■ 来源于微信公众号：汽车制造AP
在Gilles Mabire的指导下，这家德国供应商正在帮助汽车制造商最大限度地利用无线更新的优势，并利用人工智能的力量。
▲大陆CTO Mabire表示：“通过人工智能提供的自动标签，我们现在可以在不开车的情况下模拟真实的用例。”
大陆集团首席技术官Gilles Mabire以独特的方式解释了该行业转向软件定义汽车的困难。“我们不再是攀登阿尔卑斯山，我们是在喜马拉雅山，”他说，将挑战比作登顶著名山脉的高峰——珠穆朗玛峰。他说，这意味着这家德国供应商必须以完全不同的方式开发其产品。在Mabire的指导下，大陆集团还帮助汽车制造商最大限度地利用无线更新的优势，并利用人工智能的力量来缩短解决复杂任务所需的时间。他与《欧洲汽车新闻》总编辑Douglas A. Bolduc和通讯员Nathan Eddy讨论了这一点以及更多内容。
转向软件定义车辆的过程中主要挑战是什么？ 我们需要了解转型的规模。我们不再是攀登阿尔卑斯山了，我们是在喜马拉雅山。我们需要不同的设备，我们需要以不同的方式进行训练。在硬件定义车辆方法中，我们或多或少根据客户编写的规范开发硬件。我们以自上而下的方式开发和生产产品。在软件定义的方法中，我们首先问自己：“我们如何在汽车中分配软件功能，以实现未来的移动性？” 这个未来包括频繁的更新和在汽车首次销售后增加的新功能。这些新功能将影响人们未来使用、购买和消费的方式和内容。所以，我们将不得不以与以往完全不同的方式开发我们的产品。我们需要深入了解车辆架构，当然还有如何开发软件。即使硬件还不存在，我们也必须考虑这一点，我们可以通过虚拟化和孪生的方法来做到这一点。
您会和合作伙伴一起合作吗？ 我们与亚马逊网络服务公司（Amazon Web Services）建立了合作伙伴关系，开发我们称之为Continental H框架的软件，这是一个在没有硬件的情况下公开开发软件的环境，并在第二阶段逐步使硬件处于循环状态，从而节约成本并降低复杂性。对我们来说，软件定义的车辆意味着预测变化，向我们的客户证明我们理解变化，然后我们可以通过将正确的功能带到桌面上来支持他们，使这种变化成为可能。
无线软件更新将如何发展？ 对于复杂的开发，OTA更新就像人寿保险，因为您可以开发您的汽车，并确保之后可以使用新功能对其进行升级。第一个要素是使连接标准化和民主化，我们正在通过在市场上推出5G来做到这一点。这将确保将软件馈送到车辆中的管道将继续得到改进。第二个方面与软件定义车辆的发展相一致，即需要预先定义架构，以确保以整体方式升级汽车及其功能。由于SoC（片上系统）组件和更多内存，硬件性能正在迅速提高。这将能够提供更频繁的OTA更新，其中包括部分升级。
主要好处是什么？ 不必完全升级车辆的软件系统，只需升级某些功能。从技术角度来看，这一切都是可能的，只需要预先创建正确的架构即可。
大陆集团在柏林的新人工智能实验室的重点是什么？ 一个重点是开发人工智能相关技术的能力，以帮助我们在辅助驾驶、自动驾驶、计算机视觉和支持公司内部的工业项目方面的项目取得进展。第二个重点是解决超出大陆集团常规业务范围的社会话题和问题。
例如？ 我们相信我们的DNA可以成为帮助解决可持续性、二氧化碳减排、移动性机会和货物运输方面的一些问题的推动者。这包括使用机器人的最后一英里交付以及其他不属于我们今天核心业务的东西。
大陆集团将如何将人工智能技术融入业务？ 这关乎做出正确的决定。一个重点是人工智能赋能的员工，这涉及规模经济，以及从设计到制造的各个方面提高效率和生产力。我们正在寻找最大的痛点。
您能举个例子吗？ 其中之一是对车辆的要求越来越多。不仅仅是组件。这包括极其复杂的高性能计算机和信息娱乐系统。必须写下超过80,000或100,000多个不同的要求。这需要一些不可思议的能力来整理它们，并将它们介绍给开发团队。这需要几个月的时间。通过训练人工智能学习如何解释需求、分解需求和组织需求，这个过程在未来可能需要几周，甚至几天的时间就可以。这将加快开发过程，显著降低成本并提高效率，因此有更多时间专注于项目中需要解决的关键挑战。
您还有其他例子吗？ 当涉及到制造或预测性维护时，人工智能可以在整个供应链中预测一个问题将导致质量问题。它可以通过监控机器中的关键参数来确定以后可能造成大问题的原因来做到这一点。通过将这些数据输入工厂，您可以解决和改善这种情况。人工智能可以提供帮助的另一个领域是组件短缺，这在过去两年中影响了每个人。我们正在使用人工智能建立一些预测模型，以了解市场的演变情况。我们可以确定如何最大限度地提高产量，同时优化生产计划以满足客户的需求。简而言之，这使得整个供应链机制更可控、更可预测。现在由我们团队开发的人工智能算法提供支持。
您如何将人工智能集成到产品开发中？ 我们使用人工智能来改进ADAS技术，从相机融合到计算机模型标记。要以90%的概率识别街道上的物体，需要训练算法。因此，需要收集大量数据，并手动标记什么是人、什么是自行车、什么是动物以及它是什么类型的动物等等。通过人工智能提供的自动标记，我们现在可以在不开车的情况下模拟真实的使用案例。可以重现许多可能永远不会看到或在现实生活中不太可能经历的极端案例。然而，可以训练算法数百万次，使开发变得更短但更安全。通过完全模拟，我们可以在几天内跑数百万公里。我们可以相应地制定测试计划，这使我们在可测试性方面的深度远远高于人类所能达到的水平。所有这些因素都提高了我们投放市场的产品质量。