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
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。