.

Per quanto riguarda i chip e l'hardware, intratteniamo ottimi rapporti con NXP e collaboriamo strettamente con loro in materia di ottimizzazione, in particolare per facilitare l'ottimizzazione di tali modelli in vista della loro implementazione nell'hardware NXP.

8:25 Venditori di modellini

Per quanto riguarda i modelli, collaboriamo con diversi fornitori. Uno dei casi d’uso è la regolazione dell’assetto dei fari. Al di fuori dell’UE, a partire dal 2027 entrerà in vigore una nuova normativa che renderà obbligatoria la regolazione dell’assetto dei fari. Un’azienda chiamata Compredict ha sviluppato un sensore virtuale per rendere possibile questa funzionalità, senza dover ricorrere a hardware aggiuntivo. Si tratta quindi di un’applicazione davvero interessante su cui stiamo lavorando.

Un altro esempio riguarda il settore della gestione delle batterie (BMS): si tratta di un'azienda chiamata QNovo.

Si occupano della gestione dello stato di salute delle batterie dei veicoli e del monitoraggio delle condizioni delle celle, delle loro prestazioni e della previsione dei guasti e cose del genere. Si tratta quindi di un nuovo modello su cui hanno lavorato e che abbiamo lanciato anche noi. Inoltre, abbiamo stretto una partnership con un altro fornitore nel settore della sicurezza informatica, VicOne. Dispongono di un nuovo modello molto innovativo basato su LLM che stiamo integrando anche nel nostro hardware. Un altro modello che stiamo presentando è un modello di rilevamento delle anomalie del motore, sviluppato internamente qui presso Sonatus. Anche in questo caso, abbiamo utilizzato numerosi strumenti di ottimizzazione sia di AWS che di NXP.

NXP. Ok. Quindi un buon mix di partner, una buona varietà di fornitori di modelli diversi e così via. Questo dimostra davvero la diversità dei tipi di modelli che AI un direttore è in grado di gestire e trattare. Penso che avvicinare i modelli AI all’edge, più vicino all’utente, sia un’iniziativa importante. E non vediamo l’ora di approfondire ulteriormente il discorso su AI Director e su alcune delle sue soluzioni derivate nelle prossime puntate. Ancora una volta, grazie per essere venuto e per averci dedicato così generosamente il tuo tempo, visto che sei ormai un ospite abituale.

E grazie. Sì. E congratulazioni per il lancio. Grazie mille, Sanjay. Lo apprezzo molto.

10:10 Riepilogo: dove trovare ulteriori dettagli

Con questo si conclude questa puntata di “ Driving Innovation ”. Per saperne di più su “ AI Director” e ottenere ulteriori dettagli sugli argomenti trattati oggi, visitate la pagina del prodotto su sonatus.com e consultate anche la scheda informativa più dettagliata che potete scaricare. Grazie ancora per averci seguito in questa puntata di “ Driving Innovation ”; non vediamo l’ora di rivedervi in futuro.