英特尔整车方案助力汽车制造商通过优化能效降低成本,并提供用户期待的下一代体验。面对行业转型带来的高成本挑战,特别是高性能AI芯片和电动车电池的成本压力,采取系统化方案成为兼顾技术创新与盈利的关键策略。
面对复杂多样的成本问题,英特尔提出了一种全面的系统级策略。不同于仅关注单个组件的改进,英特尔采取整体视角,将各部分整合以优化整个系统。其策略围绕三大核心领域展开:软件定义的车载计算、智能能源管理和类似数据中心的工作负载管理。这种综合方法产生了协同效应,效果远超单独优化车辆各部件的方式。该方案视车辆为一个整体,支持工作负载在中央计算系统和域计算子系统间自由迁移,实现了高度灵活性、成本效益及能效的显著提升。
当前车辆架构因孤立运作而效率低下。例如,即使电动汽车未启动,仍会持续监控外部摄像头以防安全威胁或识别接近的驾驶员,由车载计算子系统支持这项功能,导致即便车辆静止时电池也会无谓耗电。
此任务无需常驻于中央计算系统内。采用英特尔软件定义域控制器来处理摄像头任务,可借鉴数据中心的概念,将负载转移至能效更高的域控制器,并仅在必要时激活中央计算系统。这样不仅节省能源,还能通过动态整合任务到域控制器中减少ECU数量。
整合智能电源策略与控制系统同样能降低整体能耗,如充电期间关闭ADAS ECU,或依据环境变化调整电源使用,有效节约能源。例如,在底特律的冬季关闭空调ECU,在凤凰城的夏季关闭座椅加热器和雨刮ECU。
尽管这些措施看似简单,却深刻影响着车辆架构。通过集中式电源管理控制器控制各ECU,能极大提高能源利用效率,无论燃油车还是电动车均能受益。
这些策略并非创新之举,已在PC行业中广泛应用,通过ACPI等标准显著延长了电池寿命。ACPI允许对PC平台上所有耗电设备进行确定性控制,推动了PC电池从早期的一小时续航到现今的全天候使用。这一理念正通过SAE J3311标准引入汽车领域,旨在将成功的PC概念应用于车辆,以提高能源效率。

更优秀的软件定义设计代表了一种架构思维转变,它将计算、内存和I/O资源整合为共享池,并能够动态且无干扰地分配给任何当前的工作负载。这种方法改变了我们对汽车电子/电气架构的传统理解,即从以往的固定功能模块和1:1的应用到芯片映射,转向了跨越多个模块的灵活资源池。这种转变采取了全新的系统级方法,为消费者提供了所需的功能体验。简言之,这是一种类似于数据中心的解决方案,而非手机或平板电脑的方案。英特尔在这一领域有着丰富的经验,能够助力汽车行业完成这一重要的转型。
转向软件定义、可持续且可扩展的汽车绝非轻而易举之事。尤其当汽车制造商采用逐步升级固定功能模块的方式来演进其车辆架构时,挑战更加艰巨。然而,采取全面的系统级方法,并结合恰当的芯片与功能设计,可以为汽车制造商开启新的创收机会。在这方面,英特尔正扮演着领头羊的角色。
好文章,需要你的鼓励
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。