有人说汽车现在就像是一个巨型的手机,其将成为软件的最大载体。
智能汽车的兴起,让软件定义汽车的理念成为行业共识。软件定义汽车是将软件将深度参与到汽车的定义、开发、验证、销售、服务等过程中,并不断改变和优化各个过程。
其实当汽车硬件逐步标准化模块化后,软件必然逐步成为汽车的核心。未来汽车的形态也将由软件主导,像驾驶、娱乐等功能、汽车配置、用车体验等等。
有业内专家称,2023年将是软件定义汽车走向的关键节点。麦肯锡报告显示,到2030年,全球汽车软件和电子市场预计将达到4680亿美元,较2019年复合年增长率为5.6%。
当然想要做好软件定义汽车,必须在构建数据闭环、挖掘数据价值、持续提供数字化服务等层面,做好软件架构和开发体系建设的充分准备。
风河系统Wind River Studio平台可以和软件定义汽车的各个环节进行匹配,可以全程支持软件开发、部署、运维和服务,打通企业后台开发,以及前台运维。所以现在企业仅需通过Wind River Studio统一管理界面的便捷操作,即可覆盖全数字领域,加快业务转型。
让软件开发优化成为闭环
在智能机械时代下,约有超过一半数据在机械边缘侧进行计算、处理,这就要求汽车在内的设备开发厂商需具备越来越强大的软件能力、数据挖掘能力、数据业务开发能力。
所以企业获得成功其实主要有两大因素,第一,机械的智能化、互联化程度的重要载体就是软件本身,所以软件开发的能力和软件开发的体系是重中之重;第二,如何去发掘数据的价值,现在更多数据是在边缘产生和处理,数据是企业创造价值和利润的来源,充分挖掘在不同场景下的数据价值,甚至开展基于数据的业务。
风河认为,需要在三个部分重点关注,企业端如何去构建软件开发能力、产品端优化软件架构开发提供软件为载体的服务能力、用户端收集使用场景中的数据。
以汽车行业为例,企业在销售平台可以优化客户肖像,开发出适合客户的新功能,同时将车辆上的传感器数据和客户的反馈给到开发端更好的进行优化软件形成一个闭环。
车内侧和云端的全覆盖
风河正在将任务关键性系统引入汽车行业,依靠的核心就是Wind River Studio。在支持软件定义汽车上,Wind River Studio可以分成车内侧和云端两部分,一部分是基于车内侧相应的运行态软件,一部分是云端的Studio工具集。
车内侧包括像嵌入式操作系统VxWorks可以通过最高汽车安全等级ASIL-D的实时操作系统。Helix虚拟化平台可以使不同安全等级的应用部署其上,而且属于Type-1体系。Wind River Linux是业界最先进的嵌入式Linux平台,拥有一套全面的产品、工具和生命周期服务,适用于构建和支持智能边缘解决方案。
作为端到端云原生DevOps平台,其可以将所有车辆的用户数据分析汇总,用同一个软件开发、测试和部署平台开发阶段。开发阶段,系统仿真工具可以使软件开发人员在硬件设备还未开发出来之前同步进行软件开发和测试;运营阶段,数字反馈回路工具可以实时收集车辆的数据并进行相应的建模,产生相应的数字孪生。数据分析过程中,发现车辆有任何问题,开发工程师可以在线更新软件,通过OTA(空中下载技术)及Conductor工具对单辆汽车,甚至整个网络中的所有车辆进行实时更新。
Wind River Studio不仅覆盖整个软件开发生命周期,同时可以把边缘侧的系统、即智能边缘与云之间进行连接。
不断拓展的界限
在软件定义汽车上,风河也在推进与合作伙伴展开一系列的合作。
最近风河为了加速迭代演进,将基于三星Exynos Auto V920芯片组向客户提供自己的软件技术,创建一整套完全集成化的汽车软件与硬件解决方案,其中的核心是Wind River Helix™ Virtualization Platform。
Wind River Helix™ Virtualization Platform是一套获得安全认证的多核、多操作系统平台,支持最终用户融合不同安全性要求的实时环境,包括VxWorks®实时操作系统(RTOS)、Linux和Android。
同时,风河实时(Runtime)产品和Wind River Studio Linux Service都已经支持下一代NXP S32G3处理器,从而有力地促进企业客户加速智能边缘设备的创建与部署。
风河将为VxWorks、Wind River Linux和Wind River Helix™ Virtualization Platform提供S32G3 BSP(板级支持包),以及配套的设计、全生命周期安全与维护服务。例如,企业客户希望充分利用S32G3处理器独特的车辆场景功能,而风河的实时产品阵容以及久经验证的嵌入式专业知识都将在相应的软件支持平台上助力汽车解决方案的设计与构建。
未来对于汽车软件开发、部署、运营、维护在内的全生命周期颠覆还在不断发生。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。