軟體定義元件解決方案

引言

桑傑（SANJAY）：歡迎收聽《Driving Innovation 》的最新一集，這是一檔由Sonatus 推出的播客系列節目，我們將深入探討那些正在加速邁向軟體定義車輛轉型之路的技術與解決方案。我是桑傑·卡特里（Sanjay Khatri）。在本集節目中，我們將探討我們最近發布的「軟體定義組件解決方案」。

什麼是 SDC

SANJAY：所謂「軟體定義車輛」的概念——即車輛能持續獲得改進與強化——在過去幾年已逐漸成形。然而，這類應用大多僅限於車內少數幾個單元，例如先進駕駛輔助系統（ADAS）或車載資訊娛樂系統（IVI）等，導致車輛的其他部分無法獲得同類的改進與強化。這正是「軟體定義組件解決方案」應運而生的原因。

SDC 概覽

桑傑：為了說明這項解決方案的運作原理，我想請教Sonatus 的首席技術長暨共同創辦人余芳。余芳，歡迎來到本集節目。

YU：謝謝。很高興能來到這裡。

桑傑：那麼，你能為我概述一下 SDC 解決方案嗎？

YU：是的，絕對沒錯。所以，車輛是一個由許多組件構成的整體系統；當我們提到「組件」時，既可以是指任何硬體組件（例如電子控制單元），也可以是指軟體組件，例如應用程式，甚至是AI 模型，對吧？ 因此，這些元件在現實世界中運作時，都可以被持續監控。基於我們能從該元件蒐集到的資訊，我們可以在元件運行期間對其進行持續改進、微調和優化。這就是我們所說的「軟體定義元件」。

真實世界資料蒐集

SANJAY：當然。你剛才提到收集真實世界數據。我的意思是，我們都知道原廠製造商（OEM）正在收集大量數據。你所描述的這種即時或真實世界數據收集方式，究竟有何不同之處？

YU：是的，沒錯。所以，當然，所有一級供應商和原始設備製造商（OEM）在車輛出貨前都會進行大量測試，對吧？ 不過，我們也清楚，就不同類型的實際駕駛情境測試而言，根本無法涵蓋所有情況。因此，能夠從車輛中獲取特定組件的運作資訊——無論是這些組件在真實世界中運作時，還是由真實駕駛者在日常生活中實際使用時——就顯得至關重要。這些資訊對於理解組件的實際表現而言，極為關鍵。

元件最佳化

桑傑：明白了。所以這不只是在測試賽道上蒐集的數據，而是真實的人——也就是說，普通人在不同地點、不同駕駛條件下實際駕駛所產生的數據。這真的很棒。那麼，完成這項實地數據蒐集後，接下來會怎麼做呢？

YU：沒錯。因此，現代車輛中的許多零組件正變得越來越精密。 這意味著針對這些組件，有許多方法可以進行優化，使其在特定情況下能發揮良好效能，例如在高溫或低溫環境下，或是上坡與下坡行駛時等等。因此，具備根據具體行車狀況即時優化組件的能力，同樣至關重要。

行車狀況

桑傑：讓我接續你剛才說的話。你提到要適應不同的駕駛狀況，並針對不同的駕駛狀況進行優化。這方面有哪些具體例子呢？

YU：是的，這類例子有很多。舉例來說，如今每輛車都配備了循跡控制系統。然而，你可能需要根據當時行駛的道路狀況、天氣條件，以及其他因素（例如行駛速度等）來調整循跡控制系統的設定。 對吧？這是一個例子。另一個例子是，如今每輛車都配備了多台攝影機。任何操作過攝影機的人都會知道，為了拍出最佳照片，必須考量周圍的光線條件、是白天還是夜晚，以及許多其他因素。 因此，無論是正對著太陽行駛、背對著太陽行駛，或是清晨時分、傍晚時分，您都可能需要動態調整相機設定，以確保您的AI 模型能獲得最佳影像。

回饋迴路

桑傑：如果您喜歡到目前為止所看到和聽到的內容，請點擊「讚」和「訂閱」按鈕，以便獲得更多這類內容。您剛才提供了幾個很棒的例子。我們即將發表的「軟體定義元件解決方案」是如何實現這一點的呢？

YU：因此，關鍵在於能夠建立一個回饋迴路，這將從在實際行車條件下，收集車輛中任何特定組件的數據開始，接著再將這些資訊彙整至整個車隊中。將這些數據存放在雲端，便能執行複雜的數據分析、演算法以及機器學習演算法，從而從這些資訊中獲取洞見。 接著，一旦掌握了如何優化該零組件性能的方法，便能迅速針對任何欲套用該優化方案的車輛進行微調。

SANJAY：這個回饋循環聽起來非常有趣。您提到先收集數據、進行分析，然後將分析結果應用到車輛上。這是否類似於原廠（OEM）目前透過 OTA 解決方案所做的事情？

YU：不盡然。首先，您需要像「Sonatus Collector」這樣的工具，才能根據當下的具體行車狀況鎖定特定組件，並依據發生的特定事件來收集相關資訊。 一旦從各類車輛中取得這些資訊，您就能據此歸納出在各種駕駛條件下可執行的優化方案。接著，當您掌握這些資訊後，便能將其封裝成一套極為輕量化的策略——例如我們Sonatus Automator所支援的方案——並將該策略部署至任何您指定的車輛；此後，Sonatus Automator便能根據您當下的具體駕駛狀況，自動套用最佳的優化方案。

結論

桑傑：你剛才描述的這種方法，不僅能智慧地收集數據，還能讓車輛具備智慧，根據行車狀況在需要時即時套用最佳化的調校參數。這聽起來真是個非常、非常有趣的解決方案。這種技術是在不久的將來還是遙遠的未來才會問世呢？

YU：是的。目前，Sonatus 正與眾多合作夥伴攜手，致力將這項技術應用於現實世界。我們正在展示一些具體的應用案例，其中一個是關於馬達優化，另一個則是關於 CES 展會中的照明優化。此外，我們也正與其他合作夥伴共同努力，將越來越多的應用案例推向市場。

桑傑：嗯，這真是一場引人入勝的對話，于芳。我要感謝你抽空參與《Driving Innovation 》播客節目。

YU：桑傑，感謝你這次的對談。很榮幸能與你交談。

SANJAY：好，本集《Driving Innovation 》就到這裡結束了。敬請期待後續節目，我們將深入探討關於邁向軟體定義車輛的轉型過程中其他相關議題。