新聞中心

[原文以德語發表] 一台 SDV 每天最多可產生 2 太位元組的碎片化且格式不一的原始資料，這些資料對 AI 模型而言無法直接利用。相較於 AI 模型的規模，建立合理的資料庫，以及對車輛、邊緣與雲端資料進行端到端的整合與協調，對於資料的可處理性而言至關重要。

美國——在 5 月 4 日至 7 日於拉斯維加斯會議中心舉行的「先進潔淨運輸博覽會」上，Sonatus 公司展示了一套用於監控新車開發進度的數位平台，該平台採用了與其車隊營運智慧診斷系統相同的技術。

[原文以德語發表] 「Sonatus 」為未來具備自我優化能力的車輛鋪平道路。透過智慧型邊緣人工智慧，汽車將從靜態系統蛻變為具備學習能力且高度安全的軟體定義車輛（Software-Defined Vehicle）。

多年來，汽車診斷領域的瓶頸在於數據——該如何收集數據、傳輸數據，以及如何蒐集足夠的數據來理解車輛內部發生的狀況。

現代產品與其說是應用程式，不如說是生態系統。單一的客戶體驗涵蓋了嵌入式控制器、雲端服務、行動應用程式、供應商元件以及即時資料管道。

調查顯示，在軟體定義車輛產業中，智慧診斷與預測性維護正逐漸成為AI 的主要應用場景，但預期的營收效益尚未實現

透過將新興的人工智慧技術應用於車隊維護，車隊有望為每輛車節省數千美元，並減少數小時的人工成本。但該如何跳脫「AI」這類流行詞彙的框架，轉而尋求真正的營運解決方案呢？

智慧診斷與預測性維護現已成為軟體定義車輛中AI 的主要應用場景，根據Sonatus 與Omdia進行的一項全球調查，34%的受訪者提到了這一點。

人工智慧正穩步應用於商用車領域，但當前的部署往往聚焦於狹窄的範疇——旨在一次解決一個痛點。車隊可能會運用AI 來優化保養規劃，原始設備製造商（OEM）可能會運用它來加速驗證流程，而供應商則可能會嘗試開發車載模型。

Sonatus 透過 SDVerse 提供其「AI 」技術人員版、「Collector」AI 及「AI 」管理員版解決方案，以支援依據AI 規範進行的車輛開發與生命週期管理

隨著汽車製造商逐步轉向集中式運算平台與無線更新，碰撞維修業者在工具、培訓及資料管理方面面臨新的需求。

電動車（EV）的設計現今需要採取系統層級的思維。某個子系統的決策會直接影響整輛車的性能。工程工作正逐漸轉向管理這些交互作用在實際運作條件下的表現。