Sonatus のAI ディレクターと共に、車載AI の真の力を解き放つ

0:00 イントロダクション：Sonatus の立ち上げ　AI ディレクター

『Driving Innovation 』の新たなエピソードへようこそ。このポッドキャストでは、自動車業界を「AI 」対応のソフトウェア定義車両へと導く製品やソリューションを探求しています。

本日は特別編をお届けします。今回は、当社の最新製品である「Sonatus AI Director」についてお話しします。AI と自動車業界をめぐっては、多くの議論が交わされています。

現在、この分野における多くの革新的な取り組みとしてAI

これまでクラウドベースの導入に重点を置いてきました。チャットボットや音声アシスタントを思い浮かべてみてください。しかし、車載システム「AI 」には、車両をよりスマートで適応性が高く、エンドユーザーにとって運転がより楽しくなるようにする、さらなる大きな可能性が秘められています。

そして、まさにそれが、車両内のエッジAI が果たすべき役割なのです。実際、それがAI ディレクターが取り組んでいる課題でもあります。それでは、

さあ、始めましょう。

本日は、Sonatus のAI 製品のプロダクトマネージャー、スティーブ・ストッダード氏をお迎えしています。

スティーブは、「AI Director」のリリースについて、その目的や、実際にどのような機能を提供しているかについて解説します。

スティーブ、ポッドキャストへのご復帰、ようこそ。

ありがとうございます、

1:25 「AI 」のディレクターとは？

サンジェイです。ここに来られて嬉しいです。

3回連続でご出演いただいたので、Tシャツかマグカップでも何かプレゼントしたい気分です。ご出演いただき、本当にありがとうございます。それでは、早速本題に入りましょう。「AI Director」とは一体何なのか、そしてなぜ今この製品を立ち上げるのでしょうか？

もちろんです。「AI Director」は、OEM各社が自社の車両内で「AI 」モデルを開発、導入、実行、および管理するためのプラットフォームです。そして、「AI 」が今すぐ車両で稼働できる準備が整っている主な理由は3つあります。1つ目は、エンドユーザーはもちろん、OEM各社自身も、車両においてカスタマイズやさらなるパーソナライゼーション、そしてまさに「AI 」に支えられた機能を求めていることです。というのも、今日では「 」が私たちの生活のあらゆる場面に浸透しているからです。

2つ目の理由は、ソフトウェア定義の車両やデータが普及するにつれ、データは文字通り至る所に存在することになり、AI のモデルを実行するためにすべてをクラウドに送信することになれば、データ通信コストが法外な額になってしまうからです。

それに加えて、データセキュリティの問題もあります。車両から外部に送信されるあらゆるデータは、潜在的な脅威や情報漏洩のリスクとなり得ます。そのため、可能な限り、AI のモデルを車両内で実行することが、より安全な方法となります。そして3つ目の理由は、ほんの数年前までは、今日のような形では実現不可能だったこの技術が、現在ではあらゆる技術が統合されつつあり、実際に実現可能になりつつあるという点です。

そうですね。つまり、車内におけるAI を活用したインテリジェンスには、まだまだ大きな可能性があります。私たちの身の回りの家電やデバイスが、ますますスマートになり、個人のニーズに応えるようになってきているのと同じように、車や乗り物も同様のことができるようになるだろうと想像できます。

それでは、AI Directorが、例えば現在市場に出回っている他のソリューションにはないような、どのような機能や取り組みを行っているのか、私、あるいは私たちに少し説明していただけますか。はい、もちろんです。

3:13 取り組んだ課題

私たちが認識している問題の一つは、実際にはAI モデルの構築、開発、展開のためのツールは数多く存在するものの、それらがAI の開発の歴史や、インターネット全般の発展の歴史に縛られているという点です。そのため、多くのクラウドベースのアプリケーションは、これらのモデルの推論時に実際に実行を行うために、事実上無限の演算能力が利用できるデータセンターに展開されるモデルの構築に重点を置いています。 もう一つの課題は、これらのモデルを構築するために必要なデータが、現在、車両内に保存されていることです。もちろん、今日ではより多くのデータがクラウドに送信されるようになっており、状況は改善しつつありますが、これは当社のお客様が直面している課題の一つであり、実際にモデルを展開する上での障壁となっています。

そして3つ目の重要な点は、これらのモデルが自動車上で動作するということです。つまり、ハードウェアは標準化されていません。車両ごとに多少の違いがあります。その違いが

車両に搭載されているECUは、それぞれ機能が異なり、アクセスできるデータソースも異なります。

したがって、これらのモデルを車載環境で動作させるよう最適化できることが不可欠であるだけでなく、さまざまなECUから適切なタイミングで適切なデータをそれらのモデルに供給することも必要となります。

そうですね。つまり、あなたが説明されているのは、本質的には、開発、トレーニング、開発の最適化から、実際に車に搭載し、車内でその「魔法」を発揮させるまでのエンドツーエンドのライフサイクルを管理するためのツールチェーンのようなものですね。さて、その「魔法」について話しましょう。自動車メーカーが、車内に組み込まれたAI を使って実現したいと考えるであろうユースケースには、どのようなものがあるのでしょうか？

うん。その通り。

4:41 ユースケースの例

このように、AI は実にさまざまなユースケースで大きなメリットをもたらします。その一つが、一般的なパーソナライゼーションです。つまり、特定のユーザーに合わせて車両の動作をカスタマイズしたい、といったあらゆる機能です。

もう一つの例として、仮想センサーが挙げられます。もちろん、今日ではコストがすべてです。そして、ソフトウェア定義車両（SDV）であれば、車両内にセンサーを導入することが可能になります

これらのAI モデルを活用することで、ハードウェアコストの一部も削減できます。

また、これまで多くのメリットが見られてきた分野として、車両のサイバーセキュリティが挙げられます。先ほども触れたように、これらのモデルを実行するために車両からクラウドへデータを転送する際に生じる課題のいくつかは、車両内で直接実行できるようになれば解消され、その方がはるかに強固な保護が可能になります。

車両の電動化が進むにつれ、BMS（バッテリー管理システム）も重要な分野となっています。 これは、特に内燃機関（ICE）から電気自動車（EV）への移行を進める現在のOEMにとって、典型的な課題となっています。しかし、EVは一般的にソフトウェア主導の車両であるため、バッテリーシステムを適切に管理し、効率的に稼働させ、最適な条件で充電を行うためには、はるかに多くのデータが必要となります。したがって、これらはすべて、AI モデルを用いて車両を制御する絶好の機会と言えるでしょう。

5:53 車両ハードウェアへの最適化

AI そうですね。AI を動作させるには膨大な量の演算リソースが必要だということは、皆さんご存知の通りです。 また、電子機器の観点から見れば、車両の性能や機能は飛躍的に向上していますが、それでも車内にはハイエンドのGPUやNPUが搭載されていません。AI Directorは、こうした課題をどのように克服し、あるいは今後どのように克服していくことで、先ほどご説明いただいたようなAI のモデルを、現行世代の車両に実際に実用的に導入できるようにするのでしょうか？

ええ、その通りです。とても良い質問ですね。従来のAI や自動車業界は、もちろんADASや自動運転に注力してきました。

そして、この分野はすでに非常に成熟しており、その仕組みも十分に理解されています。しかし、先ほども述べたように、その他の分野については、これほどまでに開発が進んでいるわけではありません。『AI Director』や当社の多くのモデルパートナーに見られる傾向の一つとして、人々がさまざまな種類のモデルを開発し、それらを車両に導入したいと考えているという点が挙げられます。

つまり、これは

その範囲は、非常に単純な物理ベースのモデルや、線形回帰のようなものから、ニューラルネットワーク、さらにはLLMベースのモデルに至るまで多岐にわたります。したがって、モデルの種類や車両に搭載されているハードウェアの種類に応じて、それらのモデルをそのハードウェアに合わせて最適化し、適切なタイミングで適切な場所に展開することで、適切なデータをモデルに供給し、モデルが本来提供すべきメリットを実現することが可能になります。

7:24 ローンチパートナー

また、いくつかのユースケースについて触れられましたし、いくつかのベンダーについても言及されたと思います。すでにいくつかのベンダーと提携していることは承知していますが、今後さらに提携先が増えていくことは間違いないでしょう。そこで、今回のローンチにおいて提携したパートナーについて、少しお話しいただけますか？

そうですね。つまり、このプロセスに必要なすべての段階に関わる人々を一堂に集めるという点で、非常に重要なエコシステムなのです。

実は、クラウド分野ではAWSと協力してきており、特に実装に関しては、

当社のモデル開発ワークフローと統合できます。もちろん、現在では、クリーンなデータを用いてモデルを学習させ、最終的に当社のシステムに取り込んで車両に展開できるよう準備するための優れたツールが数多く存在します。その点において、AWS SageMaker Studioは極めて優れたツールであり、当社でも幅広く活用してきました。

半導体およびハードウェアの分野では、NXP社と非常に良好な関係を築いており、最適化に関して緊密に連携しています。具体的には、NXP社のハードウェアへの導入に向けて、それらのモデルを最適化することをより容易にするよう取り組んでいます。

8:25 模型販売業者

モデルに関しては、これまで提携してきたベンダーがいくつかあります。 その活用事例の一つが、ヘッドライトのレベル調整です。EU域外では、2027年からヘッドライトのレベル調整に関する新たな規制が導入される予定です。そこで、「Compredict」という企業が、追加のハードウェアを必要とせずにこの機能を実現する仮想センサーを開発しました。これは、私たちが取り組んできた非常に素晴らしい応用例の一つです。

もう1つは、BMS（バッテリー管理システム）の分野で、QNovoという企業です。

同社は、車両のバッテリー状態管理や、バッテリーセルの状態の検知、性能の把握、故障の予測などに取り組んでいます。これは、同社が開発を進めてきた新しいモデルであり、当社もこれを採用してサービスを開始しました。 また、サイバーセキュリティ分野の別のベンダーであるVicOneとも提携しています。同社は非常に革新的な新しいLLMベースのモデルを持っており、当社もこれを自社のハードウェアに導入するために協業を進めています。さらに、今回デモを行っているもう一つのモデルは、Sonatus 社内で独自に開発したエンジン異常検知モデルです。こちらも、AWSとNXPの両方の最適化ツールを多用して開発されました。

NXPですね。なるほど。パートナーのバランスも良く、さまざまなモデルのベンダーなどが揃っています。これは、AI のディレクターが管理・対応できるモデルの種類の多様性を如実に示しています。AI のモデルをエッジやユーザーにより近づけることは、重要な取り組みだと思います。今後のエピソードでは、AI Directorやその派生ソリューションについて、さらに議論を深めていければと思います。改めて、3度目のゲストとしてお越しいただき、貴重な時間を割いてくださったことに感謝申し上げます。

そして、ありがとうございます。ええ。そして、ローンチ、おめでとうございます。サンジェイ、本当にありがとうございます。感謝しています。

10:10 まとめ：詳細情報はこちら

これで『Driving Innovation 』の今回のエピソードは終了です。『AI Director』についてさらに詳しく知りたい方、本日ここで取り上げた内容についてより詳細な情報をお求めの方は、sonatus.com の製品ページをご覧になるか、ダウンロード可能な詳細なソリューション概要もぜひご確認ください。また、『Driving Innovation 』の今回のエピソードにご視聴いただき、誠にありがとうございました。次回もぜひお楽しみに。