Sonatus是一家經過驗證的汽車軟件供應商，成立于美國硅谷。提供從云端到車端的端到端SDV解決方案，助力OEM實現軟件創新。其產品已廣泛應用于諸多知名車企品牌，累計量產車輛超過兩百萬臺。同時，Sonatus與眾多一級和二級合作伙伴建立了緊密的合作關系，業務遍布全球，并榮獲諸多獎項與榮譽。
2024年10月24日，在第十二屆汽車與環境創新論壇上，Sonatus商務拓展高級總監檀駿從SDV的技術發展和行業痛點，以及Sonatus解決方案和使用案例兩大維度展開了分享。
檀駿表示，第一OEM必須采用靈活的集中式E/E架構，逐步實現SDV；第二用戶體驗、成本和效率將影響SDV解決方案的實施；第三Sonatus解決方案將為車輛E/E和SDV架構增加動態靈活性；第四Sonatus解決方案將持續實現先進的功能，加快創新的步伐。
Sonatus商務拓展高級總監
以下為演講內容整理:
關于車載SDV的思考
當前，汽車行業已全面走向SDV全新的時代。我們公司認為，SDV不僅僅是軟件功能的實現問題，更是系統架構的問題，是整車EE架構不斷向前演進過程中所帶來的整個架構理念的變化。
整車EE架構有五個階段。從最初的分布式EE架構，到分布式域控制，集中式域控制，再到現在的區域與集中式域控，以及未來結合大數據、中央云計算、中央計算以及區域設計的架構，這些轉變在各類車型中不乏實際應用案例。
下圖中的柱狀圖代表的整車EE架構的五個不同的階段。從時間的維度上看，5個不同區域代表5個不同EE架構產品，隨著時間推移，從2020年到2035年，它們在市場上有不同表現，沒有一個架構是完全消失的，在整車市場都有一定價值，只是市場份額有所不同。這與SDV的發展進程，以及整車在座艙和智能駕駛領域內的軟件演進趨勢形成了高度契合。我們可以得出結論，分布式架構在未來幾年內會有非常長的共存時間。
圖源:演講嘉賓素材
從SDV的角度來看，其演變趨勢是必然的，并且整個演變周期可能會更加迅速。這一趨勢給整車廠帶來了一些思考，尤其是中國的自主OEM和新勢力的OEM造車領域中，SDV的系統設計整體表現尚不盡如人意。我們在和客戶溝通過程中，發現了很多制約產品或整個SDV概念落地的痛點。
現在許多OEM在軟件定義汽車上已經投入了大量的人力和物力，在架構和硬件上投入了大量沉沒成本。在推廣相關方案時，客戶首要關注的是現有軟件的兼容性問題，如果存在一套功能強大且完備的SDV產品，應如何確立其與既有系統的共存機制，以及這一引入將對既有軟件產生多大的影響。
現在許多車廠在全棧自主研發和合作式SDV項目的推進上，常顯露出猶豫不決的態度，或認為自身能力尚顯不足，又或受到既有架構的制約。在今年的一個論壇上，有嘉賓指出，艙駕融合技術背后存在的制約因素可能不是技術，而是源于OEM整體組織架構與人員配置的非技術性障礙。
我們的行業與科技緊密相關，而科技領域唯一恒常不變的便是變化本身，因此，對于未來的大數據、人工智能以及眾多硬件領域的全新設計理念，我們的SDV整體架構設計或解決方案能否無縫支持這些技術的融合，成為了一個關鍵問題。這一問題可以歸結為產品的成長性問題，即我們的產品在未來三到四年間，其迭代速度能否與市場的快速迭代保持同步，這成為了一個至關重要的考量因素，并深刻影響著OEM廠商在決策過程中的判斷。
從發展角度看，很多車端已經做得非常成熟，無論是傳統EE架構，還是域控、智駕和座艙的體驗上，云端則處于探索和發展階段。車端和云端協同、技術分工、端到端方案的最終呈現等也是影響整個SDV最終呈現效果的重要因素。此外，售后階段是否可以通過SDV的靈活性快速落地一些功能也是衡量SDV方案是否成熟的重要維度。
中國在智能網聯領域的發展步伐相對較快，眾多汽車制造商已規劃了智能網聯艙駕融合的相關方案。在實際的車輛架構落地過程中，客戶往往會強調不應影響所有域的運作。在中國區我們主要負責座艙產品，在美國則有ADAS、T-box、V2X。在此過程中，SDV能夠管控的范圍及其與既有架構的融合程度，成為了衡量SDV效能的一個重要標準。
當前，消費導向成為了SDV設計過程中不可忽視的重要因素。在汽車領域，還需滿足車規級的嚴格驗證，包括安全級別上的強制性規范要求，SDV系統是否能夠靈活且穩健地支持這些要求，顯得尤為關鍵。
我們與多家車廠客戶進行了深入的溝通，收集到了多種類型的問題與需求，并對其進行了細致的分類。其中，降本增效是大家普遍關注的焦點。近年來，隨著電動化和智能化的快速發展，市場競爭格局日益激烈，這種極致的內卷現象在中國市場似乎已成為常態。成本和效率是整車廠的重中之重，SDV一定要在這個大前提下才有可能達到它切實可行的落地可能性。
另外，從用戶體驗的角度出發，一個好的SDV方案要能夠為用戶帶來價值，應當具備如下特質。智能技術，尤其是基于車載環境的安全性是每個車廠都必須高度重視的功能。在設計SDV功能時，諸如黑屏、電動化電池失效或電池起火等問題，在各大OEM廠商的問題列表或售后問題處理中都是P0級的。
客戶導向性及跨界融合是當前的重要趨勢。前段時間《黑神話悟空》這個游戲非?；?，一些汽車制造商迅速捕捉到了這一趨勢，將能夠吸引年輕消費者、體現消費者導向的最新功能直接融入到了車的座艙體驗中。雖然這些功能或許不足以直接影響年輕消費者的購買決策，但無疑在品牌塑造方面起到了積極的作用，為潛在客戶在選擇購買車輛時增添了額外的吸引力，成為了一個加分項。
另外，我們致力于最大化地解鎖和利用當前的軟件資源，無論是分布式還是中央域控，或是未來將要部署的軟件，我們都需兼顧考慮。我們的目標并非放棄既有資源，而是對原有功能中表現不佳或被忽視的部分進行優化，對閑置的數據進行深度挖掘，以最大化地釋放其潛力。SDV并非替換現有系統，而是讓軟件與數據發揮最大的價值。
從成本角度看，SDV的單價無疑是一個核心要素。由SDV所帶來的成本節約效應，需與整個EE架構的變革、數據存儲的優化、新功能的研發以及既有軟件的持續集成與維護中節省的成本進行綜合衡量。在此方面，SDV有望極大降低用戶的總體投入。
從效率的角度考慮，對于任何車廠而言，前文提及的成長性問題都至關重要。如果存在一個可持續迭代且統一的SDV架構，那么它將在未來新功能的開發乃至新一代架構的構建中，有效地保留過去的經驗及極具價值的數據，從而顯著提升汽車制造商的研發效率與競爭力。
效率層面，CR在二次開發過程中占據了大量的時間。從以前以月計的CR時間成本縮短至以天甚至以小時為單位，也是衡量SDV效率提升的重要指標。
著眼于未來，AI和大數據模型勢必會對整個車廠設計和開發形成大量的效率沖擊，目前國內在AI大數據模型上的應用更多聚焦于自動化測試程序上。而未來在整車的定義以及智能網聯功能的實際落地中，AI大數據模型能否直接導入將成為重要指標。
Sonatus解決方案和使用案例
Sonatus成立于2018年1月，公司創始人捕捉到車載市場現狀以及用戶痛點，并關注到了SDV未來的趨勢，進而成立了這家公司。截至2023年12月，我們的量產車型部署數據達100萬臺，預計今年11月將實現全球量產車型部署300萬臺。
從產品布局看，我們公司的5大產品構建起了整個SDV解決方案，其中非常重要的是Foudation模塊，不管是在車端還是云端，都有非常強的軟件功能。在車端，我們有強大的網絡管理，數據管理以及面向SOV的容器技術，包括SOA管理、整個網絡ECU的安全管理。在Foudation強大的網絡管理的基礎上，我們設定了4個不同的產品模塊。解決數據獲取問題是關鍵所在，我們主要靠這一模塊實現。獲取數據并不是我們的目的。讓數據傳遞車的實際動態信息，實現自動化功能是我們的最終目的。
圖源:演講嘉賓素材
針對車載領域問題，我們有其他模塊進行支持。實時數據傳輸層面，針對端對端數據交互問題我們有Upadta的產品。在此產品基礎上，我們能夠給OEM提供靈活的解決方案，最終可以達到全生命周期覆蓋。
我們在車端的重點數據上有實時動態的抓取，抓取過程中可以有效保證數據時效性、車輛狀態信息、位置信息、網絡信息、診斷相關的DPC數據等。功能模塊解決的是自動化功能實現問題，即獲取數據后軟件功能定義帶來的這些功能如何自動化實現。對此，我們可以從云端完成端到端功能的回流，部署到車端，并且這個部署非常輕量級，時效性很快，能夠保證功能落地的靈活。
下圖左上角是我們在云端部署的界面，可以為車廠定義和開發人員快速部署一條需要的功能。里面主要由事件出發，同時可以定義相應的需要，收集數據，對于數據的存儲以及設定也可以做同步設置。此外，從車端數據傳輸而言，數據量級是KB級。
圖源:演講嘉賓素材
通過這種方式對整車DTC數據、視頻數據、log數據、位置信息以及存儲NSS數據，包括網絡狀態以及ECU的信號進行實時抓取。對于這些數據基于事件出發，把有價值的數據提供給指定人員，從而帶來數據的增值服務。
沒有部署在整車車端和云端時，車廠原有的軟件架構只能支持5個應用場景，每臺100兆。部署后我們在應用場景的監控上得到了20倍的提升，在數據大小上降低了4，從而達到了80倍的整體提升，這對于整車廠尤其是數據存儲的成本而言是非常大的提升。
此外還有空調設定、DTC數據檢測，包括在高速公路上的安全性問題、氣溫低時艙內的加熱問題，都可以通過這樣的功能組件實現快速落地。車內有各種整車的運動模式，車廠的運動模式往往是非常有限的，在終端數據的體驗上并不一定適合它。如何通過這樣的功能達到用戶想要的效果？首先可以通過Sonatus的Collector模塊收集用戶踩剎車和油門的習慣，這些數據形成量的積累后，可以通過Automator模塊自動把它部署到整個車端個性化設置中，并在APP端把新功能有針對性地推送給客戶。
每一家車廠都十分重視安全功能。在360度全景環視系統以及SVC攝像頭的應用中，如果車輛發生碰撞，經常需要更換攝像頭。在傳統售后流程中，車主需前往4S店進行數據導出，這一過程耗費大量人力與物力用于數據診斷，不僅耗時較長，且缺乏靈活性。
我們通過提供的解決方案，能夠實現快速部署。一旦攝像頭出現故障，系統能夠自動捕獲其前后15秒的日志信息，以及影響攝像頭性能的相關指標，并將這些信息提供給售后部門及研發部門，以便分析失效原因，從而迅速解決售后問題。
此外，我們為多域ECU提供的監控方案，為汽車制造商提供了豐富的可編輯性，確保在售后過程中能夠對黑屏問題進行有效的監控。
鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
