Det softwaredefinerede køretøj: Arkitekturen bag den næste udvikling af bilindustrien - IBM Blog

Det softwaredefinerede køretøj: Arkitekturen bag den næste udvikling af bilindustrien – IBM Blog

Kildeknude: 3001242



Flere og flere forbrugere forventer nu, at deres køretøjer tilbyder en oplevelse, der ikke er anderledes end den, der tilbydes af andre smarte enheder. De søger fuld integration i deres digitale liv og ønsker et køretøj, der kan styre deres operationer, tilføje funktionalitet og aktivere nye funktioner primært eller udelukkende gennem software.

Ifølge en GMI rapport, forventes det globale softwaredefinerede køretøjsmarked (SDV) at opnå en CAGR på 22.1 % mellem 2023 og 2032. Denne vækst er drevet af stigende efterspørgsel efter avancerede funktioner i køretøjer, strenge køretøjssikkerhedsregler, øgede investeringer i forskning og udvikling, og forbedret navigation og tilslutningsmuligheder. Men hvad definerer en SDV præcist, og hvad er det arkitektoniske grundlag bag bilen, der giver forbindelse, automatisering og personalisering?

SDV i en nøddeskal

I en SDV fungerer køretøjet som den teknologiske base for fremtidige innovationer, og fungerer som et kommandocenter til indsamling og organisering af store mængder data, anvendelse af AI for indsigt og automatisering af gennemtænkte handlinger. SDV'en adskiller hardware fra software, hvilket giver mulighed for opdateringer og opgraderinger, automatisering eller autonomi og konstant forbindelse. Det interagerer med sit miljø, lærer og understøtter servicebaserede forretningsmodeller. Samtidig udvikler indbygget elektronik sig fra individuelle elektroniske styreenheder til højtydende computere med højere ydeevne og forenklet integration.

Et nærbillede af SDV-arkitekturen

Infrastrukturen lag

Dette lag inkluderer ikke kun køretøjet, men også telekommunikationsudstyr, vejsideenheder, smart city-systemer og lignende komponenter samt forskellige backend-systemer fra originaludstyrsproducenterne (OEM'er). Disse elementer er alle en del af en cyklisk proces, hvor køretøjsdata bruges til udvikling, drift og tjenester. Baseret på indsigt fra disse data, leveres ny software til køretøjer via trådløse opdateringer.

Det hybride cloud-platformslag

I IBM-tilgangen spænder en ensartet Linux® og Kubernetes-baseret platform fra køretøjet til kanten af ​​backend-systemet. Det er understøttet af Red Hat® Enterprise Linux og Red Hat® Openshift®, hvilket gør det muligt at distribuere software fleksibelt i form af softwarebeholdere, der overholder princippet om "byg én gang, implementer hvor som helst." Softwaren kan udvikles og testes i backend, før den let kan implementeres i køretøjet eller infrastrukturen. Alt dette giver en hidtil uset fleksibilitet.

Standardisering gennem abstraktion af applikationssoftware i form af containere fører til bedre vedligeholdelse og portabilitet af software, hvilket resulterer i forbedret udviklerproduktivitet. Den hybride cloud-tilgang suppleres af IBM Edge Application Manager, der gør det muligt for OEM'er at skalere og drive edge-løsninger autonomt sammen med IBM Embedded Automotive Platform, en Java-runtime optimeret til brug i køretøjer.

AI- og dataplatformslaget

AI-modeller har længe spillet en vigtig rolle i køretøjsfunktioner som ADAS/AD. Nogle OEM'er, som f.eks Honda, brug AI til vidensstyring for at levere sikrere og mere personligt tilpassede biler. Med hensyn til køretøjsdrift anvendes AI i øjeblikket i cybersikkerhed til at analysere indkommende sikkerhedshændelser og hændelser og på analyse af telematikdata for at få indsigt i køreoplevelser.

I dag kan generativ AI i høj grad forbedre SDV-udvikling og drift ved automatisk at generere artefakter såsom testcases, arkitekturmodeller og softwarekildekode. Dette kræver en kunstig intelligens og dataplatform som IBM watsonx™ til at administrere forskellige optimerede fundamentmodeller for hver brugssag, bygge brugerdefinerede fundamentmodeller baseret på kundebeskyttede standarder og sikre ingeniørdata fra at blive inkorporeret i offentlige open source-fundamentmodeller, som konkurrenter kan udnytte. Ydermere gør teknologier som IBM Distributed AI API det muligt for OEM'er at optimere implementeringen og brugen af ​​AI-modeller i edge-enheder såsom køretøjer.

Sikkerhedslaget

OEM'er vedtager i stigende grad en nul-tillidsramme for cybersikkerhed for at imødegå eksterne og interne trusler på tværs af udvikling, drift i køretøjer og virksomhedsmiljøer. Et centralt element i køretøjssikkerhed er Vehicle Security Operation Center, hvor IBM Security® QRadar® Suite kan bruges til trusselsdetektion og sikkerhedsorkestrering, automatisering og respons.

OEM'er skal også kryptere meddelelser i et køretøj og al anden kommunikation, der strækker sig ud over det. Dette kan opnås gennem IBM Enterprise Key Management Foundation. Endelig tilbyder IBM Security® X-Force® Red specifikke tilbud til biltest.

AI-produkterlaget

En moderne udviklingsplatform, såsom IBM Engineering Lifecycle Management, gør det muligt for bilindustrien at praktisere agil softwareudvikling i et moderne CI/CD-miljø. Det giver sporbar kravkonstruktion, modelbaseret systemudvikling og -testning, letter samarbejde, styring af produktkompleksitet, anvendelse af datadrevet indsigt og sikring af overholdelse. Desuden muliggør AI-teknik, understøttet af platforme som watsonx, en personlig kundeoplevelse. Engineering Data Management-løsninger hjælper kunder med at administrere de omfattende data, der er nødvendige for udvikling af autonom kørsel, som illustreret i dette Continental casestudie. Intelligente platforme, som IBM Cloud Pak® for Network Automation, muliggør automatisering og orkestrering af netværksoperationer, især relevant for teleselskaber i infrastrukturen. I backend hjælper IBM Connected Vehicle Insight producenter med at bygge deres forbundne køretøjer.

Lige så vigtigt kræver SDV'er mange specialiserede teknologier fra forskellige udbydere, hvorfor økosystemsamarbejde spiller en vigtig rolle i SDV-arkitekturen.

I sidste ende spiller hver komponent i arkitekturen en veldefineret rolle i at sikre den bedst mulige oplevelse for bilførere og passagerer, hvilket styrker SDV som den næste udvikling af bilindustrien.

Har du planer om at deltage CES, fra 9-12 januar 2024 i Las Vegas? Kom forbi IBM Meeting Center for at lære mere om SDV-teknologier.

Slut dig til os på CES for at lære om SDV-teknologier


Mere fra kunstig intelligens




Seks måder AI kan påvirke fremtiden for kundeservice

4 min læs - Organisationer har altid brugt en vis grad af teknologi til at give en fremragende kundeoplevelse, men fremtiden for kundeservice vil kræve endnu flere fremskridt for at imødekomme kundernes voksende forventninger. Der er ingen tvivl om, at kundeservice er ved at tage et stort spring fremad, takket være nye tendenser som kunstig intelligens (AI). Faktisk føler næsten 50 % af administrerende direktører øgede kundeforventninger til, at organisationer vil accelerere brugen af ​​nye teknologier som generativ AI, ifølge en IBV-direktør...




IBM kåret som leder i 2023 Gartner® Magic Quadrant™ for dataintegrationsværktøjer

4 min læs - IBMs dataintegrationsværktøjer er en kernedel af IBMs Data Fabric, som giver kunderne et sikkert datagrundlag til at accelerere og skalere AI-implementeringer. Fremadrettede virksomheder ser den værdi, som multi-cloud-adoption tilbyder. Det eneste spørgsmål er: Hvordan sikrer man effektive måder at nedbryde datasiloer og bringe data sammen til selvbetjeningsadgang? Dette er især integreret i dagens AI-drevne marked, hvor virksomheder løbende fodrer og træner deres ML-modeller på store datafundamenter. For selvsikkert...




Nu generelt tilgængelig hjælper watsonx.governance virksomheder med at opbygge tillid til deres generative AI

4 min læs - Før AI kan hjælpe din virksomhed med at nå nye niveauer af produktivitet, skal du være i stand til at stole på, hvad den laver. Mens generativ kunstig intelligens har potentialet til at frigøre en enorm produktivitet og økonomisk værdi, kommer den med nye kompleksiteter og øgede risici, der ikke tidligere er set med forudsigelig maskinlæring (ML). Dette spænder fra oprindelsen af ​​underliggende træningsdata til AI's potentiale til at opretholde bias til mangel på forklarlige output. Virksomheder skal etablere autoværn for at håndtere disse...




Et kig på IBM's AI-etik-styringsramme

3 min læs - "Organisationer er ansvarlige for at sikre, at AI-projekter, de udvikler, implementerer eller bruger, ikke har negative etiske konsekvenser," ifølge Gartner. Selvom 79 % af lederne siger, at AI-etik er vigtig for deres virksomhedsdækkende AI-tilgang, har mindre end 25 % operationaliserede etiske styringsprincipper. I et nyt casestudie med IBM taler Gartner om, hvordan man etablerer en styringsramme for at strømline processen med at opdage og administrere teknologietiske problemer i AI-projekter. Imødekommer behovet for en…

IBM nyhedsbreve

Få vores nyhedsbreve og emneopdateringer, der leverer den seneste tankelederskab og indsigt i nye trends.

Tilmeld nu

Flere nyhedsbreve

Tidsstempel:

Mere fra IBM