英特尔汽车业务致力于采用更具灵活性与多样性的开放式架构

Jack Weast,英特尔院士、英特尔公司副总裁、汽车事业部总经理
我从小生活在一个酷爱汽车的家族中,对汽车有着近乎狂热般的喜爱。人们戏言称我们家私人汽车的数量必须超过我父母结婚的周年数,而我父母已经将这一纪录保持了近 50 年。我们有许多辆阿尔法、科尔维特、克莱斯勒、菲亚特、雷诺、宝马、名爵、梅赛德斯、凯迪拉克、雪佛兰、玛莎拉蒂、法拉利、吉普车、还有一辆道奇公羊面包车和卡车、本田,还有很多车我甚至都记不清了。

作为英特尔汽车事业部的领导者,老实说,我来到这里是出于对汽车的热爱。
然而随着时间的流逝,我的家人由于超过了安全驾驶年龄,他们不得不放慢了购置汽车的速度。我们则不可避免地面临着一个汽车行业时代的末期。
变革已至,适者生存
汽车行业正面临着一场前所未有的变革风暴:向电动汽车的转型、无处不在连接的出现、云到边缘架构的演进,以及50多年来由于新兴汽车制造商的加入,所带来的市场混乱。
正如安迪·格鲁夫所说,“只有偏执狂才能生存”,如今就到了一个“超级偏执”的时刻。在汽车行业,我们正面临着iPhone时刻。谁能拥抱变革、摒弃传统思维模式,同时推进其流程以反映IT行业的变革步伐,谁就能生存下来。
在我的一生中,甚至在我父母的一生中,现代“汽车”真的没有太大变化。当然,发动机比从前更强大、更高效了;在发生车祸时,汽车的安全性也有所提升;车灯也都进化为了LED灯。但自从20世纪60年代初,我父亲开始驾驶以来,现代汽车的基本结构就没有改变过了。

从那时沿用至今的单一模式造就了现代汽车,它包含超过一英里长的铜线缆,连接100多个独立的电子控制单元(ECU),每个单元都提供汽车的某一功能,比如一个ECU负责座椅加热器、一个ECU负责空调、一个ECU负责电动车窗。现代汽车中的每一个功能都是零碎、逐一添加的,这导致了在21世纪的今天,汽车结构在技术和经济上都对可持续发展不太友好。
在IT行业中,我们早已远离了嵌入式单功能设备,并转向了现代高性能计算系统。基于软件所带来的惊人的潜力,不同功能和负载可在单一、集中的系统上运行,显著降低成本并带来能效优势。自从二十多年前,软件定义的高性能系统被引入IT行业以来,IT行业以及其他使用过该系统的行业从未想要变回传统系统。
专注打造软件定义汽车
因此,改变虽不易,然有志者事竟成。汽车制造商应该做什么?他们如何找到能够帮助他们完成这项转变的生态伙伴?
在英特尔,我们专注于做好软件定义。
我们绝不会空谈软件定义体系架构,然后让客户依然受限于专有架构和 专有API 。这既不是IT行业的运作方式,也不会在汽车行业奏效。软件定义的本质是开放的体系架构和API,这不仅支持跨芯片供应商使用,还可以在汽车到云端之间重复使用和互操作。英特尔汽车解决方案致力于采用开放式架构,我们绝不会限制您使用特定操作系统或API,您也不会受制于英特尔硬件。
我们对开放性的承诺也延伸到了芯片上。客户可以使用英特尔代工服务,并通过 UCIe标准将其定制的小芯片集成到标准英特尔汽车路线图产品中。作为唯一可提供此类功能的汽车行业供应商,英特尔正在不断强调其对软硬件开放平台的承诺。
对于生态伙伴来说,英特尔是帮助行业在恰当的时机实现这一重大转变的不二之选,因此我们诚邀您再次来了解英特尔汽车业务所能够为您提供的一切价值。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。