在Sonatus ，我们围绕一个简单的信念制定了发展路线图：软件定义的车辆从来都不是终点，而是基础。更大的机遇在于接下来将要实现的：车辆将积极参与一个由观察、分析、行动和改进组成的持续循环。
我们正引领行业迈向智能车辆时代。“智能车辆”不仅由软件定义，更以AI 为基础。智能车辆经过专门设计，能够提供丰富的运行情境，并在整个生命周期中实现智能操作，将数据转化为洞察，从而持续改进车辆性能。正是AI ，将软件定义的车辆转变为能够持续改进的车辆。
为您介绍 Fastlane™ Platform 车载AI
今天，Sonatus 正迈出这一新步伐。我们正式推出面向车辆AI 的 Sonatus®Fastlane™ Platform 系列产品——这套产品既能独立发挥强大效能，协同使用时效果更佳，旨在帮助整车制造商、供应商以及AI 模型制造商释放此前无法企及的价值。
Fastlane 平台赋能汽车生态系统中的创新者，使其能够利用AI 技术，为车辆生命周期的各个方面带来益处。目前，车辆中AI 技术的应用往往仅局限于特定领域，例如ADAS/自动驾驶、车载信息娱乐（IVI）应用以及语音助手。尽管这些领域很重要，但它们仅占市场机遇的一小部分：
- 测试与验证。 原型车造价高昂且数量有限，而测试与验证仍是开发过程中最耗时的阶段之一。AI 帮助整车制造商（OEM）充分利用每一辆原型车，优化验证周期，并加速产品投产进程。
- 量产车。 嵌入式AI 意味着车辆不再是静态的，而是能够通过闭环循环在整个生命周期内不断学习、适应和改进。在测试赛道上或日常驾驶中收集的洞察，可以反馈到整个车队，并应用于未来车型、功能提升以及质量优化。
- 售后服务。 保修和召回每年耗资数十亿美元，而糟糕的服务体验会损害客户关系、降低客户保留率并削弱品牌忠诚度。基于AI 的工作流可帮助原始设备制造商（OEM）更快地解决车辆问题，并降低服务成本。
然而，尽管在连接性和软件方面取得了进步，车辆的开发、验证和服务运营在很大程度上仍然处于被动应对且劳动密集型的状态。工程师们需要花费大量时间来收集数据、排查问题，并在问题发生后部署修复方案。为了从被动应对的流程转向持续改进，汽车制造商需要一个闭环系统，该系统能够观察正在发生的情况、分析其发生原因，并以可扩展且高效的方式根据这些洞察采取行动。
实现完整的“观察→分析→行动”循环
Fastlane 平台提供了一个持续的“观察→分析→行动”循环，可提升车辆质量、加速开发进程、降低服务成本，并帮助每辆车随着时间的推移变得更加智能化。Fastlane 平台使整车制造商能够动态收集准确的车辆数据和背景信息，将其与工程知识以及维修历史等其他信息相结合，然后运用针对具体车辆的推理来识别根本原因、预测问题并发现改进机会。 这些洞察可通过边缘计算AI 、虚拟传感器、智能诊断和预测性监控在车辆中实现。在边缘端运行AI 使车辆能够持续监测状态、检测异常并实时响应，同时保护数据隐私。云端AI 通过分析整个车队的数据结果进行学习，并将所学知识反馈至车辆。
Fastlane Insight: AI 提供可操作的情报
Fastlane Insight （基于之前的Sonatus AI 技师版扩展而来）提供了一层智能功能，可应用于车辆生命周期的每个阶段。与通用型AI 工具不同，Fastlane Insight 专为车辆推理而设计，它整合了遥测数据、诊断信息、工程规范、维修记录、详细的车辆信号数据以及机构知识，从而深入理解复杂的车辆行为。
通过关联不同领域和知识来源的信息，Fastlane Insight 能够识别可能的根本原因，并推荐传统分析往往会忽略的纠正措施。借助基于代理的AI 工作流，它还能指导后续数据收集、建议进一步调查，并协调部署边缘智能，从而持续提升诊断速度和准确性。
Fastlane Collector:基于AI 的车辆环境感知
Fastlane Collector （基于之前的Sonatus Collector扩展而来AI ）提供了支持智能分析所需的丰富车辆背景信息。它捕获了信号、诊断数据、日志、事件以及相关运行条件，从而阐明发生了什么、为什么发生以及导致这一结果的原因。
Fastlane Collector 利用生成式AI 简化动态数据采集策略的创建和部署，使AI 的数据采集更加精准、自动化且经济高效。它还使原始设备制造商（OEM）和Fastlane Insight 能够远程查询和处理历史车辆数据。通过在恰当的时间采集正确的数据，Collector在提高诊断准确性的同时，降低了传输、存储和处理成本。
Fastlane Collector 该系统自2020年起已在生产环境中投入使用，目前为全球多个整车厂商项目中的超过800万辆汽车提供支持。
Fastlane Edge:大规模部署车载AI
Fastlane Edge （基于之前的Sonatus AI Director 扩展而来）将智能与动作直接融入车辆。它使整车制造商、供应商以及AI 模型提供商能够在异构车辆计算平台上部署、协调、监控并持续改进AI 模型、虚拟传感器、诊断逻辑以及软件定义功能。
除了模型部署之外，Fastlane Edge 还作为车载代理引擎，负责处理关键的边缘工作负载——包括实时异常检测、模型验证和性能监控——以及自适应车辆行为和智能车载服务。通过在车辆数据生成处执行智能处理，Fastlane Edge 能够降低延迟、减少对云端的依赖，并使车辆能够立即根据分析结果采取行动。
Fastlane Edge 它还充当了一个更广泛的边缘计算平台（AI ），使第三方AI 模型提供商和供应商能够直接在车辆中部署和运行推理工作负载。Fastlane Edge 作为Fastlane平台的执行层，将云端生成的智能转化为现实世界中的车辆应用成果，取代了我们之前的Sonatus Automator和Sonatus Updater产品。
Fastlane Copilot正式发布：用于车辆验证的AI 插件
此外，我们还推出了一种可在数日内完成技术部署和使用的全新方案。Fastlane Copilot 是一款集硬件与软件于一体的解决方案，预装了Fastlane Collector 和Fastlane Edge ，并支持连接标准车辆接口。
采用这种方法，整车制造商和供应商能够快速投入运行。此外，无论车辆的电子/电气架构如何，他们都可以在生产周期的后期阶段在车辆中使用Fastlane Copilot ，而无需将Sonatus 软件嵌入车辆。这一软硬件结合的解决方案，配合云端的Fastlane Insight ，能够加速车辆测试和验证，从而提升质量并缩短投产时间。
一个面向车辆的统一平台AI
Fastlane Insight 、Fastlane Collector 、Fastlane Edge 和Fastlane Copilot 共同构建了一个覆盖车辆全生命周期的统一平台AI 。
我们的客户已经利用这些功能来加快根本原因分析、缩短验证周期、提升车辆质量并降低服务成本。随着车辆日益呈现出“软件定义”的特征，下一代竞争优势将源于车辆通过AI 实现持续学习、适应和改进的能力。
Sonatus 的Fastlane平台正在将这一愿景变为现实。