我刚刚加入了汽车技术领域的领军企业Sonatus ，想借此机会回顾并分享一下我为何认为这里是理想的归属。
在过去的四年里，我有幸与软件定义汽车（SDV）生态系统中的整车制造商（OEM）、一级供应商以及工程团队展开合作。在此期间，我们的行业成功解决了若干极其棘手的问题。
我们已构建了现代汽车软件平台。我们引入了面向服务的架构、云原生开发工作流、空中升级、集中式计算以及日益复杂的中间件。软件定义汽车的基础正在逐步成为现实。
但最近，我发现自己开始思考另一个问题：接下来该怎么办？
我越是思考这个问题，就越确信“AI ”代表着汽车行业的下一次重大变革。我认为，汽车创新的下一阶段不会体现在编写更多的软件上，而是体现在使车辆——以及制造这些车辆的工程团队——能够从数据中持续学习。
随着SDV平台的日趋成熟，瓶颈已不再是车辆软件架构，而是能否收集到正确的数据，将数据转化为洞察，并迅速将这些洞察反哺到开发、验证、生产和服务的各个环节，从而推动改进。
与此同时，生成式AI 从根本上改变了技术所能实现的范畴。AI 正迅速成为每个工程工作流的一部分，但AI 的价值完全取决于其背后数据和上下文的质量。这使得以下两项能力变得越来越关键：
- 智能车辆数据采集与管理
- 一个能够将这些数据投入实际应用的云到边缘AI 平台
如果没有这些基础，AI 就只是又一个孤立的工具。有了这些基础，AI 便成为持续学习循环的一部分。
当我审视整个汽车生态系统时，Sonatus 脱颖而出，因为它正在构建这一完整的基础架构。该 Fastlane™ Platform 将车辆数据、AI 以及边缘计算整合为一个从云端到车端的统一工作流： Fastlane™ Collector 能够从车辆中进行精准、基于上下文的数据采集和检索； Fastlane™ Insight 应用针对汽车领域的AI 推理技术，以加速诊断和工程决策；以及 Fastlane™ Edge 通过将AI 模型直接部署在车辆中，将智能技术付诸实践。 Fastlane™ Copilot 将这些能力扩展至原型车和验证车队，使工程团队无需等待量产集成即可加速测试。这些技术共同构成了一个闭环系统，使车辆能够持续观察、学习并不断优化。
最让我兴奋的是，这不仅仅是一系列软件产品的集合——而是一次架构层面的变革，它超越了“软件定义汽车”的范畴，迈向了通过数据和AI 实现持续优化的汽车。
这种演变也改变了验证的方式。过去，工程团队在开发过程中高度依赖手动日志记录工具和彼此割裂的工作流。随着软件复杂性的增加，这种模式越来越难以扩展。未来需要统一的验证工作流，涵盖原型车、投产前测试、量产车队以及正式投产后的运营——同时将工程知识持续反馈到开发过程中。通过 云连接的AI 工作流和智能边缘计算的推动下，这一愿景正日益成为现实。
对我来说，加入Sonatus 并非只是加入另一家汽车软件公司——而是加入了一个正在打造我认为将引领该行业下一次重大变革的团队。过去几年里，我一直致力于构建支持软件定义汽车的基础设施。现在，我很兴奋能参与打造AI 和数据平台，这些平台将为新一代智能汽车提供支持。
软件定义的汽车奠定了基础。智能汽车将是下一阶段的发展方向。我很兴奋能参与其建设。