軟件定義汽車的設計初衷是在汽車整個生命周期內通過無線更新不斷增強。基于云的虛擬化新技術允許開發始于芯片量產之前，并延續到汽車上路之后。

嵌入式系統的軟件和硬件通常緊密相連，錯綜復雜。開發人員面對有限資源和緊迫截止日期等限制，還要確保無縫集成。這需要進行多輪器件測試。

這種方法對于快速的產品開發生命周期并不適用，也不符合以服務為導向的商業模式的要求。汽車制造商正在逐步接受軟件定義汽車 (SDV) 的概念，而不是僅依靠維修期間進行的關鍵或有限的固件更新。SDV的目標是在其整個生命周期內持續發展和增強。

實現SDV必須采取平臺方法。通過將硬件和軟件解耦，應用程序和架構設計變得更加靈活，并且可以隨著時間的推移添加其他功能。解耦還有助于在不同車型中增加軟件復用，減少平臺之間的適應成本。車主還將享受到更高的安全性和可靠性，同時降低能耗。

這種方法將徹底顛覆汽車軟件開發。我們將看到行業“向左移動”，即使在原型硬件未量產的情況下，軟件也能在產品開發生命周期的早期完成。同時，該行業還可以“向右延伸”，在車輛售出后繼續進行更新。這讓汽車制造商能夠通過基于云的服務尋找新的收入源，讓不同車型的車主都可以享用他們的服務，并通過無線 (OTA) 更新在汽車的整個生命周期內添加功能。

軟件正在成為汽車設計革命的催化劑，激發創新。詳細了解如何使用恩智浦S32 CoreRide平臺進行SDV開發，點擊這里>>

在持續集成和部署的基礎上構建

持續集成和持續部署 (或近持續部署) 概念在企業領域已經成功應用多年。“向左移動”和“向右延伸”是合乎邏輯的下一步。如果開發團隊選擇了正確的軟件開發方法，這兩者的要求在很大程度上是一致的。

SDV與其他嵌入式系統和支持技術沒有本質的區別。例如，虛擬化和軟件容器可以隔離軟件模塊，并將其從底層硬件中抽象出來。這種方法的優勢是能更加輕松地與多項增值服務的云流程集成。這類服務通常將核心汽車功能與人工智能 (AI) 和基于云的分析相結合。

嵌入式系統的核心變化在于不再需要在物理硬件上進行大量的原型制作，或者至少盡量減少相關工作，以確保對時序和硬件行為的假設符合實際情況。然而，嵌入式系統確實需要一個額外的組件。

虛擬化和模擬如何助力開發

容器化是在云環境中采用持續集成和部署方法的重要要素，能夠減少應用程序對硬件的依賴性。應用程序可以與測試所用的支持庫和設備驅動程序一起打包，從而與底層操作系統隔離開。在嵌入式環境中，需要額外的隔離和保護層，由虛擬化技術提供。在虛擬化環境下，管理程序將I/O消息映射到底層硬件。管理程序對虛擬平臺的管理還有助于安全隔離在同一處理器復合體上運行的獨立任務。

容器化提高了汽車制造商部署更新的靈活性和能力。這對于需要頻繁進行OTA更新的系統部分特別有幫助，例如車艙內的娛樂中控模塊。盡管這些模塊將更加獨立，但硬件接口及其依賴關系對汽車的實時控制和安全系統仍然非常重要。開發人員需要了解硬件變化如何影響他們的軟件，而數字孿生技術能夠解決這個問題。

數字孿生是一種復制硬件和固件行為的虛擬模型。在數字孿生技術的加持下，開發人員無需訪問硬件即可完成大部分測試。數字孿生可以在交互式調試模式或高度自動化的回歸測試套件中運行，既可以在桌面工具上，也可以在基于云的容器中進行。回歸測試通過執行多種測試，加速了在進行變更時的質量控制檢查。另外，團隊還能利用分析和機器學習技術，更快地發現bug。

可以針對任何代碼模塊或子系統進行更新測試，查看變更是否會導致意外的交互或問題。數字孿生并不能在項目中完全取代硬件。傳統的硬件在環 (HIL) 測試仍然是檢查數字孿生模擬在實際條件下的行為的必要手段，但一旦解決了行為差異，數字孿生可以廣泛用于支持中期更新。廣泛的硬件前測試可以通過云端在多臺服務器上高速運行，使汽車制造商有信心在準備就緒后立即大規模部署基于新功能的OTA更新。

SDV虛擬模型

使用非常精細和詳細的模型

模型的準確性非常重要，盡管許多測試并不需要完全精確定時的模型。高度精細和詳細的模型通常運行速度較慢，而那些為分析目標處理器的指令吞吐量和應用邏輯而優化的模型則更快。通過僅運行需要完全詳細模擬的組件或子系統模型的分區，可以簡化測試時間和驗證流程。

盡管汽車制造商和子系統供應商可以自行構建數字孿生模型，但與合適的半導體供應商建立合作關系具有顯著的優勢。恩智浦半導體等供應商承諾，在產品交付給汽車制造商組裝成原型和最終產品之前，提前一年開發其芯片平臺模型。

數字模型還可以幫助汽車制造商和子系統供應商了解架構創新能夠為目標應用帶來哪些優勢。磁阻隨機存取存儲器 (MRAM) 就是一個很好的例子。它是閃存的高性能替代方案，同時克服了易失性DRAM和SRAM在持久數據方面的局限性。基本模型可以將閃存和MRAM等非易失性存儲器視為等效存儲器，在延遲或帶寬方面沒有區別。而更準確的模型則可以反映出它們在讀寫時間和其他行為方面的差異。

這些差異可以通過更改代碼庫來加以利用，從而充分發揮現有技術的優勢。因此，通過采用以模型為中心的開發方法，軟件團隊可以幫助指定未來的硬件實現方案，以提升多代產品的性能。

持續改進

支持“向右延伸”的方法將不斷提高產品質量和服務收入。除了對汽車本身進行OTA更新外，汽車制造商還可以從運行系統中收集傳感器數據，并將其應用于多種機器學習和分析系統。這些信息可以在篩選后應用于數字孿生模擬，以評估現實世界中的性能。

這樣，在新的OTA更新部署之前，可以在回歸環境中測試改進，從而減少開發和部署之間的時間，加快產品改進的周期。這不僅能增強現有硬件，還能為未來的技術變革奠定基礎。這也進一步證明，包含持續集成和數字孿生的整體開發方法有助于簡化產品設計和支持。

本文作者

Andy Birnie，恩智浦半導體汽車系統工程主管。他負責系統概念原型制作，致力于為軟件定義汽車開發系統解決方案和工具，提升汽車性能及其開發效率。Birnie整合恩智浦的專業知識、市場領先的產品和獨特的軟件，創建系統解決方案，為客戶帶來巨大的價值。Andy Birnie擁有30多年的行業經驗，在摩托羅拉、飛思卡爾和恩智浦擔任過多個技術、產品和系統開發職位。