2022年12月24日,安波福官宣,35亿美元完成对风河公司的收购,一场面向汽车领域的云原生化也由此展开。
4月18日,在第二十届上海车展期间,安波福展出了它最新的技术方案,我们看到,风河的软件、系统正在悄悄地融入安波福的汽车解决方案中。一同在融入安波福汽车解决方案的,还有云原生的技术理念和开发思路。
安波福亚太区总裁杨晓明说,“风河能够提供云原生的系统开发和维护平台,我们将推动汽车架构真正进入到‘服务器化’的计算平台时代。”
这一年,是安波福进入中国的第三十年。
软件定义汽车,一个艰难的课题
2012年,特斯拉Model S问世,彼时,整个汽车产业还是燃油车的天下,以Model S为代表的电动汽车还只是异类,第一批Model S的车主都是前卫的科技领袖和汽车狂热者,Craig Venter就是其中一员。
Craig Venter是第一位破译了人类DNA的生物学家,他有着收集各类跑车的爱好,也是早期Model S车主。和很多早期特斯拉车主一样,他也曾遇到过特斯拉汽车软件故障问题,不过,他发现,当第二天重新启动汽车时,前一天的软件故障就已经被完全修复。
这让他不禁感慨,“特斯拉汽车就像是一台装有四个轮子的计算机。”
可以远程对汽车软件故障进行修复,可以远程OTA升级汽车系统,这正是软件定义汽车的魔力所在。
于是,软件定义汽车逐渐成了汽车产业的主流趋势。
作为汽车行业的Tier 1,安波福同样感受到了汽车产业正在发生的巨变,早早开始谋求转型。在过去十年里,它收购了诸如Movimento、Control-Tec、nuTonomy等自动驾驶相关团队,并在2017年进行了一次战略性的业务拆分。
那次业务拆分之后,原德尔福剥离了燃油车相关业务,由电子与安全系统部与电子电气架构系统部重组形成了如今专注于移动出行领域汽车“大脑”和“神经系统”的安波福。
杨晓明回忆称,“我们在2017年官宣要剥离所有与燃油车相关业务时,震惊了整个行业,大家都觉得我们太疯狂了,但是我们当时已经看到了汽车未来将会向着电动化、智能化的移动平台发展的趋势。”
现在回过头来看,安波福当时的这个决策,成了如今能够继续稳居全球汽车产业Tier 1顶级供应商的关键。
也是在这次业务调整后,聚焦于智能驾驶的安波福开始构想自己的智能汽车架构——SVA™。
“早在2017年我们在构想SVA™架构时,我们基于安波福的行业积累和对OEM造车过程中经历的痛点的深刻认知,我们既定了三大目标:简化、融合、赋能。”在2023上海车展前的媒体沟通会上,安波福连接器系统亚太区工程总监李慧斌如是说。
针对这三个目标,安波福在SVA™设计过程中主要考虑了三件事儿:
第一,将软件与底层硬件解耦,使得软件开发不再依赖于底层硬件;
第二,将输入输出与计算单元分离,从而将物理和逻辑连接放到传感器中,并最终集合到区域控制器中;
第三,将中央计算平台“服务器”化,开发覆盖车辆多个区域的中央处理器。
基于这样的思路,安波福设计出了自己的SVA™智能汽车架构。
据李慧斌透露,基于SVA™,汽车整体设计、测试成本降低了75%,软件保修成本也下降了75%,而这仅仅是为开发阶段带来的提效。
SVA™让安波福在软件定义汽车这条路上,不过只有这些还不够。
现在软件定义的汽车,还存在诸多挑战,例如,影响用户体验的汽车软件OTA升级问题,据悉,不少智能汽车要进行一次OTA升级,背后需要对各相关联的数据库,乃至这些数据库背后关联的其他功能进行一系列升级。
这使得整车厂商在进行软件功能升级时往往面临两难的抉择——对所有关联的功能模块和数据库进行升级,或者将整个软件推倒重来、重新设计。
这就不得不提到一个全新的概念——云原生。
安波福认为,整个汽车产业发展分为三个阶段:硬件定义、软件定义、云原生。
值得注意的是,这次,安波福将风河的云原生软件平台Wind River Studio集成到了SVA™架构中,尝试向着云原生迈出了第一步。
如何造云原生汽车?
Wind River Studio作为风河公司关键能力载体,此前在航空航天、电信管理、智能制造等领域有着广泛的应用,这次,安波福与风河一起将这一云原生DevOps平台融入到了安波福SVA™架构中。
而Wind River Studio,也成了安波福推动汽车产业迈向云原生化的关键。
云原生对于汽车产业的影响是全方位的,以开发环节为例,针对前文提到的软件定义阶段出现的OTA升级问题,风河公司中国区负责人冯伟江介绍称:
“这一问题通过容器化技术可以得到很好地解决。采用容器化技术后,对每一个功能模块进行独立封装,而且可以进行独立更新,从而大大降低了各个功能模块之间的依赖性。”
但他也指出,针对汽车中安全性要求比较高的功能模块,需要由实时操作系统来支持,Wind River Studio平台中的VxWorks既满足ASIL-D安全等级要求,同时也具备容器化部署能力,从而解决了软件定义汽车中OTA升级的问题。
上述事例只是云原生技术在软件部署阶段中OTA升级这一个问题上带来的改变,实际上,云原生为汽车产业带来的改变远不止于此。
作为一个端到端云原生DevOps平台,在开发阶段,Wind River Studio中的系统仿真工具可以使软件开发人员在硬件设备还未开发出来之前同步进行软件开发和测试;在运营阶段,Wind River Studio中的数字反馈回路工具可以实时收集车辆的数据并进行相应的建模,当车辆出现问题后,开发工程师可以在线更新软件,通过OTA以及Conductor工具对单台车辆,甚至整个网络中所有车辆进行实时的更新。
未来几年里,通过将Wind River Studio这一平台结合到自己SVA智能汽车架构中,安波福是想对汽车软件开发、部署、运营、维护在内的全生命周期进行一次颠覆式改写。
由此造出的汽车,安波福全球CTO杨小熊称之为,云原生汽车。
云原生汽车,正是安波福这次看到的汽车产业的未来。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。