軟件定義汽車（SDV）正在顛覆傳統(tǒng)的汽車設計。雖然車輛開發(fā)仍高度迭代，但行業(yè)正處于歷史性轉型的階段，制造商正在將曾經(jīng)順序的硬件到軟件設計周期壓縮為更高效的軟件優(yōu)先設計流程。

這種所謂的左移方法體現(xiàn)在瑞薩采用數(shù)字工具和人工智能模型作為更廣泛數(shù)字化和軟件戰(zhàn)略的一部分，旨在加速設計和創(chuàng)新，同時優(yōu)化研發(fā)效率。在汽車行業(yè)，這一演進主要由實際因素驅動，因為一輛典型車輛現(xiàn)在嵌入了超過1億行代碼。更嚴重的軟件依賴需要持續(xù)更新和部署、多供應商集成、大規(guī)模設計驗證，這反映了一個OEM外包更多軟件和芯片制造商提供平臺而非零件的生態(tài)系統(tǒng)。瑞薩通過可擴展的R-Car硬件和軟件開發(fā)平臺預見了這些變化。R-Car支持E/E設計向更多中央處理器架構的過渡，包括高級駕駛輔助系統(tǒng)（ADAS）和自動駕駛車輛設計。去年，我們新增了R-Car開放訪問（RoX），這是一個擴展的SDV平臺，提供預集成的開箱即用環(huán)境，配備硬件、作系統(tǒng)、軟件棧和工具，加速下一代車輛開發(fā)。

R-Car 采用異構架構，采用帶有多個硬件加速器的 Arm? CPU。RoX 包含一套通用工具鏈，允許軟件在電子控制單元（ECU）間重用，用于 ADAS、車載信息系統(tǒng)（IVI）系統(tǒng)和集中式數(shù)據(jù)網(wǎng)關。通過支持云原生開發(fā)和定制設計仿真，RoX平臺通過持續(xù)更新擴展了SDV生命周期支持，這與現(xiàn)代價值鏈保持一致，OEM和服務提供商日益共同擁有軟件。

介紹RoX AI Studio：R-Car上的云原生MLOps。

許多汽車客戶已將R-Car和瑞薩RoX平臺視為加速SDV開發(fā)和管理車載嵌入式處理系統(tǒng)復雜性的手段。在此過程中，我們發(fā)現(xiàn)設計師在云端應用AI訓練與在汽車SoC中部署新功能之間存在著持續(xù)的“實驗室到現(xiàn)場”差距。

RoX AI Studio，原版 RoX 平臺的新擴展，彌合了這一空白。機器學習運維（MLOps）工具允許團隊通過托管云控制平面遠程評估AI模型，連接工程師與硬件在環(huán)（HIL）設備群，從而在不等待稀缺的實驗室板塊的情況下，分析真實性能。持續(xù)集成與部署（CI/CD）保持整個工具鏈的更新，因此改進自動到來，無需本地安裝。結果是迭代更快，意外更少，并且實現(xiàn)了從模型訓練到道路準備HIL模型驗證的直接流程。

什么是MLOps——RoX AI Studio如何為SDV啟用MLOps？

要定義MLOps，重要的是要了解其之前的存在。MLOps基于DevOps（開發(fā)運營的縮寫）這一概念，將工具和最佳實踐結合起來，縮短軟件設計生命周期。這通過打破開發(fā)與IT運營團隊之間的壁壘，幫助他們更有效地協(xié)作實現(xiàn)。

DevOps 管理傳統(tǒng)軟件代碼和服務的確定性集成/測試/部署流程。MLOps增加了AI數(shù)據(jù)和模型，開發(fā)生命周期是迭代的，實驗分支，選擇必須被跟蹤、比較和推廣。通過將模型驗證錨定在R-Car硅片上，RoX AI Studio成為訓練中模型與生產(chǎn)中模型之間的橋梁，將AI模型開發(fā)的藝術與科學轉化為具有針對性KPI的可重復且可擴展的工程作。

RoX AI Studio 通過多種方式實現(xiàn)汽車 SDV 的 MLOps：

• 模型接收與登記：瑞薩提供了一個精心策劃的模型動物園，其中包含許多流行的人工智能模型。用戶還可以使用自帶模型（BYOM）方法，導入自己的定制或專有模型，并快速評估 R-Car 硅片的性能。

• 自動更新：我們MLOps工具中的編排工作流通過抽象模型處理簡化用戶體驗，用于硅片部署，而CI/CD工具鏈則自動化發(fā)布和部署R-Car SoC最新版本的AI工具鏈。

• HIL評估：云端的MLOps連接到一個物理實驗室，該實驗室托管著一系列R-Car硅芯片，按需運行推理實驗。這使得AI模型可以遠程驗證，而無需與硬件進行物理共置。

• 結果與工件：收集推理實驗中的度量和日志，并將其匯總為度量對比表和圖表。

• 規(guī)模實驗：并行運行多個模型/變體，以比較在現(xiàn)實世界作約束下的準確性與延遲。

• 靈活部署：將允許設計師先在瑞薩云上進行速度，隨后在芯片更廣泛應用于單個項目時，在私有云中鏡像同一堆棧。

RoX AI Studio 正在推進汽車的“左移”戰(zhàn)略

汽車時間表正在緊縮。制造商正從三到四年的平臺開發(fā)周期轉向一到兩年的周期，并輔以持續(xù)的空中（OTA）更新，以提供路上產(chǎn)品功能增強。這意味著采用左移理念的設計團隊需要更早使用目標設備測試硬件和軟件。

這對OEM來說是個挑戰(zhàn)，許多OEM公司在AI模型訓練上投入大量資金，并努力通過在現(xiàn)場為車輛部署功能更新來不斷改進網(wǎng)絡。同時，開發(fā)周期縮短意味著他們必須同時大規(guī)模、跨多途徑測試多種設備選項，同時避免在錯誤的開發(fā)路徑上過度投資。

當OEM和一級供應商使用RoX AI Studio時，他們可以通過大規(guī)模測試并在其特定的MLOps網(wǎng)絡戰(zhàn)略背景下快速驗證設備。RoX AI Studio 通過創(chuàng)建簡化的開發(fā)者體驗，用于管理云到實驗室基礎設施和自動化工作流程，實現(xiàn)預訓練模型部署和 R-Car SoC 目標評估。它并行運行實驗，而非串行，并提供設備農(nóng)場，使全球團隊能夠在電路板到來前開始開發(fā)并繼續(xù)大規(guī)模開發(fā)。

對于汽車OEM來說，這意味著更早啟動，減少延遲意外，軟件投資可重復使用，從云端遷移到車輛，以及一條干凈的私有云部署路徑和虛擬平臺，帶來更好成果并縮短上市時間。

軟件定義時代的平臺思維

設計SDV的汽車制造商致力于硬件和軟件的并行開發(fā)，市場也在趨向云原生機器學習工具——但目前還沒有通用MLOps的贏家。

瑞薩RoX AI Studio提供標準化的SDV設計基礎，并通過超越DevOps支持“一站式工作室”模式，將AI開發(fā)從DevOps框架中實現(xiàn)。RoX平臺與RoX AI Studio攜手推動了向左轉的文化轉變：更早驗證，更快迭代，自信部署。

瑞薩RoX AI Studio目前已向部分客戶開放，計劃于2026年廣泛推出。