以客户为中心的创新在汽车行业-

以客户为中心的创新在汽车行业12议程>

保时捷工程公司简介

>

工程生态系统与开发循环

>

用例•信号基金会模型•AI校正的种族GPS•解码舰队（代理诊断）>

摘要德国捷克共和国罗马尼亚意大利中国Weissach,Bietigheim-译为：韦斯巴赫，比蒂希海姆-保时捷工程美国公司已融入一个专注于数字技术的国际竞争力中心网络。USA美国洛杉矶比辛根，莱比锡，门斯海姆沃尔夫斯堡总部

Of

the国际集团在保时捷研发中心维斯巴赫车辆技术

并且融合功能和软件发展

包括软件建筑大数据

并且人造的智能纳尔多技术中心车辆检测并且发展驾驶员辅助系统并且高度自动化驾驶功能V2X测试电子移动性耐力测试并且品质驾驶动态科卢日，蒂米什瓦拉功能

并且软件发展软件集成

并且软件质量大数据

并且人造的智能测试

并且模拟测试

并且模拟

连接

虚拟与真实测试Prag,

Ostrava系统开发融合测试

并且模拟功能

并且软件发展大数据

并且人造的智能上海，北京中国特定解决方案功能

并且软件发展连接性品质测试

并且模拟•市场特定车辆功能•

数字服务•

连接与信息娱乐并且3聚焦遗产地点员工PEUS作为保时捷工程集团的一部分：公司概述马克斯迪克·拉佩Dirk

Philipp克里斯蒂安·艾伯尔

（首席技术官

(）CFO/COO)首席(首席执行官)技术

为智能

并且

联网汽车

Oft

he

未来成立于

1931

by费迪南德·保时捷

在斯图加特在

德国，意大利，捷克共和国，罗马尼亚，中国

并且

美国100%

子公司

ofDr.

Ing.

h.c.F.

保时捷股份公司车辆专业知识1.700

员工数字技术PEG管理13个地点4高压系统开发与电动出行端到端电子架构底盘系统开发功能开发与测试人工智能在工程领域全面车辆开发CayenneCoupé我们曾在车辆及系统开发领域积累了众多案例。5波尔舍工程×塞巴斯蒂安·施特德纳商用车辆开发X-BOW双离合变速器高压系统开发919混合底盘演示器电池系统开发海豹艇设计和物料搬运风格保时捷工程集团（PEG）项目6无论我们开发什么，我们始终关注整车的集成。质量包括在内。

底盘系统与功能

系列ASPICE

|

ISO26262

|

ISO9001

|TISAXASPICE

|

ISO26262

|

ISO9001

|TISAX完整车辆集成人工智能电动出行与高科技电压系统车辆车身系统并且功能模拟与测试高度自动化驾驶E/EarchitectureE/E体系结构驱动系统及功能概念发展连接性7变革

从实验室到现实世界评估

在车辆中通过我们云连接实时生态系统△

问题描述控制器为中心的工作流程长迭代周期离线录音手工数据下传（USB/记录器）手动测量设置和配置→辛苦程度高，重复性低舰队规模测试难以管理，难以比较结果研究想法在实验室环境中停留了很长时间由于缺少实地测试，没有最终信心我们聪明地利用我们的生态系统来缩短“上车时间”。8人工智能赋能的边缘设备标准车辆架构01

02

03上传

部署

执行&

收集评估优化

发展循环概览云计算/数据中心

神经网络

数据湖

分析>9边缘设备云资源本地资源集中式数据湖实验跟踪与模型注册可扩展处理平台物联网边缘平台及车队监控技术组件在开发循环中测试用车辆装备了额外的边缘设备功能云连接的车辆中间件NVIDIA

DGX

系统具备分片能力的工作负载管理接受过训练的模型&

数据传感器数据

&模型结果Azure物联网中心Azure(Azure)模型10从车辆开始：边缘设备作为数据来源设备12定制硬件平台由NVIDIAJetson提供支持CarDataBox在我的人工智能生态系统中充当边缘设备。应用层车载中间件硬件软件13定制硬件平台(NVIDIAJetson)纳伟伦·杰森核心运行时汽车数据盒的技术结构核心软件层级FlexRay解释器配置管理CAN协议解析器。汽车以太网相机翻译器。应用管理器Docker车载中间件硬件

层级ROS

界面ROS

界面ROS

界面申请层级Azure上传器组件机器学习组件实时申请核心.

.

.

.

.14ADAS应用

ML应用

评估应用远程边缘设备应用部署工程师

容器登记处

开发与部署

执行&收集

分析&优化分析型、机器学习型处理-管道遥远的部署边缘设备Azure

(Azure)▲重量更新数据湖15技术组件在开发循环中幻灯片17边缘设备云资源本地资源集中式数据湖实验跟踪与模型注册可扩展处理平台物联网边缘平台及车队监控测试用车辆装备了额外的边缘设备功能云连接的车辆中间件NVIDIA

DGX

系统具备分片能力的工作负载管理接受过训练的模型&

数据传感器数据

&模型结果模型16在发展循环中资源Azure物联网中心Azure(Azure)

Docker技术组件18Kubernetes空格项目空格1项目空格2项目空间3舰队分析小型模型训练并且模型推理精心挑选的

数据集数据湖索引：车辆信号车辆衍生品•

地点天气处理云中的收集数据NVIDIA

B200在场内Azure物联网枢纽>Azure

(Azure)大型模型训练•

…19技术组件在开发循环中幻灯片21边缘设备云资源本地资源集中式数据湖实验跟踪与模型注册可扩展处理平台物联网边缘平台及车队监控幻灯片17接受过训练的模型&

数据测试用车辆装备了额外的边缘设备功能云连接的车辆中间件NVIDIA

DGX

系统具备分片能力的工作负载管理传感器数据

&模型结果模型20技术组件在开发循环中资源22代理人开发者LLM推理

原住民服务

模型训练vLLM/Ollama

NIMDocker/

NVIDIA容器运行时米格分区模型部署实验追踪LLM评估/监控工作负载调度与模型训练SLURM+PyTorchNVIDIA

DGX平台深度学习工程师工具/产品DGX集群（B200）GPU按工作量分区集装箱化本地推理23端到端、

一致的生态系统，涵盖数据收集、实时验证、可扩展训练和边缘部署。车辆架构无关的软件开发启用灵活适应各个平台船队规模操作、评估和数据收集直接车内评估&分钟内更新统一全球人工智能模型生命周期、实验跟踪与治理cop

ikAzure物联网中心Azure(Azure)

Docker效率提升来自我们的云和AI生态系统>>>>>24用例#2种族GPS提高高速动态驾驶中的车辆定位精度用例#3车辆数据分析AI智能代理驱动的车辆数据分析用例#1信号基金会模型基于AI的场景、模式和异常检测器将我们的生态系统应用于现实世界挑战25用例#1信号基金会模型基于AI的场景、模式和异常检测器26信号基金会模型ADAS场景搜索、聚类和描述挑战大量未标注的信号录音罕见/安全性关键事件在机队中难以查找、比较和量化接近将现有信号记录数据库聚类为可搜索的场景数据库输入驾驶场景作为时间序列数据输出可搜索的潜在空间潜在空间27实施我们的生态系统开发与部署

执行&收集

分析

&

优化分析型、机器学习型处理-管道重量更新工程师车道检测对象检测加速度/速度数据湖信号记录Azure

(Azure)•

…28

前馈SwiGLU

RMS

Norm

κ

坐标在多维太空•

相似

场景正存在在同一个社区在这个“潜在空间”用例•使用嵌入进行相似度搜索•使用嵌入生成相似场景描述提取

重要特性

在情景中请用以下方式表示

一套称为“嵌入”的向量集合入：是一个集合嵌入*

描述

一个中等速度的车中间车道的距离大型语言模型

softmax

线性

RMS

Norm

liαμσ2分配编码器

样本

解码器信号基金会模型时间序列数据

时间序列“基础模型”嵌入–单个点在潜在空间中的坐标|**描述–

当前场景所代表的嵌入的标签文本相似度搜索预测分类域名输入信号自我注意（分组多查询注意力）与KV缓存嵌入潜在空间潜在空间νRMS

Norm29搜索场景scenes假设有一个提供的场景，在数据库中搜索类似的内容生成场景

scenes给定一个编码的场景，生成类似情况下的信号描述场景

scene考虑到一个编码场景，用自然语言描述信号基金会模型首次申请ADAS30信号基金会模型优势将原始录音转换为进入一个

可搜索场景数据库生成场景变体扩大测试覆盖率更快的根本原因分析通过相似度搜索闭环改进从部署到优化31用例#2AI校准的赛车GPS为高性能驾驶32标准GPS跟踪录音轨迹来自高精度GPS目标•利用机器学习，直接从汽车传感器数据中预测并纠正GPS位置误差•实现接近高精度

DGPS

的精度挑战•道路汽车GPS噪声：±5-10米误差•导航系统利用地图匹配与合理性检查•经典GPS修正无法在高动态驾驶环境中生效高动态驾驶降低GPS精度33解决办法基于序列信号提高GPS精度的LSTM高精度GPS•方向/偏航角加速度/减速度惯性测量单元(IMU)分析型、机器学习型处理-管道重量更新边缘设备系列信号记录Azure

(Azure)▲

分析

&

优化

执行

&

收集数据湖工程师开发与部署34高精度GPS标准GPS全球定位系统描述人工智能传感器融合以提升基于动态特征的准确性•考虑车辆轨迹的时间历史•

旨在降低资源消耗允许车辆处理模型LSTM（长短期记忆输

络

，Long

Short-T人erm工M

m能ory

缩正写的）GPSGPS精确度模型GPS专用损失函数输入35标准GPS跟踪录音轨迹来自高精度GPS人工智能校准的GPS定位准确度提升：实现了约95%的错误减少，

GPS精度从5-10米降低到约1-2米（均方根误差约为1.4米）真实世界的证据：在多种车型上验证过（例如，保时捷911）

→赛道级赛车路线和圈速计时基于标准车辆总线信号的高精度GPS地面真实值(在DGX上进行训练，边缘就绪)效益：通过长短期记忆网络提升GPS精度l·36用例#3

解码舰队AIAgent-DrivenVehicleDataAnalysis人工智能代理驱动的车辆数据分析37接近•诊断协议层面的异常检测•针对开发舰队协议的大型协议Transformer-Decoder•

高度自动化的模块化AI工作流程人工智能驱动的发展舰队洞察力缩短反应时间挑战•大量车辆数据及多种形式•诊断信息之间的模糊关系•针对特定领域分析的高强度投入38低代码工作流应用可定制的分析洞察我们的解决方案融入了开发数据循环，并实现早期诊断。以Ml驱动的研究检测问题解决/发展措施代理AI分析数据反馈循环发展舰队车辆时序异常检测数据湖39ADAS代理底盘代理电池代理商…多代理专家流