投产前（pre-SOP）测试与验证是商用车整车制造商在推出新平台时所面临的最耗费资源的阶段之一。从早期试验车到原型车，投产前测试需要数月的协调工作、巨额的资本投入以及全球范围内的工程投入。鉴于这些项目的规模，测试效率低下会导致产品上市延迟、工作重复以及不必要的成本。
为了克服这些局限性，OEM厂商必须转向一种更加数字化、以智能为驱动的模式，在此模式下，数据采集、分析和诊断能够持续进行、相互连接并具备动态适应性。通过利用智能数据采集和跨车辆系统的诊断分析来实现测试工作流的数字化，工程师可以减少对物理原型的依赖，提高问题重现率，并加速洞察的产生。这一转变为采用更具可扩展性、更高效的量产前验证方法奠定了基础。
为了帮助整车制造商实现这一转型，Sonatus 将AI 的功能直接集成到整车制造商的车辆项目中，从而实现更快、更智能的投产前（SOP）测试和验证。该解决方案整合了Fastlane™ Collector （原Sonatus CollectorAI ）用于智能的基于触发器的数据采集、Fastlane™ Insight （原 Sonatus AI Technician） 用于自动化诊断和根本原因分析，以及与车辆网络和云端的安全连接。 这些组件协同工作，使OEM工程师能够结合上下文捕获高价值的车辆信号，应用AI 来挖掘系统级洞察，并在无需反复与原型车进行物理交互的情况下诊断问题。Sonatus 将验证从手动、被动的过程转变为主动、AI 驱动的工作流，帮助OEM加速故障排除、扩大测试覆盖范围，并将软件定义的智能引入现有和下一代车辆架构中。
在SDV时代，传统SOP前验证无法实现规模化
SOP前的验证工作仍然受到诸多制约，包括必须亲自接触车辆、数据提取零散分散，以及随时间推移而不断累积的迭代调试周期。当前测试流程中使用的传统数据记录仪依赖静态配置，这限制了随着测试条件的变化，动态调整信号捕获或优化数据采集的能力。工程师必须亲自接触车辆才能提取日志，而测试资源往往需要在不同团队和地区之间进行预订、调拨和重新预订，从而导致延误并增加后勤负担。
当问题出现时，如果没有完整的上下文数据，往往难以复现问题，且分析结果通常与原始事件脱节，从而延长了解决问题所需的时间。这些低效现象不仅导致项目进度延误，还迫使整车制造商构建规模更大、成本更高的原型车队，增加了工程人力需求，并提高了缺陷未被发现的风险。为了跟上当今车辆日益复杂的步伐，整车制造商需要一种根本不同的方法，该方法将精准的数据采集与AI 模型相结合，从而提供跨领域的诊断智能。
通过动态数据采集和……提升车辆测试效率AI
人工智能已不再局限于下一代车辆平台。基于AI 的验证功能可集成到当前的车辆平台中，使汽车制造商无需等待未来架构的推出，即可逐步优化测试工作流程。Sonatus 通过整合以下技术，推动了这一转型： Fastlane Collector 以及 Fastlane Insight 在现有车辆架构的基础上构建智能验证解决方案，从而降低整车制造商（OEM）开启AI 之旅的门槛。
Fastlane Collector 使工程师能够远程、智能地定义事件驱动型策略，以确定应记录哪些信号、在何种运行状态下记录以及以何种分辨率记录，从而无需频繁实地接触车辆。 Fastlane Insight 随后，该系统运用先进的AI 分析技术来解读车辆行为、关联信号，并比手动方法更快地识别问题。由于这种智能功能是通过软件和AI 模型实现的，OEM团队无需修改车辆硬件，即可持续引入新的诊断逻辑、测试场景和验证工作流。这为现有平台注入了可扩展的智能能力，使验证计划具备前瞻性，并推动开发过程更快、更具适应性。
此外，商用车研发通常涉及多个工程中心、供应商和测试地点，车辆需在不同的地区、气候条件和工况下运行。Sonatus 通过其云平台无关的解决方案，帮助整车制造商（OEM）从手动车辆访问模式转向远程测试能力。负责动力总成、底盘、安全及车辆集成的工作团队可以基于相同的实际运行洞察开展工作，而非依赖不完整或延迟的报告。 如今，全球项目中的测试与验证工作得以加速推进，与供应商的协调得到改善，并确保车辆能够满足客户所要求的各种多样化运行条件。
借助智能数据采集和基于AI 的分析，扩展测试用例
商用车在极端载荷、长工作周期以及严格的排放和安全要求下运行，这使得根本原因分析变得更加复杂且耗时。在投产前进行快速故障排查可带来显著效益，包括提高车辆运行时间、达到耐久性目标，以及避免投产后产生高昂的维修费用。
因此，基于AI 的验证技术对重型商用车而言具有特别重大的变革意义——由于该领域存在复杂性、高可用性要求以及运行变异性等因素，传统测试方式往往效率低下且成本高昂。 Fastlane Collector 该技术能够智能地采集并同步关键重型车辆系统中的高价值数据。这些车辆数据包括：负载下的动力总成性能、后处理及排放表现、ADAS（高级驾驶辅助系统）和安全系统、ECU（电子控制单元）诊断信息以及网络通信数据。此外，它还能捕捉实际工况下的运行条件，例如坡度、载荷和行驶路线。 对于在多样化环境中运行且必须满足严格的耐久性、安全性和法规要求的7级和8级卡车而言，这些丰富的数据尤为重要。
Fastlane Insight 随后，系统会分析这些上下文数据，帮助工程师了解系统在实际运行条件下的表现，识别性能或可靠性问题，并发现仅靠手动测试方法几乎无法发现的规律。 AI 技术员使商用车OEM厂商能够在长途运输、专用车辆和极端工况等使用场景中验证更多真实世界的情景，而无需扩大本已成本高昂的原型车车队。由此，能够更早地发现可能影响运行时间、耐久性或合规性的问题。这还能在苛刻的商用车应用场景中实现更深入的验证，并提升车辆质量。OEM厂商在实现这一切的同时，还能减少工程投入并降低验证成本。最终，OEM厂商能够确保卡车具备在真实世界条件下运行的能力。
通过智能自动化加快SOP交付速度，同时降低项目成本
这一转型的一个现实案例是，Sonatus在正式投产前与 日产欧洲技术中心（NTCE）的协作便是这一转型的现实案例。
此次部署的核心是 Fastlane™ Copilot——一款专用的高性能网关电子控制单元（ECU），它集成了连接功能并可访问全车数据，从而实现了与NTCE原型车的快速集成。 Fastlane Copilot 使NTCE能够部署 Fastlane Collector 并 Fastlane Insight ，而无需依赖量产车架构。
借助 Fastlane Copilot 通过持续获取车辆数据，NTCE 实现了从手动数据提取到智能互联验证工作流的转型。工程团队能够远程收集具有上下文信息的车辆数据，利用基于AI 的分析功能诊断问题，最大限度地减少对现场调试的依赖，并加强了各区域工程团队之间的协作。因此，问题解决时间从两周缩短至仅两天，同时验证范围也扩展到了更广泛的真实世界场景中。
此次合作表明，将专用的车辆智能平台与基于AI 的数据采集和诊断功能相结合，能够从根本上实现投产前测试的现代化，从而帮助商用车整车制造商加快软件验证进程、降低开发成本，并更快地将更高质量的车辆投入量产。
Sonatus 正在铺就通往智能验证的道路，并加快标准操作规程（SOP）的交付
Sonatus AI SDV 技术将传统商用车 SOP 前测试中耗时且成本高昂的过程，转变为一种高效、由AI 驱动的工作流程。通过结合 Fastlane Collector 智能远程数据采集与 Fastlane Insight 用于自动化诊断和根本原因分析，该解决方案将验证工作从受访问限制的工作流程，转变为持续连接、洞察驱动的开发周期。全球工程团队之间协作的加强以及原型车利用率的提升，最终有助于更快地实现量产准备就绪，从而打造更可靠的重型商用车。
