在软件定义汽车的大背景下，MathWorks如何更好地赋能汽车设计

电子发烧友网报道（文/吴子鹏）未来的汽车将更多地依赖于以AI（人工智能）为核心的软件技术，而非传统的机械性能或物理配置，这便是软件定义汽车的核心要义。当软件逐渐成为智能汽车差异化的核心，软件定义汽车的趋势已经不可阻挡。

 

在软件定义汽车这一全新的架构里，AI是底层核心技术，智能化系统将遍布整车的每一个角落。在2024 MathWorks中国汽车年会上，MathWorks开发总监Jon Cherrie表示，为了增强对汽车智能化工程系统的信心，有五点是非常重要的，分别是数据管理和准备、AI模型开发和训练、AI集成/系统验证和确认、部署和运行监控、监管和治理。针对这五大方向，MathWorks都能够提供极具竞争力的解决方案，包括和芯片公司深度合作，让汽车工程师在不需要深入了解芯片的情况下，就可以高效部署代码，实现行业领先的智能化系统设计。

 

 

MathWorks开发总监Jon Cherrie

帮助汽车工程师应对EEA集成带来的软件设计挑战

软件定义汽车需要更加先进的EEA（ Electronic/Electrical Architecture，电子电气架构）。先进的EEA支持快速迭代升级，使得汽车不再仅仅是硬件的堆砌，而是可以通过软件更新不断进化，为用户提供更加丰富、个性化的功能和服务。

 

不过，先进的EEA将复杂的电子控制系统简化为几个核心域控制器，如动力域、底盘域、车身域，最终必将走向中央集成。正如MathWorks中国区汽车行业经理周斌所言，EEA升级之后，相较于传统分布式的EEA，软件复杂度将急剧增加。比如，在当前的汽车域融合阶段，算法部署或者软件开发就需要考虑不同模块之间的交互或跨域的交互，带来的问题包括软件架构或者中间件的差异性，比如ROS、CyberRT、DDS和AUTOSAR之间会有较为明显的差异。此时，汽车工程师需要考虑的问题是如何确保一套算法能够在不同的芯片和芯片架构下灵活部署和移植，MathWorks在模型和算法开发方面的优势是，能够提供适配不同软件架构、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，实现算法模块的快速移植，最终实现算法或模型的重用。

 

MathWorks中国区汽车行业经理周斌

 

举一个例子，在Simulink®系列方案里，汽车工程师可以很容易找到Simulink Coder、Embedded Coder、DDS Blockset、AUTOSAR Blockset等方案进行软件开发，这些工具可以帮助汽车工程师快速生成用于不同芯片且架构不同的算法、模型和代码，并可以根据参考流程实现快速的迁移。具体来看，DDS Blockset提供多种App和模块，用于对通过数据分发服务 (DDS) 中间件发布或订阅数据的软件应用进行建模和仿真。该模块集包括DDS字典，用于在Simulink中管理、创建和编辑DDS定义。汽车工程师可以导入XML文件形式的DDS设定，以创建一个Simulink骨架模型，作为开发DDS应用算法的起点。DDS Blockset也可以从Simulink模型生成C++代码和XML文件（使用Embedded Coder）。

 

在Jon Cherrie的演讲中，以及周斌的媒体问答中都提到了MathWorks和英飞凌之间的合作，这也是MathWorks为英飞凌AURIX TC4x芯片定制开发软件工具，帮助汽车用户实现快速开发的典型案例。在这个案例中，基于Embedded Coder和SoC Blockset工具箱定制的硬件支持包 (Hardware Support Package）让汽车工程师无需深入了解英飞凌 AURIX TC4x芯片就可以在其产品上快速设计、仿真和部署Simulink模型，并运行在不同内核上，这个支持包有非常多的特征优势，包括：

·将Simulink模型转换为可执行代码

·在单核（TriCore 0）上使用TriCore特定的代码生成快速原型；

在多个TriCore™内核和PPU上运行分区算法，并分析算法的资源使用和任务执行

·包括外围驱动模块和快速启动示例 (例如: FOC电机控制)

·支持TASKING SmartCode, Green Hills®MULTI和HighTec LLVM等编译器；

·为TriCore™和PPU生成优化的代码, 并能够在TriCore和PPU上执行处理器在环（PIL）测试, 

让AI更好地融入汽车算法和模型

在汽车智能化升级的当下，MathWorks也非常注重这方面的工具升级和覆盖。如Jon Cherrie在交流时谈到的，无论是当前热门的智能驾驶，还是车上各种智能控制终端，MathWorks都能够提供真正端到端的解决方案。MATLAB®系列工具中的Deep Learning Toolbox就是这方面的代表，可用于设计、训练、分析和仿真深度学习网络。Deep Learning Toolbox提供用于设计、实现和仿真深度神经网络的函数、App和Simulink模块。该工具箱提供了一个框架来创建和使用多种类型的网络，如卷积神经网络 (CNN) 和变换器，也可用于与其他深度学习框架进行互操作，汽车工程师可以导入PyTorch、TensorFlow和ONNX模型进行推断、迁移学习、仿真和部署。

 

当然，在将最新的AI技术引入汽车算法和模型设计时，数据也会变得非常重要，高质量的数据集能够显著提高AI算法和模型的精度，并减少训练时长。周斌认为，数据标注和数据清洗都是数据准备的重要组成部分，MATLAB提供了丰富、强大的数据分析和可视化工具，如数据标注、数据合成等，再结合Simulink的仿真和基于模型的设计能够帮助不同的车企完成数据、算法和模型的融合，帮助OEM和Tier 1提升开发效率。最终，如何验证这些算法和模型也非常重要，Simulink提供一个完整的测试仿真框架和工具，可以将所有模型集成到同一个平台上，实现闭环的系统仿真，来验证AI模型的可靠性。

 

帮助汽车OEM降本增效

无论是更先进的EEA升级，还是当前国内的汽车大环境，汽车OEM都需要面临一个很严峻的挑战，那就是如何实现降本增效，以应对“市场内卷”。周斌称，卷成本、卷价格给汽车行业从业者带来了非常大的压力，降本增效便成为整个汽车行业的核心诉求，MathWorks也提供了相应的产品和应用支持，帮助汽车OEM和Tier 1实现这一目标。

 

对此，Jon Cherrie和周斌都提到了Simscape产品系列中的Simscape Battery。Simscape Battery 为设计电池系统提供设计工具和参数化模型，汽车工程师可以创建数字孪生，运行电池组架构的虚拟测试，设计电池管理系统，以及评估正常条件和故障条件下的电池系统行为。另外，电池组和电池管理系统的参数化模型可演示操作，包括电池平衡和荷电状态估计。汽车工程师可以使用这些示例来确定电芯需求，执行权衡分析和硬件在环 (HIL) 测试，并生成可读且高效的C/C++代码。

 

通过使用MATLAB和Simulink，汽车工程师可以完成从模型开发、到系统集成、再到产品硬件部署的完整工作流程，实现整个电池系统开发的降本增效。另外，利用AI驱动的虚拟传感器估计电池电量状态SOC和电池健康状态SOH也是非常典型的例子。

 

在整车开发环节，汽车OEM正在致力于将DevOps工作流和经典的V模型结合，为此MathWorks提供了基于模型设计的开发平台，帮助汽车OEM实现持续集成、持续测试的需求，以满足质量要求并提升软件交付速度。

 

结语

软件定义汽车让整个汽车开发流程发生了巨大的变化，AI这项底层技术在汽车功能开发中发挥着越来越关键的作用。同时，国内汽车大环境要求汽车OEM和Tier 1需要更加注重降本增效，因此如何让AI技术显著提升生产力，增强汽车工程的设计和控制系统是整个行业面临的机遇和挑战。MATLAB和Simulink作为汽车工程师的可靠合作伙伴，将从基于模型的系统和软件仿真、基于数据驱动的人工智能等产品全面赋能汽车设计。