人工智能（AI）和機器學習(xi) （ML）對於(yu) 高級駕駛員輔助係統（ADAS）和自動駕駛汽車無處不在。這涉及越來越多的傳(chuan) 感器，這些傳(chuan) 感器產(chan) 生大量需要實時處理的數據。除了模擬之外，還基於(yu) 現場記錄的數十億(yi) 字節數據來部署ML模型，但還需要更多以進一步完善和改進當前和未來車輛中的模型。

利用現場車輛和測試車輛是獲取信息的方法，然後可以將其用於(yu) 雲(yun) 中的AI訓練。但是，如今的車輛每小時可生成的2TB數據量實在太大，因此減少發送到雲(yun) 的信息量至關(guan) 重要。

空中（OTA）更新通過為(wei) 這些車輛提供更新的模型來完成循環。這不是實時的周期，它會(hui) 根據當前的輸入自動進行更改，但是可以生成新的模型，然後將其認證並下載到車輛上。

這樣的過程涉及許多硬件和軟件組件。因此，Fusion Project（圖1）已經啟動，以使該循環更易於(yu) 實現和維護。該項目最初的目標是智能車輛變道檢測，但隨著時間的推移，它將解決(jue) ADAS和自動駕駛車輛的各個(ge) 方麵。

Fusion Project的創建者包括Airbiquity，Cloudera，NXP，Teraki和Wind River。

最初的公司集團涵蓋了循環中的所有基礎：

Airbiquity：OTA管理軟件
Cloudera：數據生命周期解決(jue) 方案和雲(yun) 服務
恩智浦：車輛處理平台
Teraki：邊緣數據AI
風河：智能係統平台軟件

硬件和軟件在循環中的集成正在進行中。開發人員還需要與(yu) 公司單獨合作-在設計中可以使用不同的解決(jue) 方案。

當前的框架基於(yu) 運行Wind River操作係統的NXP硬件上的數據獲取支持以及Teraki的分析和壓縮支持，有助於(yu) 減少傳(chuan) 送到雲(yun) 的信息量（圖2）。Cloudera的雲(yun) 為(wei) 從(cong) 車輛獲取數據以及運行軟件進行進一步的分析和ML訓練提供支持。Airbiquity的安全OTA更新通過提供更高效，更準確的更新模型來完善整個(ge) 流程。

數據采集從(cong) 運行Wind River操作係統（1）並具有Teraki的分析和壓縮支持（2）的NXP硬件開始。大量減少的數據（3）被發送到Cloudera的雲(yun) （4）。這用於(yu) 完善ML模型，並通過Airbiquity的空中更新（5）將更新後的版本發送回車輛。

盡管循環很容易理解，但要使所有部分協同工作並不容易。這些公司擁有集成的係統，可以提供整體(ti) 解決(jue) 方案，但必須合並其他硬件和軟件。同樣，開發人員必須分別與(yu) 每個(ge) 公司合作，但要知道各個(ge) 部分可以協同工作，並且已經在整體(ti) 解決(jue) 方案中進行了測試。

VSI Labs的創始人兼總裁，前Telematics Research Group的聯合創始人Phil Magney說：“汽車製造商在實施複雜技術方麵麵臨(lin) 不斷的挑戰，例如先進的ADAS和自動駕駛汽車功能的下一階段所必需的技術。下一代數據管理技術棧有許多方麵，它們(men) 可以不斷改進和部署AI機器學習(xi) 模型，因此汽車製造商需要像The Fusion Project創建的那樣，利用跨領域關(guan) 鍵技術的車對雲(yun) 解決(jue) 方案。”

汽車的複雜性不斷加劇，因此集成係統已成為(wei) 在汽車領域提供解決(jue) 方案的主要部分。充分利用這些集成可以大大縮短產(chan) 品上市時間並降低總體(ti) 成本。