MathWorks拥有MATLAB 和Simulink两大王牌产品，可助力汽车企业找到智能驾驶完美契合的解决方案！
8月20日，“2024 MathWorks中国汽车年会“在上海成功举办。本次年会议题涵盖了系统与软件、自动驾驶、虚拟车辆、大数据和人工智能四大热门方向，不仅精心策划了20多场来自 MathWorks 用户或合作伙伴的精彩演讲，还同期开辟了丰富多彩的产品演示内容，供现场嘉宾面对面交流探讨。
▲MathWorks开发总监Jon Cherrie发表题为“论智能化工程系统开发-品设计之道，筑信心于AI新境”主旨演讲
MathWorks开发总监Jon Cherrie在“论智能化工程系统开发-品设计之道，筑信心于AI新境”的主旨演讲中表示，人工智能在汽车工程系统中的应用持续增长，尤其是通过在设计过程中融入持续的反馈，能够增强对智能化工程系统的信心。接着，他介绍了可增强对智能化工程系统信心的五个建议：数据管理和准备；利用最先进的AI研究成果；解释和验证AI模型；部署AI模型到生产环境；监管和治理。最后，Cherrie还就如何实现W型开发流程与非机器学习组件的V型周期共存，阐述了他的观点和实践。
大会期间，MathWorks还举办了主题为“人工智能趋势如何影响汽车的发展”的圆桌会议，以及由公司总部开发总监Jon Cherrie和中国区汽车行业经理周斌共同参与的媒体见会面，制动君摘录圆桌会议的观点碰撞和媒体问答环节的热点互动如下：
问：中国在智能驾驶方面是否已在全球领先？MathWorks在应对中国本土主机厂的需求，尤其技术创新方面，都有哪些举措？
答：以前在欧洲市场上很少见到中国的汽车，但是随着现在中国汽车的发展，欧洲市场上见到很多中国本土品牌的汽车，尤其是电动车。在中国，我也乘坐了新能源网约车，包括在路上看到了一些无人送货车，令我感到非常震惊。
中国的智能驾驶，尤其是造车新势力，相比德国传统的主机厂来说，中国的发展与技术创新确实是更加快速，其中，这两年汽车行业都在讲NOA（Navigate on Autopilot，导航辅助驾驶，俗称“高阶智能驾驶”），无论是高速NOA，还是城市NOA，中国的路况对比欧洲更为复杂的多，如果中国能把NOA跑起来，我相信其他国家应该都不是太大的问题。
当前，MathWorks与全球诸多主机厂有非常紧密的合作，其中很多也是MathWorks的企业版用户，我们跟主机厂在自动驾驶仿真这块开展了很多的工作，帮助他们实测采集的数据构建生成一些场景，生成场景以后，最终还是要通过仿真，通过Simulink平台来验证他的一些算法、规控模块、决策模块。在这个过程中，MathWorks了解到传统的主机厂对软件质量非常重视，他们功能的验证会非常充分，MathWorks帮助他们在自动驾驶如何满足行业的法规，比如说功能安全、预期功能安全，帮助客户做了很多工作，构建相应的工作流，通过早期的仿真测试确保其所有功能都是可靠、安全的。总结来说，MathWorks在国内主要是帮助用户把我们的工具用好，用到他们的开发流程或者项目里面。
问：在智能驾驶落地的过程中，MathWorks在技术层面上能够为车厂，以及整个产业链做哪些助力？
答：运用AI技术，MathWorks可以把收集的海量数据，用工具去把某个场景重新构建出来。例如感知。毫无疑问，感知对智能驾驶非常重要，这块届时会用到很多AI的技术，在感知数据的处理，MathWorks提供了相应的工具箱和工作流，如Radar Toolbox、LiDAR Toolbox、Computer Vision Toolbox等。
其次在创建场景方面。用实车大量数据创建真实的场景，用真实的场景去验证我们的一些新的算法迭代。尤其在中国的路况非常复杂，实车路测有非常大的风险，仿真在自动驾驶系统开发中起到非常重要的作用。对此，MathWorks有相应的场景工具，如RoadRunner，还有Automated Driving Toolbox自动驾驶工具箱，都可以帮助用户去创建2D或者3D的驾驶场景，通过仿真验证自动驾驶系统是不是按照预期在工作。
问：现在汽车行业越来越卷，一方面成本需要更低，另一方面开发效率需要更快，MathWorks在这两个纬度能够为汽车制造商提升竞争力吗？
答：国内确实很卷，但是汽车行业里面对卷有两种不同的声音，一种觉得好，一种觉得不好，目前我们看到更多的声音认为国内卷好像不是很好，很多是在卷成本、卷价格。MathWorks也提供了相应的产品和应用支持，帮助用户达成目标。举例说，降低成本，AI可以用于虚拟传感器的开发，典型的应用有电池SOC和SOH估计，还有可以用虚拟传感器来替换一些压力、温度、流量等物理的传感器，这些无疑都能帮助主机厂降低开发成本。
再如，在域控开发方面，可以通过减少ECU数量来实现降本。同时，汽车工程师需要考虑如何能够将同一套算法在不同的芯片和架构下进行灵活部署，以提高开发效率。为此，MathWorks提供了适配不同软件架构、不同中间件和不同部署目标的工具箱，汽车工程师可以参照基于模型设计的参考流程，实现算法或模型的重用和快速移植。此外，基于模型设计的开发平台还可以帮助客户实现持续集成和持续测试需求，以满足质量和快速交付的要求。”
问：接着刚才提及的域控，汽车由单个ECU（分布式）逐渐朝着域融合（集中式）方向发展，MathWorks提供算法模型或者AI模型是否会有不一样的挑战？未来的挑战主要体现在哪些方面？
答：现在主流车企都在引入域控制器和区域控制器，一方面，是整车电子电器架构在从分布式往集中式演进，这是大势所趋。另一方面，主机厂也在控制成本，他希望把更多的功能放到一个域控制器里面，从而减少ECU的数量，实现成本的降低。不过，也会由此带来一些大的挑战：
其一：系统软件的复杂度急剧增加，特别是同一个算法为了适配不同的硬件、芯片要额外做很多重新的软件开发，写代码的工作量会非常大，MathWorks提供了适配不同软件架构的工具，像AUTOSAR Blockset、DDS Blockset、ROS Toolbox等工具箱，用户按照基于模型设计的参考流程就可以很方便地实现算法模块的移植，最终实现算法或模型的重用。
其二：融合会带来算力要求的提高，尤其在智能驾驶对算力有更高要求，希望引入一些AI的加速芯片，像我们现在看到的英飞凌在推的TC4x这款芯片增加了一个PPU并行处理单元。为此，MathWorks基于Embedded Coder和SoC Blockset定制开发了英飞凌TC4x的硬件支持包，可以帮助工程师无需深入了解英飞凌这款芯片就可以在其产品上快速开发。
问：AI无疑是此次年会的一大亮点，MathWorks作为一款设计软件，采用AI赋能后，是否会帮助客户取代一部分软件工程师的工作？
答：现在生成式AI虽然在某些方面可以帮助我们提高效率，但是，例如写代码的时候，我们依然需要工程师确认它生成的代码是准确的，这个时候还是需要有工程师来完成这个检查的工作。生成式AI是非常先进的技术，肯定能赋能车机或整个汽车的发展，MathWorks认为AI更多的还是来增强工程师软件开发的能力，而不是替代或取代人员。
问：软件定义汽车，系统的集成度越来越高，对于系统的可靠、安全，MathWorks能够为客户提供什么样的帮助？
答：“软件定义汽车”的时代到来以后，系统软件的复杂度确实是急剧增加的。对于系统软件的可靠、安全也是很大的挑战。由于MathWorks是工业软件，不像碰撞试验验证车辆被动安全那么显性，MathWorks主要通过以下三个方面提升软件质量：
其一，帮助客户遵从基于模型设计的软件开发参考流程；其二，结合参考工作流和完备的检查工具在模型和代码层面做充分的静态、动态和背靠背测试；其三，可以在早期通过仿真验证功能，更早地发现问题，问题发现的越早后期修复的时间或者成本就越小，这对于软件质量也是非常重要的。
2024 MathWorks中国汽车年会现场
转自：汽车制动网
声明：本文由车市号作者撰写，仅代表个人观点，不代表网上车市。文中部分图片来源网络，感谢原作者。
