電子發(fā)燒友網報道（文/吳子鵬）未來的汽車將更多地依賴于以AI（人工智能）為核心的軟件技術，而非傳統的機械性能或物理配置，這便是軟件定義汽車的核心要義。當軟件逐漸成為智能汽車差異化的核心，軟件定義汽車的趨勢已經不可阻擋。

在軟件定義汽車這一全新的架構里，AI是底層核心技術，智能化系統將遍布整車的每一個角落。在2024MathWorks中國汽車年會上，MathWorks開發(fā)總監(jiān)JonCherrie表示，為了增強對汽車智能化工程系統的信心，有五點是非常重要的，分別是數據管理和準備、AI模型開發(fā)和訓練、AI集成/系統驗證和確認、部署和運行監(jiān)控、監(jiān)管和治理。針對這五大方向，MathWorks都能夠提供極具競爭力的解決方案，包括和芯片公司深度合作，讓汽車工程師在不需要深入了解芯片的情況下，就可以高效部署代碼，實現行業(yè)領先的智能化系統設計。

MathWorks開發(fā)總監(jiān)JonCherrie

幫助汽車工程師應對EEA集成帶來的軟件設計挑戰(zhàn)

軟件定義汽車需要更加先進的EEA（Electronic/ElectricalArchitecture，電子電氣架構）。先進的EEA支持快速迭代升級，使得汽車不再僅僅是硬件的堆砌，而是可以通過軟件更新不斷進化，為用戶提供更加豐富、個性化的功能和服務。

不過，先進的EEA將復雜的電子控制系統簡化為幾個核心域控制器，如動力域、底盤域、車身域，最終必將走向中央集成。正如MathWorks中國區(qū)汽車行業(yè)經理周斌所言，EEA升級之后，相較于傳統分布式的EEA，軟件復雜度將急劇增加。比如，在當前的汽車域融合階段，算法部署或者軟件開發(fā)就需要考慮不同模塊之間的交互或跨域的交互，帶來的問題包括軟件架構或者中間件的差異性，比如ROS、CyberRT、DDS和AUTOSAR之間會有較為明顯的差異。此時，汽車工程師需要考慮的問題是如何確保一套算法能夠在不同的芯片和芯片架構下靈活部署和移植，MathWorks在模型和算法開發(fā)方面的優(yōu)勢是，能夠提供適配不同軟件架構、不同中間件和不同部署目標的工具箱，汽車工程師可以參照基于模型設計的參考流程，實現算法模塊的快速移植，最終實現算法或模型的重用。

MathWorks中國區(qū)汽車行業(yè)經理周斌

舉一個例子，在Simulink?系列方案里，汽車工程師可以很容易找到SimulinkCoder、EmbeddedCoder、DDSBlockset、AUTOSARBlockset等方案進行軟件開發(fā)，這些工具可以幫助汽車工程師快速生成用于不同芯片且架構不同的算法、模型和代碼，并可以根據參考流程實現快速的遷移。具體來看，DDSBlockset提供多種App和模塊，用于對通過數據分發(fā)服務(DDS)中間件發(fā)布或訂閱數據的軟件應用進行建模和仿真。該模塊集包括DDS字典，用于在Simulink中管理、創(chuàng)建和編輯DDS定義。汽車工程師可以導入XML文件形式的DDS設定，以創(chuàng)建一個Simulink骨架模型，作為開發(fā)DDS應用算法的起點。DDSBlockset也可以從Simulink模型生成C++代碼和XML文件（使用EmbeddedCoder）。

在JonCherrie的演講中，以及周斌的媒體問答中都提到了MathWorks和英飛凌之間的合作，這也是MathWorks為英飛凌AURIXTC4x芯片定制開發(fā)軟件工具，幫助汽車用戶實現快速開發(fā)的典型案例。在這個案例中，基于EmbeddedCoder和SoCBlockset工具箱定制的硬件支持包(HardwareSupportPackage）讓汽車工程師無需深入了解英飛凌AURIXTC4x芯片就可以在其產品上快速設計、仿真和部署Simulink模型，并運行在不同內核上，這個支持包有非常多的特征優(yōu)勢，包括：

·將Simulink模型轉換為可執(zhí)行代碼

·在單核（TriCore0）上使用TriCore特定的代碼生成快速原型；

在多個TriCore?內核和PPU上運行分區(qū)算法，并分析算法的資源使用和任務執(zhí)行

·包括外圍驅動模塊和快速啟動示例(例如:FOC電機控制)

·支持TASKINGSmartCode,GreenHills?MULTI和HighTecLLVM等編譯器；

·為TriCore?和PPU生成優(yōu)化的代碼,并能夠在TriCore和PPU上執(zhí)行處理器在環(huán)（PIL）測試,

讓AI更好地融入汽車算法和模型

在汽車智能化升級的當下，MathWorks也非常注重這方面的工具升級和覆蓋。如JonCherrie在交流時談到的，無論是當前熱門的智能駕駛，還是車上各種智能控制終端，MathWorks都能夠提供真正端到端的解決方案。MATLAB?系列工具中的DeepLearningToolbox就是這方面的代表，可用于設計、訓練、分析和仿真深度學習網絡。DeepLearningToolbox提供用于設計、實現和仿真深度神經網絡的函數、App和Simulink模塊。該工具箱提供了一個框架來創(chuàng)建和使用多種類型的網絡，如卷積神經網絡(CNN)和變換器，也可用于與其他深度學習框架進行互操作，汽車工程師可以導入PyTorch、TensorFlow和ONNX模型進行推斷、遷移學習、仿真和部署。

當然，在將最新的AI技術引入汽車算法和模型設計時，數據也會變得非常重要，高質量的數據集能夠顯著提高AI算法和模型的精度，并減少訓練時長。周斌認為，數據標注和數據清洗都是數據準備的重要組成部分，MATLAB提供了豐富、強大的數據分析和可視化工具，如數據標注、數據合成等，再結合Simulink的仿真和基于模型的設計能夠幫助不同的車企完成數據、算法和模型的融合，幫助OEM和Tier1提升開發(fā)效率。最終，如何驗證這些算法和模型也非常重要，Simulink提供一個完整的測試仿真框架和工具，可以將所有模型集成到同一個平臺上，實現閉環(huán)的系統仿真，來驗證AI模型的可靠性。

幫助汽車OEM降本增效

無論是更先進的EEA升級，還是當前國內的汽車大環(huán)境，汽車OEM都需要面臨一個很嚴峻的挑戰(zhàn)，那就是如何實現降本增效，以應對“市場內卷”。周斌稱，卷成本、卷價格給汽車行業(yè)從業(yè)者帶來了非常大的壓力，降本增效便成為整個汽車行業(yè)的核心訴求，MathWorks也提供了相應的產品和應用支持，幫助汽車OEM和Tier1實現這一目標。

對此，JonCherrie和周斌都提到了Simscape產品系列中的SimscapeBattery。SimscapeBattery為設計電池系統提供設計工具和參數化模型，汽車工程師可以創(chuàng)建數字孿生，運行電池組架構的虛擬測試，設計電池管理系統，以及評估正常條件和故障條件下的電池系統行為。另外，電池組和電池管理系統的參數化模型可演示操作，包括電池平衡和荷電狀態(tài)估計。汽車工程師可以使用這些示例來確定電芯需求，執(zhí)行權衡分析和硬件在環(huán)(HIL)測試，并生成可讀且高效的C/C++代碼。

通過使用MATLAB和Simulink，汽車工程師可以完成從模型開發(fā)、到系統集成、再到產品硬件部署的完整工作流程，實現整個電池系統開發(fā)的降本增效。另外，利用AI驅動的虛擬傳感器估計電池電量狀態(tài)SOC和電池健康狀態(tài)SOH也是非常典型的例子。

在整車開發(fā)環(huán)節(jié)，汽車OEM正在致力于將DevOps工作流和經典的V模型結合，為此MathWorks提供了基于模型設計的開發(fā)平臺，幫助汽車OEM實現持續(xù)集成、持續(xù)測試的需求，以滿足質量要求并提升軟件交付速度。

結語

軟件定義汽車讓整個汽車開發(fā)流程發(fā)生了巨大的變化，AI這項底層技術在汽車功能開發(fā)中發(fā)揮著越來越關鍵的作用。同時，國內汽車大環(huán)境要求汽車OEM和Tier1需要更加注重降本增效，因此如何讓AI技術顯著提升生產力，增強汽車工程的設計和控制系統是整個行業(yè)面臨的機遇和挑戰(zhàn)。MATLAB和Simulink作為汽車工程師的可靠合作伙伴，將從基于模型的系統和軟件仿真、基于數據驅動的人工智能等產品全面賦能汽車設計。