从基本布线到多模式气候控制系统,再到高级驾驶辅助系统(ADAS)传感器,电子电气(E/E)组件长期以来一直是车辆架构的核心。但是,随着整个移动出行领域的创新加速,同时人工智能日益融入车辆性能和制造中,设计和扩展 E/E 系统的传统方法正逐渐触及极限。
这种转变有两个关键原因。首先,技术进步的速度已经超过了行业传统的渐进式改进模式。其次,传统E/E 架构通常是分散且孤立的,这在以硬件为主要核心的时代运作良好。然而如今,基于软件的零部件集成,尤其是在电动汽车、ADAS 和自动驾驶系统中,就需要一种系统级方法。
向集中式架构的转变正催生更智能的计算策略。汽车制造商不再依赖多个控制单元独立处理任务,而是设计配备更少但更强大计算单元的统一系统。这些系统通过共享网络连接,并由人工智能算法驱动,能够跨域处理数据,支持实时软件更新,在提高性能的同时,降低零部件成本。
人工智能还推动着传感器融合的突破,能将来自激光雷达、摄像头和雷达的数据整合到一个统一且连贯的系统中。通过在设计阶段的早期使用预测建模和仿真工具,汽车制造商可以提高检测精度、减少处理需求并简化验证流程。在麦格纳的测试中,集中式传感器数据处理与机器学习算法相结合,可实现360 度检测和动态物体意图预测,提高了可靠性和安全性。