恩智浦与COMPREDICT携手推进边缘AI在汽车领域的应用
恩智浦半导体与COMPREDICT展开合作，将边缘人工智能技术引入汽车应用，有效降低整车物料清单（BoM）成本，助力汽车制造商和一级供应商加速向智能化、软件驱动的出行方式转型。
COMPREDICT的虚拟传感器方案为传统硬件传感器提供了更具智能性的替代选择。通过基于高质量数据集训练的AI模型，能够实时估算关键参数，且完全由软件驱动。该方案不仅具备出色的可扩展性与成本效益，还能通过持续学习实现性能优化。
恩智浦的S32系列处理器为边缘AI计算提供了理想的硬件平台：其集成的Arm Cortex内核负责通用处理任务，AI/ML加速器则支持实时推理，低功耗设计也充分契合嵌入式环境的应用需求。边缘AI不仅依赖于硬件，还需配套的软件支持。恩智浦推出的eIQ Auto ML软件开发套件，涵盖模型准备、优化与部署的完整流程，确保AI模型在资源受限的车载设备上高效运行。
此次合作有效简化了边缘AI在汽车领域的部署流程，不仅降低了制造成本，也为汽车制造商和供应商提供了更高效的智能化转型路径。
如需深入了解并探索边缘AI解决方案在汽车中的应用，可通过恩智浦平台申请演示或获取更多合作机会。
下图展示了COMPREDICT模型在恩智浦S32汽车处理平台上的运行情况。
AI增强型车轮力传感器（WFT）解决方案
车轮力传感器（WFT）是车辆测试中的关键部件，用于采集悬架系统的力和扭矩数据，从而指导调校和安全验证。然而传统WFT传感器存在体积大、成本高、不易大规模部署的问题。
以AI增强型WFT为例，该方案结合恩智浦S32系列网络产品，将车辆各类传感器的数据传输至恩智浦边缘微处理器与控制器。随后，COMPREDICT模型会进行实时力估算，并提供维护预警。这种融合不仅推动了测试流程的革新，也为自动驾驶和车辆诊断带来了突破性进展。此外，借助新思科技的虚拟开发套件（VDK），开发人员可以在虚拟硬件环境中完成模型部署和测试，从而加快集成速度并减少实体硬件依赖。
下图展示了AI增强型WFT在实际场景中的演示效果。
对于汽车制造商和一级供应商而言，这种AI驱动的传感方案提供了一条跨平台、高性价比的软件定义传感集成路径。随着汽车行业向软件定义车辆（SDV）方向演进，恩智浦与COMPREDICT的合作方案，凭借其虚拟化、高效与可扩展的特性，为边缘AI在汽车领域的落地提供了可行路径。
应用场景深度解析
COMPREDICT为WFT开发的虚拟传感器模型，部署在恩智浦硬件平台上，依赖eIQ Auto软件开发环境。模型最初使用TensorFlow训练，并兼容PyTorch、MATLAB等多种开源框架。在部署阶段，模型被编译为FP32精度，适配于Arm Cortex-R52内核。
在初期验证阶段，使用新思科技的虚拟开发套件进行硅片前测试。随后，通过数据集进行模型量化，将精度调整为8位整数格式（INT8），在保持推理精度的同时显著减小模型体积。该步骤也为后续在eIQ Neutron神经处理单元（NPU）上的部署奠定了基础。
借助eIQ Auto编译器与S32K5 VDK，量化后的模型成功部署于R52内核，实现在区域微控制器上的高效运行——这也是该应用预设的量产部署位置。
下图展示了AI增强型WFT的现场演示画面。
该方案已在三种典型动态负载场景中得到验证，包括横向、纵向与垂直方向的力与扭矩数据采集，数据来源为控制器局域网（CAN）信号（共15个信号，频率范围25Hz-100Hz）。在每种场景中，虚拟传感器的输出均与传统硬件传感器数据进行对比，充分验证了COMPREDICT WFT模型的优越性能。
该解决方案具备以下核心优势：
- 高适应性：可无缝接入现有CAN总线架构，最大限度减少车辆系统改造。
- 全面数据覆盖：基于约三小时多样化的驾驶场景训练，涵盖城市道路、高速行驶、坑洼路面、蛇形绕桩及制动等多种工况。
- 量产就绪：打破了传统WFT传感器在公共道路上的部署限制，使量产车具备与原型车相当的智能化水平。
如需进一步了解该解决方案在边缘AI时代的应用前景，欢迎申请演示或访问恩智浦与COMPREDICT合作专题页面。
了解恩智浦边缘AI产品
本文作者
Nathan Gil，恩智浦半导体电气化系统市场营销负责人。他主导恩智浦在美洲地区的电气化系统市场推广，涉及电动汽车牵引逆变器系统到软件定义电动汽车架构等多个领域。加入恩智浦近两年来，他专注于推动合作伙伴生态建设，通过与全球合作伙伴的协作，实现恩智浦器件在创新系统项目中的落地应用。Nathan Gil现居美国得克萨斯州奥斯汀市，毕业于德州农工大学，主修电气工程。