Det programvaredefinerte kjøretøyet: Arkitekturen bak den neste utviklingen av bilindustrien - IBM Blog

Det programvaredefinerte kjøretøyet: Arkitekturen bak den neste utviklingen av bilindustrien – IBM Blog

Kilde node: 3001242



Flere og flere forbrukere forventer nå at kjøretøyene deres tilbyr en opplevelse som ikke er forskjellig fra den som tilbys av andre smarte enheter. De søker full integrering i deres digitale liv, og ønsker et kjøretøy som kan administrere operasjonene deres, legge til funksjonalitet og aktivere nye funksjoner primært eller helt gjennom programvare.

Ifølge en GMI-rapport, forventes det globale programvaredefinerte kjøretøy-markedet (SDV) å oppnå en CAGR på 22.1 % mellom 2023 og 2032. Denne veksten er drevet av økende etterspørsel etter avanserte funksjoner i kjøretøy, strenge kjøretøysikkerhetsforskrifter, økte investeringer i forskning og utvikling, og forbedret navigasjon og tilkobling. Men hva definerer egentlig en SDV, og hva er det arkitektoniske grunnlaget bak bilen som gir tilkobling, automatisering og personalisering?

SDV i et nøtteskall

I en SDV fungerer kjøretøyet som den teknologiske basen for fremtidige innovasjoner, og fungerer som et kommandosenter for innsamling og organisering av store datamengder, bruk av AI for innsikt og automatisering av gjennomtenkte handlinger. SDV skiller maskinvare fra programvare, noe som gir mulighet for oppdateringer og oppgraderinger, automatisering eller autonomi og konstant tilkobling. Den samhandler med omgivelsene, lærer og støtter tjenestebaserte forretningsmodeller. Samtidig utvikler elektronikk ombord seg fra individuelle elektroniske kontrollenheter til høyytelsesdatamaskiner med høyere ytelse og forenklet integrasjon.

Et nærbilde av SDV-arkitekturen

Infrastrukturen lag

Dette laget inkluderer ikke bare kjøretøyet, men også telekommunikasjonsutstyret, veikantenheter, smartbysystemer og lignende komponenter, samt ulike backend-systemer fra produsentene av originalutstyr (OEM). Disse elementene er alle en del av en syklisk prosess der kjøretøydata brukes til utvikling, drift og tjenester. Basert på innsikt fra disse dataene, leveres ny programvare til kjøretøy via trådløse oppdateringer.

Det hybride skyplattformlaget

I IBM-tilnærmingen spenner en enhetlig Linux®- og Kubernetes-basert plattform fra kjøretøyet til kanten av backend-systemet. Den støttes av Red Hat® Enterprise Linux og Red Hat® Openshift®, slik at programvare kan distribueres fleksibelt i form av programvarebeholdere, i samsvar med prinsippet om "bygg én gang, distribuer hvor som helst." Programvaren kan utvikles og testes i backend før den enkelt distribueres i kjøretøyet eller infrastrukturen. Alt dette gir enestående fleksibilitet.

Standardisering gjennom abstraksjon av applikasjonsprogramvare i form av containere fører til bedre vedlikehold og portabilitet av programvare, noe som resulterer i forbedret utviklerproduktivitet. Hybridskytilnærmingen er supplert av IBM Edge Application Manager, som gjør det mulig for OEM-er å skalere og drive edge-løsninger autonomt, sammen med IBM Embedded Automotive Platform, en Java-kjøringstid optimalisert for bruk i kjøretøy.

AI- og dataplattformlaget

AI-modeller har lenge spilt en viktig rolle i kjøretøyfunksjoner som ADAS/AD. Noen OEM-er, som f.eks Honda, bruk AI for kunnskapsstyring for å levere tryggere og mer personlig tilpassede biler. Når det gjelder kjøretøydrift, brukes AI i cybersikkerhet for å analysere innkommende sikkerhetshendelser og hendelser, og på analyse av telematikkdata for å få innsikt i kjøreopplevelser.

I dag kan generativ AI i stor grad forbedre SDV-utvikling og drift ved automatisk å generere artefakter som testcases, arkitekturmodeller og programvarekildekode. Dette krever en AI og dataplattform som IBM watsonx™ for å administrere ulike optimaliserte grunnlagsmodeller for hvert brukstilfelle, bygge spesialspesifikke fundamentmodeller basert på kundebeskyttede standarder og sikre ingeniørdata fra å bli innlemmet i offentlige åpen kildekode-fundamentmodeller som konkurrenter kan utnytte. Videre gjør teknologier som IBM Distributed AI API det mulig for OEM-er å optimalisere distribusjonen og bruken av AI-modeller i avanserte enheter som kjøretøy.

Sikkerhetslaget

OEM-er tar i økende grad i bruk et null-tillit-rammeverk for cybersikkerhet for å motvirke eksterne og interne trusler på tvers av utvikling, drift i kjøretøy og bedriftsmiljøer. Et sentralt element i kjøretøysikkerhet er Vehicle Security Operation Center, hvor IBM Security® QRadar® Suite kan brukes til trusseldeteksjon og sikkerhetsorkestrering, automatisering og respons.

OEM-er må også kryptere meldinger i et kjøretøy og all annen kommunikasjon som strekker seg utover det. Dette kan oppnås gjennom IBM Enterprise Key Management Foundation. Til slutt tilbyr IBM Security® X-Force® Red spesifikke tilbud om biltesting.

AI-produktlaget

En moderne utviklingsplattform, som IBM Engineering Lifecycle Management, lar bilindustrien praktisere smidig programvareutvikling i et moderne CI/CD-miljø. Det gir sporbar kravutvikling, modellbasert systemutvikling og testing, forenkler samarbeid, administrerer produktkompleksitet, anvender datadrevet innsikt og sikrer samsvar. Videre muliggjør AI-teknikk, støttet av plattformer som watsonx, en personlig kundeopplevelse. Engineering Data Management-løsninger hjelper kundene med å administrere de omfattende dataene som trengs for utvikling av autonom kjøring, som illustrert i dette Continental casestudie. Intelligente plattformer, som IBM Cloud Pak® for Network Automation, muliggjør automatisering og orkestrering av nettverksoperasjoner, spesielt relevant for teleselskaper i infrastrukturen. På baksiden hjelper IBM Connected Vehicle Insight produsenter med å bygge sine tilkoblede kjøretøybruk.

Like viktig krever SDV-er mange spesialiserte teknologier fra forskjellige leverandører, og det er grunnen til at økosystemsamarbeid spiller en viktig rolle i SDV-arkitekturen.

Til syvende og sist spiller hver komponent i arkitekturen en veldefinert rolle for å sikre best mulig opplevelse for kjøretøysjåfører og passasjerer, og styrker SDV som den neste utviklingen av bilindustrien.

Har du tenkt å delta CES, fra 9-12 januar 2024 i Las Vegas? Kom innom IBM Meeting Center for å lære mer om SDV-teknologier.

Bli med oss ​​på CES for å lære om SDV-teknologier


Mer fra kunstig intelligens




Seks måter AI kan påvirke fremtiden til kundeservice

4 min lest - Organisasjoner har alltid brukt en viss grad av teknologi for å gi en utmerket kundeopplevelse, men fremtiden for kundeservice vil kreve enda flere fremskritt for å møte kundenes økende forventninger. Det er ingen tvil om at kundeservice er i ferd med å ta et stort sprang fremover, takket være nye trender som kunstig intelligens (AI). Faktisk føler nesten 50 % av administrerende direktører økte kundeforventninger om at organisasjoner vil akselerere bruken av nye teknologier som generativ AI, ifølge en IBV-sjef...




IBM kåret til en leder i 2023 Gartner® Magic Quadrant™ for dataintegrasjonsverktøy

4 min lest - IBMs dataintegrasjonsverktøy er en kjernedel av IBMs Data Fabric, og gir kundene et sikkert datagrunnlag for å akselerere og skalere AI-implementeringer. Fremtidstenkende bedrifter ser verdien som multi-sky-adopsjon tilbyr. Spørsmålet er bare: Hvordan sikrer du effektive måter å bryte ned datasiloer og bringe data sammen for selvbetjent tilgang? Dette er spesielt integrert i dagens AI-drevne marked, hvor bedrifter kontinuerlig mater og trener sine ML-modeller på store datagrunnlag. For selvsikkert...




Nå generelt tilgjengelig, hjelper watsonx.governance bedrifter med å bygge tillit til deres generative AI

4 min lest - Før AI kan hjelpe virksomheten din med å nå nye nivåer av produktivitet, må du kunne stole på det den gjør. Mens generativ AI har potensialet til å frigjøre enorm produktivitet og økonomisk verdi, kommer den med nye kompleksiteter og økte risikoer som ikke tidligere er sett med prediktiv maskinlæring (ML). Dette spenner fra opprinnelsen til underliggende treningsdata til potensialet til AI for å opprettholde skjevhet til mangel på forklarbare utganger. Bedrifter må etablere autovern for å håndtere disse...




En titt på IBMs rammeverk for etisk styring av AI

3 min lest - "Organisasjoner er ansvarlige for å sikre at AI-prosjekter de utvikler, distribuerer eller bruker ikke har negative etiske konsekvenser," ifølge Gartner. Selv om 79 % av lederne sier at AI-etikk er viktig for deres virksomhetsomfattende AI-tilnærming, har mindre enn 25 % operasjonaliserte prinsipper for etisk styring. I en ny casestudie med IBM snakker Gartner om hvordan man kan etablere et styringsrammeverk for å effektivisere prosessen med å oppdage og administrere teknologietiske bekymringer i AI-prosjekter. Imøtekommer behovet for en…

IBMs nyhetsbrev

Få våre nyhetsbrev og emneoppdateringer som gir den siste tankeledelsen og innsikt om nye trender.

Abonner nå

Flere nyhetsbrev

Tidstempel:

Mer fra IBM