Det mjukvarudefinierade fordonet: Arkitekturen bakom nästa utveckling av fordonsindustrin - IBM Blog

Det mjukvarudefinierade fordonet: Arkitekturen bakom nästa utveckling av fordonsindustrin – IBM Blog

Källnod: 3001242



Fler och fler konsumenter förväntar sig nu att deras fordon ska erbjuda en upplevelse som inte skiljer sig från den som erbjuds av andra smarta enheter. De söker fullständig integrering i sina digitala liv och önskar ett fordon som kan hantera deras verksamhet, lägga till funktionalitet och möjliggöra nya funktioner främst eller helt genom mjukvara.

Enligt en GMI-rapport, förväntas den globala mjukvarudefinierade fordonsmarknaden (SDV) uppnå en CAGR på 22.1 % mellan 2023 och 2032. Denna tillväxt drivs av ökande efterfrågan på avancerade funktioner i fordon, stränga fordonssäkerhetsregler, ökade investeringar i forskning och utveckling, och förbättrad navigering och anslutningsmöjligheter. Men vad exakt definierar en SDV, och vad är den arkitektoniska grunden bakom bilen som ger uppkoppling, automatisering och personalisering?

SDV i ett nötskal

I en SDV fungerar fordonet som den tekniska basen för framtida innovationer, och fungerar som ett kommandocenter för att samla in och organisera stora mängder data, tillämpa AI för insikter och automatisera genomtänkta åtgärder. SDV separerar hårdvara från mjukvara, vilket möjliggör uppdateringar och uppgraderingar, automatisering eller autonomi och konstant anslutning. Den interagerar med sin omgivning, lär sig och stödjer tjänstebaserade affärsmodeller. Samtidigt utvecklas ombordelektronik från individuella elektroniska styrenheter till högpresterande datorer med högre prestanda och förenklad integration.

En närbild av SDV-arkitekturen

Infrastrukturen lager

Detta lager inkluderar inte bara fordonet utan även telekomutrustning, vägkantsenheter, smarta stadssystem och liknande komponenter, såväl som olika backend-system från originalutrustningstillverkarna (OEM). Dessa element är alla en del av en cyklisk process där fordonsdata används för utveckling, drift och tjänster. Baserat på insikter från dessa data levereras ny mjukvara till fordon via uppdateringar via luften.

Hybridmolnplattformsskiktet

I IBM-metoden sträcker sig en enhetlig Linux®- och Kubernetes-baserad plattform från fordonet till kanten av backend-systemet. Det stöds av Red Hat® Enterprise Linux och Red Hat® Openshift®, vilket gör att programvara kan distribueras flexibelt i form av mjukvarubehållare, i enlighet med principen "bygg en gång, distribuera var som helst." Programvaran kan utvecklas och testas i backend innan den enkelt distribueras i fordonet eller infrastrukturen. Allt detta ger oöverträffad flexibilitet.

Standardisering genom abstraktion av applikationsprogramvara i form av containrar leder till bättre underhållsbarhet och portabilitet av mjukvara, vilket resulterar i förbättrad utvecklarproduktivitet. Hybridmolnmetoden kompletteras av IBM Edge Application Manager, vilket gör det möjligt för OEM-tillverkare att skala och driva edge-lösningar autonomt, tillsammans med IBM Embedded Automotive Platform, en Java-körtid optimerad för användning i fordon.

AI- och dataplattformsskiktet

AI-modeller har länge spelat en viktig roll i fordonsfunktioner som ADAS/AD. Vissa OEM, som t.ex Honda, använd AI för kunskapshantering för att leverera säkrare och mer personliga bilar. När det gäller fordonsdrift används AI för närvarande inom cybersäkerhet för att analysera inkommande säkerhetshändelser och incidenter, och på analys av telematikdata för att få insikter om körupplevelser.

Idag kan generativ AI avsevärt förbättra SDV-utveckling och drift genom att automatiskt generera artefakter som testfall, arkitekturmodeller och mjukvarukällkod. Detta kräver en AI- och dataplattform som IBM watsonx™ för att hantera olika optimerade grundmodeller för varje användningsfall, bygga skräddarsydda grundmodeller baserade på kundägda standarder och skydda ingenjörsdata från att inkorporeras i offentliga grundmodeller med öppen källkod som konkurrenter kan utnyttja. Dessutom gör tekniker som IBM Distributed AI API det möjligt för OEM-tillverkare att optimera distributionen och användningen av AI-modeller i avancerade enheter som fordon.

Säkerhetsskiktet

OEM-tillverkare antar allt mer ett nollförtroenderamverk för cybersäkerhet för att motverka externa och interna hot över utveckling, fordonsdrift och företagsmiljöer. Ett centralt element i fordonssäkerhet är Vehicle Security Operation Center, där IBM Security® QRadar® Suite kan användas för hotdetektering och säkerhetsorkestrering, automatisering och respons.

OEM-tillverkare måste också kryptera meddelanden i ett fordon och all annan kommunikation som sträcker sig utanför det. Detta kan uppnås genom IBM Enterprise Key Management Foundation. Slutligen erbjuder IBM Security® X-Force® Red specifika erbjudanden för fordonstestning.

AI-produktskiktet

En modern utvecklingsplattform, som IBM Engineering Lifecycle Management, gör att fordonsindustrin kan utöva agil mjukvaruutveckling i en modern CI/CD-miljö. Det tillhandahåller spårbar kravkonstruktion, modellbaserad systemutveckling och testning, underlättar samarbete, hanterar produktkomplexitet, tillämpar datadrivna insikter och säkerställer efterlevnad. Dessutom möjliggör AI-teknik, med stöd av plattformar som watsonx, en personlig kundupplevelse. Engineering Data Management-lösningar hjälper kunder att hantera den omfattande data som behövs för utveckling av autonom körning, vilket illustreras i detta Continental fallstudie. Intelligenta plattformar, som IBM Cloud Pak® for Network Automation, möjliggör automatisering och orkestrering av nätverksoperationer, särskilt relevanta för teleföretag i infrastrukturen. I backend hjälper IBM Connected Vehicle Insight tillverkare att bygga sina anslutna fordonsanvändningsfall.

Lika viktigt är att SDV:er kräver många specialiserade teknologier från olika leverantörer, vilket är anledningen till att ekosystemsamarbete spelar en viktig roll i SDV-arkitekturen.

I slutändan spelar varje komponent i arkitekturen en väldefinierad roll för att säkerställa bästa möjliga upplevelse för fordonsförare och passagerare, vilket befäster SDV som nästa utveckling av fordonsindustrin.

Tänker du vara med CES, från 9-12 januari 2024 i Las Vegas? Kom förbi IBM Meeting Center för att lära dig mer om SDV-tekniker.

Gå med oss ​​på CES för att lära dig mer om SDV-teknologier


Mer från artificiell intelligens




Sex sätt AI kan påverka framtiden för kundservice

4 min läs - Organisationer har alltid använt en viss grad av teknik för att ge en utmärkt kundupplevelse, men framtidens kundservice kommer att kräva ännu fler framsteg för att möta kundernas växande förväntningar. Det råder ingen tvekan om att kundservice är på väg att ta ett stort steg framåt, tack vare nya trender som artificiell intelligens (AI). Faktum är att nästan 50 % av VD:arna känner ökade kundförväntningar på att organisationer kommer att påskynda användningen av ny teknik som generativ AI, enligt en IBV-VD...




IBM utsågs till ledare i 2023 Gartner® Magic Quadrant™ för verktyg för dataintegration

4 min läs - IBM:s dataintegrationsverktyg är en central del av IBM:s Data Fabric, och ger kunderna en säker databas för att accelerera och skala AI-implementeringar. Framtidstänkande företag ser värdet som multimolnadoption erbjuder. Frågan är bara: Hur säkerställer man effektiva sätt att bryta ner datasilos och sammanföra data för självbetjäningsåtkomst? Detta är särskilt integrerat i dagens AI-drivna marknad, där företag kontinuerligt matar och utbildar sina ML-modeller på stora databaser. Att tryggt...




Nu allmänt tillgänglig hjälper watsonx.governance företag att bygga upp förtroende för sin generativa AI

4 min läs - Innan AI kan hjälpa ditt företag att nå nya nivåer av produktivitet måste du kunna lita på vad den gör. Även om generativ AI har potential att låsa upp enorm produktivitet och ekonomiskt värde, kommer den med nya komplexiteter och ökade risker som inte tidigare setts med prediktiv maskininlärning (ML). Detta sträcker sig från ursprunget till underliggande träningsdata till potentialen hos AI att vidmakthålla fördomar till bristen på förklarliga utdata. Företag måste etablera skyddsräcken för att hantera dessa...




En titt på IBM:s ramverk för AI-etikstyrning

3 min läs - "Organisationer är ansvariga för att se till att AI-projekt som de utvecklar, distribuerar eller använder inte får negativa etiska konsekvenser", enligt Gartner. Trots att 79 % av cheferna säger att AI-etik är viktigt för deras företagsomfattande AI-strategi, har mindre än 25 % operationaliserade principer för etisk styrning. I en ny fallstudie med IBM berättar Gartner om hur man kan upprätta ett styrningsramverk för att effektivisera processen för att upptäcka och hantera tekniska etiska problem i AI-projekt. Att ta itu med behovet av en…

IBMs nyhetsbrev

Få våra nyhetsbrev och ämnesuppdateringar som ger det senaste tankeledarskapet och insikter om nya trender.

Prenumerera nu

Fler nyhetsbrev

Tidsstämpel:

Mer från IBM