وسیله نقلیه نرم افزاری تعریف شده: معماری پشت تکامل بعدی صنعت خودرو - وبلاگ IBM

وسیله نقلیه نرم افزاری تعریف شده: معماری پشت تکامل بعدی صنعت خودرو - وبلاگ IBM

گره منبع: 3001242



اکنون بیشتر و بیشتر مصرف کنندگان انتظار دارند وسایل نقلیه آنها تجربه ای را ارائه دهند که متفاوت از آنچه توسط سایر دستگاه های هوشمند ارائه می شود. آنها به دنبال ادغام کامل در زندگی دیجیتالی خود هستند و به دنبال وسیله نقلیه ای هستند که بتواند عملیات آنها را مدیریت کند، قابلیت ها را اضافه کند و ویژگی های جدید را عمدتاً یا به طور کامل از طریق نرم افزار فعال کند.

با توجه به گزارش GMIانتظار می‌رود بازار جهانی خودروهای تعریف‌شده با نرم‌افزار (SDV) بین سال‌های 22.1 تا 2023 به CAGR 2032 درصدی دست یابد. این رشد به دلیل افزایش تقاضا برای ویژگی‌های پیشرفته در وسایل نقلیه، مقررات سختگیرانه ایمنی خودرو، افزایش سرمایه‌گذاری در تحقیق و توسعه، و ناوبری و اتصال بهبود یافته است. اما دقیقاً چه چیزی یک SDV را تعریف می کند، و چه پایه و اساس معماری پشت خودرو است که اتصال، اتوماسیون و شخصی سازی را فراهم می کند؟

SDV به طور خلاصه

در یک SDV، وسیله نقلیه به عنوان پایگاه فناوری برای نوآوری های آینده عمل می کند، به عنوان یک مرکز فرماندهی برای جمع آوری و سازماندهی حجم وسیعی از داده ها، به کارگیری هوش مصنوعی برای بینش و خودکارسازی اقدامات متفکرانه عمل می کند. SDV سخت افزار را از نرم افزار جدا می کند و امکان به روز رسانی و ارتقاء، اتوماسیون یا استقلال و اتصال ثابت را فراهم می کند. با محیط خود تعامل دارد، مدل های کسب و کار مبتنی بر خدمات را یاد می گیرد و از آن پشتیبانی می کند. به طور همزمان، الکترونیک داخلی از واحدهای کنترل الکترونیکی منفرد به رایانه‌های با کارایی بالا با عملکرد بالاتر و یکپارچگی ساده‌تر تبدیل می‌شود.

نمای نزدیک از معماری SDV

زیرساخت لایه

این لایه نه تنها وسیله نقلیه، بلکه تجهیزات مخابراتی، واحدهای کنار جاده، سیستم‌های شهر هوشمند و اجزای مشابه و همچنین سیستم‌های پشتیبان مختلف تولیدکنندگان تجهیزات اصلی (OEM) را نیز شامل می‌شود. این عناصر همگی بخشی از یک فرآیند چرخه ای هستند که در آن از داده های خودرو برای توسعه، بهره برداری و خدمات استفاده می شود. بر اساس بینش به دست آمده از این داده ها، نرم افزار جدید از طریق به روز رسانی های هوایی به خودروها تحویل داده می شود.

لایه پلت فرم ابر ترکیبی

در رویکرد IBM، یک پلتفرم مبتنی بر Linux® و Kubernetes یکنواخت از وسیله نقلیه تا لبه سیستم باطن گسترش می‌یابد. توسط Red Hat® Enterprise Linux و Red Hat® Openshift® پشتیبانی می‌شود، و به نرم‌افزار اجازه می‌دهد تا به‌صورت انعطاف‌پذیر در قالب محفظه‌های نرم‌افزار توزیع شود، و به اصل «یک‌بار بسازید، در هر مکانی استقرار دهید». این نرم افزار را می توان قبل از اینکه به راحتی در وسیله نقلیه یا زیرساخت مستقر شود، در backend توسعه داده و آزمایش کرد. همه اینها انعطاف پذیری بی سابقه ای را فراهم می کند.

استانداردسازی از طریق انتزاع نرم افزارهای کاربردی در قالب کانتینر منجر به نگهداری بهتر و قابل حمل بودن نرم افزار می شود و در نتیجه بهره وری توسعه دهندگان را بهبود می بخشد. رویکرد ابری ترکیبی توسط مدیر برنامه کاربردی IBM Edge تکمیل می‌شود و به OEM‌ها امکان می‌دهد راه‌حل‌های لبه را به‌طور مستقل مقیاس‌بندی و کار کنند، همراه با پلت‌فرم خودروی جاسازی‌شده IBM، یک زمان اجرا جاوا که برای استفاده در خودرو بهینه شده است.

لایه پلت فرم هوش مصنوعی و داده

مدل‌های هوش مصنوعی مدت‌هاست که نقش مهمی در عملکردهای خودرو مانند ADAS/AD ایفا کرده‌اند. برخی از OEM ها مانند هوندا، از هوش مصنوعی برای مدیریت دانش برای ارائه خودروهای ایمن تر و شخصی تر استفاده کنید. با توجه به عملکرد خودرو، هوش مصنوعی در حال حاضر در امنیت سایبری برای تجزیه و تحلیل رویدادها و حوادث امنیتی دریافتی، و در تجزیه و تحلیل داده‌های تله‌ماتیک برای به دست آوردن بینش در مورد تجربیات رانندگی استفاده می‌شود.

امروزه، هوش مصنوعی مولد می‌تواند با تولید خودکار مصنوعاتی مانند نمونه‌های آزمایشی، مدل‌های معماری و کد منبع نرم‌افزار، توسعه و عملکرد SDV را تا حد زیادی بهبود بخشد. این به یک پلتفرم هوش مصنوعی و داده مانند IBM نیاز دارد واتسونکس™ برای مدیریت مدل‌های پایه بهینه‌شده مختلف برای هر مورد، مدل‌های پایه سفارشی را بر اساس استانداردهای اختصاصی مشتری بسازید و از ادغام داده‌های مهندسی در مدل‌های پایه منبع باز عمومی که رقبا ممکن است از آنها بهره‌برداری کنند، محافظت کنید. علاوه بر این، فناوری هایی مانند IBM Distributed AI API به OEM ها امکان می دهد تا استقرار و استفاده از مدل های هوش مصنوعی را در دستگاه های لبه مانند وسایل نقلیه بهینه کنند.

لایه امنیتی

OEM ها به طور فزاینده ای چارچوبی با اعتماد صفر برای امنیت سایبری برای مقابله با تهدیدات خارجی و داخلی در سراسر توسعه، عملیات داخل خودرو و محیط های سازمانی اتخاذ می کنند. یکی از عناصر اصلی در امنیت خودرو، مرکز عملیات امنیت خودرو است، جایی که IBM Security® QRadar® Suite می‌تواند برای تشخیص تهدید و هماهنگ‌سازی امنیتی، اتوماسیون و پاسخ استفاده شود.

OEM ها همچنین باید پیام های داخل یک وسیله نقلیه و سایر ارتباطاتی را که فراتر از آن هستند رمزگذاری کنند. این را می توان از طریق بنیاد مدیریت کلید سازمانی IBM به دست آورد. در نهایت، IBM Security® X-Force® Red پیشنهادات ویژه ای برای تست خودرو ارائه می دهد.

لایه محصولات هوش مصنوعی

یک پلت فرم توسعه مدرن، مانند مدیریت چرخه عمر مهندسی IBM، به صنعت خودرو اجازه می دهد تا توسعه نرم افزار چابک را در یک محیط CI/CD مدرن تمرین کند. این مهندسی نیازمندی‌های قابل ردیابی، مهندسی و آزمایش سیستم مبتنی بر مدل، تسهیل همکاری، مدیریت پیچیدگی محصول، بکارگیری بینش‌های مبتنی بر داده و اطمینان از انطباق را فراهم می‌کند. علاوه بر این، مهندسی هوش مصنوعی، که توسط پلتفرم هایی مانند watsonx پشتیبانی می شود، تجربه مشتری شخصی را امکان پذیر می کند. راه حل های مدیریت داده های مهندسی به مشتریان در مدیریت داده های گسترده مورد نیاز برای توسعه رانندگی خودکار، همانطور که در این نشان داده شده است، کمک می کند. قارهای مطالعه موردی. پلتفرم‌های هوشمند مانند IBM Cloud Pak® برای اتوماسیون شبکه، اتوماسیون و هماهنگ‌سازی عملیات شبکه را امکان‌پذیر می‌سازد، به ویژه برای Telcos در زیرساخت. در بخش باطنی، IBM Connected Vehicle Insight به سازندگان کمک می‌کند تا موارد استفاده از خودروی متصل خود را بسازند.

به همان اندازه مهم، SDV ها به فناوری های تخصصی زیادی از ارائه دهندگان مختلف نیاز دارند، به همین دلیل است که همکاری اکوسیستم نقش مهمی در معماری SDV ایفا می کند.

در نهایت، هر جزء در معماری نقش کاملاً مشخصی در تضمین بهترین تجربه ممکن برای رانندگان و سرنشینان وسایل نقلیه ایفا می کند و SDV را به عنوان تکامل بعدی صنعت خودرو تقویت می کند.

آیا قصد شرکت دارید CES، از 9 تا 12 ژانویه 2024 در لاس وگاس؟ برای کسب اطلاعات بیشتر در مورد فن آوری های SDV به مرکز جلسات IBM بیایید.

به ما در CES بپیوندید تا با فناوری های SDV آشنا شوید


اطلاعات بیشتر از هوش مصنوعی




شش راه که هوش مصنوعی می تواند بر آینده خدمات مشتری تأثیر بگذارد

4 حداقل خواندن - سازمان‌ها همیشه از درجاتی از فناوری برای ارائه یک تجربه عالی برای مشتری استفاده کرده‌اند، اما آینده خدمات به مشتریان، پیشرفت‌های بیشتری را برای برآورده کردن انتظارات رو به رشد مشتریان می‌طلبد. شکی نیست که خدمات مشتری به لطف گرایش های نوظهور مانند هوش مصنوعی (AI) جهشی عظیم به جلو خواهد داشت. به گفته یکی از مدیران اجرایی IBV، در واقع، نزدیک به 50 درصد از مدیران اجرایی انتظارات مشتریان را افزایش می‌دهند که سازمان‌ها استفاده از فناوری‌های جدید مانند هوش مصنوعی را تسریع کنند.




آی‌بی‌ام به‌عنوان یک رهبر در سال 2023 Gartner® Magic Quadrant™ برای ابزارهای یکپارچه‌سازی داده معرفی شد.

4 حداقل خواندن - ابزارهای یکپارچه‌سازی داده‌های آی‌بی‌ام، قطعه‌ای اصلی از فابریک داده‌های آی‌بی‌ام هستند که به مشتریان پایه داده ای امن برای تسریع و مقیاس‌بندی پیاده‌سازی‌های هوش مصنوعی ارائه می‌دهند. کسب و کارهای آینده نگر ارزشی را می بینند که پذیرش چند ابری ارائه می دهد. تنها سوال این است: چگونه می‌توانید از روش‌های مؤثر شکستن سیلوهای داده و گردآوری داده‌ها برای دسترسی سلف‌سرویس اطمینان حاصل کنید؟ این امر به ویژه در بازار مبتنی بر هوش مصنوعی امروزی، جایی که کسب‌وکارها به طور مداوم مدل‌های ML خود را بر اساس داده‌های بزرگ تغذیه و آموزش می‌دهند، ضروری است. با اطمینان…




watsonx.governance اکنون به طور کلی در دسترس است و به کسب و کارها کمک می کند تا به هوش مصنوعی مولد خود اعتماد کنند.

4 حداقل خواندن - قبل از اینکه هوش مصنوعی بتواند به کسب و کار شما در رسیدن به سطوح جدیدی از بهره وری کمک کند، باید بتوانید به کاری که انجام می دهد اعتماد کنید. در حالی که هوش مصنوعی مولد پتانسیل باز کردن بهره‌وری و ارزش اقتصادی فوق‌العاده را دارد، با پیچیدگی‌های جدید و خطرات افزایش‌یافته‌ای همراه است که قبلاً با یادگیری ماشین پیش‌بینی‌کننده (ML) دیده نشده بود. این از مبدأ داده‌های آموزشی زیربنایی گرفته تا پتانسیل هوش مصنوعی برای تداوم تعصب و فقدان خروجی‌های قابل توضیح متغیر است. کسب و کارها باید برای مدیریت این نرده ها حفاظ ایجاد کنند…




نگاهی به چارچوب حاکمیت اخلاق هوش مصنوعی IBM

3 حداقل خواندن - به گفته گارتنر، «سازمان‌ها مسئول این هستند که اطمینان حاصل کنند که پروژه‌های هوش مصنوعی که توسعه، استقرار یا استفاده می‌کنند، پیامدهای اخلاقی منفی ندارند». با این حال، در حالی که 79٪ از مدیران می گویند اخلاق AI برای رویکرد هوش مصنوعی در سراسر سازمان آنها مهم است، کمتر از 25٪ اصول حاکمیت اخلاقی را عملیاتی کرده اند. در یک مطالعه موردی جدید با IBM، گارتنر در مورد چگونگی ایجاد یک چارچوب حاکمیتی برای ساده‌سازی فرآیند شناسایی و مدیریت نگرانی‌های اخلاقی فناوری در پروژه‌های هوش مصنوعی صحبت می‌کند. رفع نیاز به…

خبرنامه های آی بی ام

خبرنامه‌ها و به‌روزرسانی‌های موضوعی ما را دریافت کنید که جدیدترین رهبری فکری و بینش را در مورد روندهای نوظهور ارائه می‌دهد.

مشترک شدن در حال حاضر

خبرنامه های بیشتر

تمبر زمان:

بیشتر از آی بی ام