谢谢您的订阅!
当新的内容发布后您将开始接收邮件。您也可以点击邮件内的链接随时取消订阅。关闭Close

解密:软件定义汽车的复杂性

by Canonical on 16 August 2023

软件定义:行业大转变

随着软件定义汽车(SDV,Software-Defined Vehicle)的出现,汽车正以迅猛之势变得更加互联化、自动化、共享化和电动化。最终,这四个特点变得尤为突出,其缩略词 “CASE” 在业内广为人知。

不断上升的客户期望也推动着 SDV 概念不断发展,并对汽车硬件和软件提出了挑战。为了适应 CASE 趋势和消费者需求,我们需要重新审视和重新设计传统汽车架构。除了诸多其他要求外,新的架构还必须确保可升级性、性能以及安全性。

这是汽车行业的一个重大变化,为此我们需要新的软件技能、方法和商业模式。与此同时,汽车制造商需要遵守复杂且严格的行业标准,并且提供安全关键型功能。

在本篇文章中,我们将重点介绍汽车行业所面临的软硬件复杂性、网络安全和安全性方面的各种挑战。此外,我们还将讨论原厂制造商(OEM)如何向软件公司学习,顺利过渡到软件定义汽车时代并取得成功。


什么是软件定义汽车(SDV)?

我们都知道汽车是什么,对汽车的工作原理、发动机、燃料、车轮等有一定的了解。现在,请试想一下,一辆汽车在其整个生命周期内通过无线软件更新即可改变其悬架设置或加速功能。这显然会增加汽车的复杂性。但是,这些功能现如今已经成为可能!

就像智能手机可以在软件更新后获得弱光图像优化一样,汽车也可以通过软件更新部署更好的算法,进而实现从发动机性能提升或耗电优化。正因如此,汽车现如今被称为车轮上的计算机。

SDV 给制造商带来的挑战与好处 

传统上,原厂制造商(OEM)采用的是电气/电子(E/E)架构,其中包含数百个专为特定任务而设计的电子控制单元(ECU),这导致了对供应商的依赖性,并且降低了在不同车型之间的可扩展性。

更新这些平台涉及大量的费用,并且导致资源浪费在维护这些特定于车型的软件组件上,而非用于改进可以在 OEM 的整个汽车产品线中使用的软件。除此之外,消费者也希望他们的汽车能够获得定期更新,其中不仅包括安全补丁,还包括新增功能和服务。

为了满足这些客户需求,原厂制造商(OEM)认识到必须从以硬件为主的车辆结构转变为软件驱动的车辆结构,这样才能够管理无线更新和组件间交互。

软件定义汽车(SDV)代表了汽车行业的范式转变。SDV 利用基于软件的系统来提高性能,并且能够更有效地利用资源。原厂制造商(OEM)需要摒弃数量多且复杂的组件,转而使用少量有限且易于管理的系统。

软件定义汽车的主要好处包括:

  • 降低复杂性和成本
  • 更快上市
  • 提高产品质量
  • 具备硬件和软件灵活性

SDV 高度侧重于功能和基于软件的服务,因此还可以提供更好的安全性和用户体验。为了实现这一点,需要围绕软件重新设计整个价值创造过程。

汽车硬件的复杂性不断增加

随着汽车设计不断趋向于以软件为中心,制造商将不得不应对硬件方面的特定挑战。

在过去,原厂制造商(OEM)会处理大量的改装车辆,改装本身就会带来大量的组件、平台和配置改装。这些都受地区特定限制、客户定制要求以及提高车型或品牌吸引力的产品选择所影响。

以前,车辆并未实现联网(或者只有基本的联网服务)。不断的更新和功能增强才导致了如今的现状:原厂制造商(OEM)在努力维护现有系统的同时,也在不断开发新的通常无需依赖于先前所开发系统的平台。

为了改善这样的复杂情况,他们首先需要降低硬件和软件依赖性。这一方法已经在云和智能手机领域得到了应用。以 iPhone 为例,同一个 iOS 版本可以在多代 iPhone 上运行。此外,同一部 iPhone 在其整个生命周期内也将能够享受多个 iOS 版本的更新。

可是,消除这些依赖性并非易事。毕竟,解除硬件开发周期与软件开发之间的相关性意味着业务模式、采购形式和工作方式均要发生变化。除此以外,汽车行业还缺乏明确的标准,有了明确的标准,则可以更轻松地创建车辆硬件和软件之间的接口。

软件复杂性和解决方案

目前而言,当存在冗余的软件组件或功能时,大多数原厂制造商(OEM)发现现有的软件无法重用,因为需要移植到配置完全不同的硬件上。这会导致额外的工作量和潜在的兼容性问题。

为了增加复杂性,电子控制单元(ECU)历来采用筒仓式构造;各个 ECU 都有自己的硬件和软件(包括中间件、操作系统(OS)和服务集)。

为解决这一问题,可以为整个车辆引入一个共用的抽象层,以便重用现有的软件。这样做可以大大简化复杂的硬件和软件配置。这是软件定义车辆(SDV)技术路线中的一部分。

SDV 不仅能够更轻松地实现更新和兼容性,还将为更多未来适用型电气/电子 (E/E)架构奠定基础,从孤立专用的 ECU 转向区域集中性的侧重于高性能计算(HPC)的架构。

网络安全问题

随着汽车越来越像车轮上的计算机,拥有更多的嵌入式软件也意味着存在更多的潜在漏洞。原厂制造商(OEM)通常依赖于多个不同的供应商,他们在共同的平台上工作,并且在不同的工具上进行开发。

通常出于保密,这些工具和开发项目很少在整个行业内共享。因此,合作研发共用解决方案以解决漏洞变得非常困难。

此外,法规也日益严苛,迫使 OEM 不得不针对常见漏洞和暴露(CVE)提供补丁和修复。鉴于前面所讲的系统复杂性,转向软件定义的整体环境变得越来越有必要。

只有走软件定义的技术路线方能提供所需的灵活性和可扩展性,使企业既能遵守法规要求,也能提供 UX 更新和应对硬件复杂性的难题。

当然,网络安全绝不仅仅依赖于软件。硬件漏洞也有可能发生,并且通常会导致更糟糕的后果。一些硬件问题可以通过软件修补,但这些 CVE 通常在系统的整个生命周期内都存在。

例如,世界上最常见的两种硬件漏洞 Meltdown 和 Spectre 仍然存在,并且有大量的设备都受其影响。这意味着在硬件构思的过程中,就必须在规范和系统架构方面考虑到网络安全,以减少漏洞。

安全性方面的注意事项

下面介绍安全性问题。大多数新车中都默认安装高级驾驶辅助系统(ADAS)。这些系统可以访问和控制关键功能,如加速、制动、转向等。为了保证车辆乘员的安全,原厂制造商(OEM)需遵守特定程度的功能安全性要求。

功能安全性旨在减少因组件或系统故障而产生的风险和危险。随着自动驾驶 (AD)技术的发展,安全性或将成为选择车辆时的关键区分因素。

考虑到前面提到的主题,与安全相关的系统将需要不断地获得安全合规认证。此外,任何新增服务或功能都必须进行评估,看其是否对安全系统有所干扰或影响。

为前行之路做好铺垫

在本文中,我们解决了汽车行业在转向软件定义汽车时必须着重解决的部分复杂性问题,此外还有更多的复杂难题需待解决。

若想了解更多关于上述挑战的信息,请阅读我们的 SDV 指南。您将读到针对这一重大行业转变的分析,包括针对从新的业务模式到功能安全性、开发周期优化乃至软件重用的全面分析。


订阅博客文章

订阅您感兴趣的主题

在提交此表格的同时,我确认已阅读和同意的隐私声明隐私政策。

查看更多内容

不只是自动驾驶-汽车领域最热门的AI

汽车领域 4 大 AI 用例研究 在当下科技飞速发展的时代,人工智能(AI)成为了推动汽车行业深刻变革的关键催化剂。从智能汽车设计到个性化人车交互,AI 正在重塑交通的方方面面,让驾驶员和乘客都能享受更安全、更有效、更环保的旅程。 在本篇博客文章中,我们将介绍四个最有前景的汽车行业 AI 用例。 智能车辆生命周期管理 创新车辆设计、材料使用和制造工艺 AI 驱动的生成式设计算法正在改变车辆的概念化和设计方式,突破创造力和效率的极限。这些算法通过分析海量数据集和探索大量设计迭代来优化车辆结构,进而提升性能、安全性和可持续性。  此外,AI 正在彻底改变选材方式:制造商都在利用自身的能力确定最适用于制造每个零组件的材料,在材料强度、重量和环境影响三个方面取得平衡。这样生产出来 […]

汽车工业时代的行业趋势

随着众多技术创新的同时融合,我们正处于一个令人兴奋的汽车工业时代。从 AI 到 5G,以及介于两者之间的许多技术,在今年有望出现一系列的突破性发展趋势。 随着电动汽车 (EV) 彻底颠覆市场和原始设备制造商的商业战略,客户的关注点正逐渐偏离传统的内燃机 (ICE) 汽车,这在汽车构造和设计方式方面带来了挑战。 更重要的是,软件更新和互联技术的进步实现了无缝的服务和娱乐体验,消费者期待以不同的方式进行互动和体验出行。下面我们来深入了解一下 2024 年即将出现的一些汽车行业主要趋势。 无线汽车软件更新 无线 (OTA) 更新处于行业向软件转变的前沿。无需前往经销商处,不再受制于硬件约束,现在通过增量和定期软件补丁即可对汽车进行远程更新。 无线更新是为数不多的让制造商和用户实 […]

Canonical x Lenovo: 在边缘运行 AI workloads

携手 Canonical 和 Lenovo,在边缘运行 AI 工作负载 从制造业中的预测性维护,到医疗保健行业中的虚拟助手,再到最偏远地区的电信路由器优化,AI 正在各种边缘环境中掀起新浪潮,带来新机遇。但为了支持这些几乎随处运行的 AI 工作负载,公司需要具备快速、安全且高度可扩展的边缘基础架构。 开源工具 —— 例如用于轻量级 Kubernetes 编排的 MicroK8s 和用于 ML 机器学习工作流的 Charmed Kubeflow —— 可以为边缘 AI 部署提供更高的灵活性和安全性。如果配合加速计算堆栈使用,这些解决方案可以帮助专业人员更快地交付项目,降低运营成本,以及确保更可预测的结果。 今天这篇博客探讨为什么企业正逐渐在边缘 AI 领域转向开放式基础架构 […]