从芯片到软件：RoX AI Studio推动软件定义汽车设计

软件定义汽车（SDV）正在颠覆传统的汽车设计模式。尽管汽车开发仍具有高度迭代性，但整个行业正处于一场历史性变革之中：制造商们正将原本从硬件到软件的线性设计周期，压缩为更高效的以软件为先的设计流程。

这种所谓的“左移”策略在瑞萨电子的实践中得到充分体现——瑞萨将数字工具和人工智能（AI）模型纳入更广泛的数字化及软件战略，旨在加速设计与创新，同时提升研发效率。汽车行业的这一演进源于现实需求：目前一辆普通汽车所嵌入的代码量已超过1亿行。日益加深的软件依赖性要求持续进行更新与部署、实现多供应商集成、开展大规模设计验证，这反映出行业生态体系的新特征：整车厂（OEM）越来越多地自主开发软件，而芯片制造商则转向提供平台解决方案，而非单一元器件。

瑞萨早已预见这一变革，推出可扩展的 R-Car 软硬件开发平台。R-Car支持汽车电子电气（E/E）架构向更集中化的处理架构转型，涵盖高级驾驶辅助系统（ADAS）及自主驾驶汽车设计。去年，瑞萨进一步推出面向SDV的扩展平台—— R-Car Open Access (RoX)。该平台提供预集成、开箱即用的开发环境，集成硬件、操作系统、软件栈及工具链，可加速下一代汽车的开发进程。

图像

图像

图像

R-Car采用异构架构，搭载Arm CPU及多个硬件加速器。RoX平台包含一套通用工具链，支持在ADAS、车载信息娱乐系统（IVI）以及中央数据网关等不同电子控制单元（ECU）之间实现软件复用。通过支持云原生开发及定制化设计仿真，RoX平台通过持续更新拓展了对SDV全生命周期的支持能力，契合当前由OEM和服务提供商共同拥有软件所有权的新趋势。

推出RoX AI Studio：基于R-Car的云原生MLOps

众多汽车客户已采用R-Car与瑞萨RoX平台来加速SDV开发，并应对车载嵌入式处理系统复杂性。在此过程中，我们注意到“实验室到实车”的鸿沟：设计人员在云端利用AI训练的方式，与在车载片上系统（SoC）上部署新功能的方式存在显著脱节。

作为RoX平台的全新扩展，RoX AI Studio正是为弥合这一鸿沟而生。这款“机器学习运维（MLOps）”工具能够支持团队通过云控制平台远程评估AI模型，该平台将工程师与硬件在环（HIL）设备集群相连，使其无需等待稀缺的实验室开发板即可分析实际场景中的性能表现。平台持续集成与部署（CI/CD）机制确保整个工具链始终保持最新状态——自动更新而无需本地安装，从而开发团队得以实现更快的迭代速度、更少的意外状况，并构建起从模型训练到实车HIL验证的直通路径。

图像

什么是MLOps——RoX AI Studio如何为SDV实现这一目标？

要理解MLOps，首先需要认识其前身。MLOps建立在“开发运维（DevOps，即Development Operations的缩写）”理念之上，即通过整合工具与最佳实践来缩短软件设计生命周期。其核心在于打破开发团队与IT运维团队之间的壁垒，促进二者高效协作。

DevOps为传统软件代码及服务的集成、测试和部署流程搭建了确定性的管理框架。而MLOps在此基础上引入了AI数据和模型——这类开发周期具有迭代性，实验分支众多，且需对各项决策进行追踪、比对与优化。通过将模型验证环节锚定于R-Car芯片，RoX AI Studio架起了训练模型与生产模型间的桥梁，让AI模型开发中的艺术与科学性，转化为具备明确KPI的可重复且可扩展的工程化实践。

RoX AI Studio通过以下几种方式实现面向SDV的车用MLOps：

• 模型接入与注册： 瑞萨提供经过筛选的模型库，内含多种主流AI模型。用户也可采用“自带模型（BYOM）”的方式导入自定义或专有模型，并在R-Car芯片上快速获得性能评估结果。
• 自动化更新： 我们MLOps工具中的编排工作流通过抽象化芯片部署的模型处理流程，简化用户操作；同时，借助CI/CD工具链，可自动发布、部署针对R-Car SoC的最新AI工具链版本。
• HIL评估： 云端MLOps系统与物理实验室中的R-Car芯片集群相连，可按需运行推理实验。用户无需与硬件物理共置，即可远程完成AI模型的验证。
• 结果与产出物： 系统收集推理实验中的各项指标数据与日志，并将其汇总为指标对比表格和可视化图表。
• 规模化实验： 在实际运行的条件约束下，并行测试多个模型或变体，以比对其精度与延迟表现。
• 灵活部署： 支持设计人员先在瑞萨云平台上快速启动项目，待项目所需的芯片广泛供应后，再将相同技术栈镜像至私有云环境。

RoX AI Studio 助力汽车行业推进“左移”战略

汽车行业的产品开发周期正不断压缩。制造商正从过去三到四年的平台开发节奏，转向一至两年的快速开发模式，并通过持续的OTA更新为在售车型增添新功能。在这一背景下，秉持“左移”理念的设计团队需尽早借助（远程或虚拟）目标设备，开展软硬件测试。

这对OEM而言是一大挑战。许多OEM已在AI模型训练领域投入巨资，致力于通过为已上市车辆部署功能更新，持续优化其神经网络。与此同时，缩短的开发周期要求他们必须同步开展多种设备选项的大规模、多维度测试，同时避免在错误的开发方向上过度投入。

当OEM及一级供应商采用RoX AI Studio后，即可在其特定的MLOps网络策略框架下，通过大规模测试快速验证产品性能。RoX AI Studio通过简化开发者体验，打通从云端到实验室的基础设施管理，并提供自动化工作流，实现预训练模型在R-Car SoC目标平台上的高效部署与评估。该平台支持并行实验而非串行实验，提供设备集群访问能力，使全球团队能够在开发板到位前即启动开发工作，并持续扩大规模。

对于汽车OEM而言，这意味着更早启动开发、减少后期意外状况出现，实现软件投资从云端到车辆的复用，并为私有云部署和虚拟平台提供清晰路径，从而提升成果质量并缩短产品上市时间。

软件定义时代的平台化思维

致力于SDV设计的汽车制造商正积极推动硬件与软件的并行开发，市场也正聚焦于云原生机器学习工具——但迄今尚未形成通用的MLOps解决方案。

瑞萨RoX AI Studio通过构建标准化的SDV设计基础架构，并在此基础上实现AI开发的工程化落地，将DevOps理念升级为“一站式工作室”模式。RoX平台与RoX AI Studio协同发力，共同推动汽车行业向“左移”文化转型：更早验证、更快迭代、更有信心地部署。

瑞萨RoX AI Studio现已面向特定客户开放使用，并计划于2026年全面推广。