借助Sonatus ，释放车载AI 的强大功能AI 总监

0:00 引言：Sonatus 网站上线AI 总监

欢迎收听《Driving Innovation 》的又一期节目。本播客致力于探索那些正推动汽车行业迈向支持AI 的软件定义车辆的产品与解决方案。

今天我们为您带来一期特别节目。我们将讨论我们的最新产品——Sonatus AI Director。关于AI 与汽车行业的关系，目前已有许多讨论。

如今，围绕……的许多创新AI

一直专注于基于云的实施方案。试想一下聊天机器人或语音助手，但AI 直接集成在车辆内部仍具有巨大的潜力，能够让车辆变得更加智能、更具适应性，并为终端用户带来更愉悦的驾驶体验。

而这正是车载边缘计算（AI ）的真正目的。事实上，这也是AI 总监正在应对的挑战。那么，让我们

开始吧。

今天与我同在的是史蒂夫·斯托达德（Steve Stoddard），他是Sonatus 旗下AI 系列产品的产品经理。

史蒂夫将详细介绍“AI Director”的发布情况、其目标以及该产品实际提供的功能。

史蒂夫，欢迎再次做客本期播客。

谢谢，

1:25 什么是“AI ”导演？

桑杰。很高兴能来到这里。

我觉得应该送你一件T恤或者一个马克杯，以感谢你连续三次来做客。很高兴你能来。谢谢。那么，我们就直入正题吧。《AI Director》是什么？我们为什么选择现在推出这款产品？

当然。AI Director 是一个供整车制造商（OEM）在其车辆中开发、部署、运行和管理AI 模型的平台。目前，AI 已具备在车辆中运行的条件，主要有三个原因。首先，终端客户以及整车制造商本身都在要求车辆具备定制化、更个性化的功能，以及真正由AI 驱动的功能，因为如今这种体验已无处不在。

第二个原因是，随着软件定义车辆和数据的普及，数据已经无处不在，如果要把所有数据都发回云端以便在那里运行AI 模型，那么数据成本真的会变得极其高昂。

此外还有数据安全问题。所有从车辆中传出的数据都可能构成威胁或导致信息泄露，因此在条件允许的情况下，在车内运行AI 模型是一种更安全的方式。第三个原因其实是，如今各项技术正逐渐融合，真正使这一设想成为可能——而就在几年前，这种技术还根本不存在，也不可能像今天这样实现。

是的。因此，车内支持AI 的智能功能还有很大的发展潜力。我可以看到，就像我们身边的其他家电和设备正变得越来越智能、越来越能满足我们的个人需求一样，汽车或车辆也能做到这一点。

那么，请帮我（或帮我们）稍微了解一下，AI Director 究竟做了些什么，而这些是当前市场上其他解决方案所不具备的。好的。

3:13 应对的挑战

我们观察到的问题之一是，实际上，虽然有许多不同的工具可用于构建、开发和部署AI 模型，但这些工具都与AI （AI）的发展历程以及互联网的整体发展紧密相连。因此，许多基于云的应用程序专注于构建将在数据中心部署的模型——在那里，几乎拥有无限的计算资源，以便在这些模型的推理阶段实际执行计算。 另一个问题是，构建这些模型所需的数据目前仍存储在车辆中。当然，随着如今越来越多的数据回传至云端，这一情况正在改善，但这确实是我们与客户合作过程中所面临的挑战之一，也是影响其实际部署模型能力的关键因素。

第三个主要方面是，这些模型将在车辆上运行。因此，硬件并非标准化。每辆车都略有不同。不同的

车辆中的电子控制单元（ECU）具有不同的功能，并可访问不同的数据源。

因此，确实有必要优化这些模型，使其能够在车载环境中运行，同时还要从不同的电子控制单元（ECU）中，在恰当的时机向这些模型提供正确的数据。

好的。所以，你所描述的，本质上是一套工具链，用于管理从开发、训练、开发优化，一直到实际将系统部署到车辆中，并让其在车内发挥作用的端到端生命周期。那么，让我们来谈谈这种“魔力”。我们设想，汽车制造商会希望利用嵌入车内的AI 实现哪些用例呢？

是啊。没错。

4:41 用例示例

因此，许多不同的应用场景都能从AI 中获益。其中之一就是一般的个性化设置。也就是说，所有需要根据特定用户的需求来定制车辆运行方式的功能。

虚拟传感器就是另一个例子。当然，如今成本至关重要。而借助软件定义的车辆，可以将传感器部署到车辆中

通过这些AI 模型进行虚拟化，同时还能节省部分硬件成本。

另一个我们通常能看到显著效益的领域是车辆网络安全。正如我之前提到的，将数据从车辆传输到云端以运行这些模型会面临一些挑战，但一旦能够在车内直接运行这些模型，并以此提供更完善的保护，所有这些需求便不复存在。

随着车辆日益电动化，BMS（电池管理系统）模型已成为另一个重要领域。 这对当今的原始设备制造商（OEM）通常是一项挑战，特别是在他们从内燃机汽车向电动汽车转型的过程中。但电动汽车通常也是由软件定义的程度更高的车辆，为了妥善管理这些电池系统，确保其高效运行并以最佳参数进行充电，需要处理大量数据。因此，对于AI 等模型而言，这些都是驱动车辆运行的绝佳机遇。

5:53 针对车辆硬件进行优化

AI 当然。我们都知道，关于运行AI 所需的庞大计算资源，大家已经听过很多了。 虽然从电子系统角度来看，车辆的性能和能力正在大幅提升，但车内目前仍未配备高端GPU和NPU。AI Director是如何——或者说将如何——克服这些挑战，从而真正实现将您所描述的AI 模型部署到当前一代车辆中的实际应用？

是的，完全正确。这是一个非常好的问题。因此，传统的AI 和汽车行业一直专注于ADAS或自动驾驶，这当然是毋庸置疑的。

而且这是一个已经非常成熟的领域，大家对此也了如指掌。但正如我之前提到的，其他一些领域尚未达到同等的发展水平。我们发现，无论是AI Director还是我们的许多模型合作伙伴，人们都在开发各种类型的模型，并希望将其部署到车辆上。

所以这可以

范围涵盖了从非常简单的基于物理的模型（比如线性回归之类）到神经网络，甚至基于大型语言模型（LLM）的模型。因此，根据模型的类型以及车辆中搭载的硬件类型，可以针对特定硬件对这些模型进行优化，并在恰当的时间将它们部署到恰当的位置，从而确保正确的数据能够输入到这些模型中，以发挥其应有的作用。

7:24 首发合作伙伴

你刚才提到了几个应用场景，而且，我记得你还提到了几家供应商。我知道我们一开始就与其中几家建立了合作关系，而且我相信今后还会增加更多合作伙伴。不过，你能简单介绍一下我们在本次发布中已合作的部分合作伙伴吗？

是的。因此，这是一个非常重要的生态系统，它将所有相关方以及该流程中所需的各个环节都凝聚在一起。

实际上，我们在云计算方面曾与 AWS 合作，特别是为了实现，

与我们的模型开发工作流集成。当然，目前市面上已有许多优秀的工具，可用于训练干净的数据、训练模型，并最终将模型准备就绪，以便导入我们的系统并部署到车辆中。因此，AWS SageMaker Studio 是一款非常出色的工具，我们已与其进行了广泛的合作。

在硅片和硬件方面，我们与恩智浦（NXP）保持着非常良好的合作关系，并与他们紧密合作，共同致力于优化工作，特别是为了更方便地优化这些模型，以便将其部署到恩智浦的硬件中。

8:25 模型供应商

在模型方面，我们与多家供应商保持着合作。 其中一个应用场景是前大灯水平调节。欧盟即将出台一项新法规，要求从2027年起必须具备前大灯水平调节功能。一家名为Compredict的公司开发了一种虚拟传感器，无需额外硬件即可实现该功能。这是我们正在合作的一个非常酷的应用。

另一家则是在BMS电池管理领域，名为QNovo的公司。

他们专注于车辆健康状态、电池管理以及检测电池单元的健康状况、性能表现，并预测故障等情况。这是一个新模型，也是他们一直在研发、而我们也已共同推出的模型。 此外，在网络安全领域，我们还与另一家供应商VicOne建立了合作关系。他们拥有一款基于大型语言模型（LLM）的极具创新性的新模型，我们正与他们合作将其部署到我们的硬件中。另外，我们正在演示的还有一款发动机异常检测模型，这是由Sonatus 内部自主开发的。同样，该模型也大量利用了AWS和NXP提供的优化工具。

恩智浦。好的。合作伙伴组合很合理，不同型号供应商种类丰富等等。这确实体现了AI 总监能够管理和处理的模型类型的多样性。 我认为，将AI 模型推向边缘、推向用户，是一项重要的工作。我们期待在未来的节目中，就AI Director 及其衍生解决方案展开更多讨论。再次感谢您莅临节目，作为三度做客的嘉宾，您慷慨地贡献了宝贵的时间。

谢谢你。是的。祝贺你们成功发布。非常感谢，桑杰。很感激。

10:10 总结：如何获取更多详情

本期《Driving Innovation 》节目到此结束。如需进一步了解AI Director，或获取今天讨论内容的更多详情，请访问sonatus.com 上的产品页面，并下载更详细的解决方案简介。再次感谢您收看本期《Driving Innovation 》，期待未来与您再次相见。