作者
Nathan Gil
Nathan Gil负责恩智浦在美洲地区的电气化系统市场推广工作，涵盖从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。他加入恩智浦近两年，专注于合作伙伴业务拓展，擅长携手全球合作伙伴，在创新系统项目中应用恩智浦器件，推动项目落地。Nathan常驻美国得州奥斯汀市，毕业于得克萨斯农工大学，获得电气工程学位。
携手恩智浦与COMPREDICT，加速边缘AI落地
恩智浦携手COMPREDICT将边缘AI带入汽车应用领域。
COMPREDICT的虚拟传感器提供了一种比传统硬件传感器更智能的替代方案。基于高质量数据集训练的AI模型能够提供实时估算，并完全由软件驱动。它们不仅具备可扩展性与成本效益，还能通过持续学习不断优化。
恩智浦的S32处理器为边缘AI性能提供了理想的硬件基础：Arm® Cortex®内核负责通用处理，AI/ML加速器实现实时推理，低功耗设计则适应嵌入式环境。边缘AI不仅需要芯片，还需要专用软件。恩智浦的eIQ ® Auto ML软件开发套件支持整个模型流程：从模型准备、优化到部署，确保模型在受限的汽车设备上高效运行。
即刻开启边缘AI之旅申请演示、探索合作机会，通过恩智浦边缘AI解决方案解锁更智能的软件定义出行体验。
此次合作简化了边缘AI的落地流程，降低了车辆物料清单(BoM)成本，助力汽车制造商与一级供应商加速迈向更智能、软件驱动出行的转型。
车轮力传感器(WFT)是车辆测试的关键设备，用于采集力与扭矩数据以指导悬架调校与安全验证。然而传统车轮力传感器体积笨重、成本高昂，难以大规模部署。
以AI增强型WFT解决方案为例：通过恩智浦S32网络产品组合，车辆传感器数据可传输至恩智浦边缘微处理器与控制器。随后，COMPREDICT模型将提供实时力估算与维护预警。这种结合为测试、自动驾驶及车辆诊断领域带来了变革性突破。此外，新思科技的虚拟开发套件(VDK)允许开发人员在虚拟硬件上部署和测试模型，可加速集成并降低风险，无需实体硬件。
对汽车制造商与一级供应商而言，该方案为实现跨车辆平台的软件定义传感集成提供了可扩展、高性价比的路径。随着汽车行业向软件定义汽车(SDV)演进，恩智浦与COMPREDICT联合提供了面向未来的AI部署方案——以虚拟化、高效、规模化的方式推动AI落地。
应用场景深度解析：AI增强型WFT
COMPREDICT面向WFT的虚拟传感器模型在恩智浦硬件上的部署，依托恩智浦eIQ Auto软件开发环境实现。我们从经过训练的模型出发(初始框架为TensorFlow，同时兼容PyTorch、MATLAB及其他开源框架)，首先以FP32精度针对Arm Cortex-R52内核进行编译。
初始执行阶段采用新思科技虚拟开发套件实现硅片前验证。基于COMPREDICT提供的数据集，模型随后被量化为8位整数格式(INT8)，在平衡推理精度的同时显著缩减模型尺寸。该优化步骤同时为模型在eIQ Neutron神经处理单元(NPU)的部署做好准备。通过恩智浦eIQ Auto编译器与S32K5 VDK，我们成功将量化模型部署于R52内核，在区域微控制器上展示了高效的边缘AI执行能力，而这正是该应用场景预设的量产部署位置。
该方案在三种实时动态负载场景中完成验证(横向、纵向、垂直方向)，力与扭矩数据来自控制器局域网(CAN)信号(15个信号@25-100Hz)。每种场景下，虚拟传感器输出均与硬件传感器数据对比，凸显出COMPREDICT WFT模型的卓越性能。
该解决方案的突出优势在于：
- 高适应性：可无缝集成现有CAN总线架构，最大限度地减少车辆基础设施改动。
- 全面的数据覆盖：基于约3小时多样化驾驶场景训练，涵盖城市交通、高速行驶、坑洼路面、蛇形绕桩及制动事件。
- 量产就绪：突破传统基于硬件的WFT在公共道路上使用的限制，使量产车辆与先进的原型车一样智能。
即刻开启边缘AI之旅
准备好探索汽车智能化未来了吗？
- 申请演示或探索合作机会：请访问COMPREDICT-恩智浦合作专题页
- 了解恩智浦边缘AI产品的详情：汽车边缘AI、eIQ Auto ML软件开发套件、S32汽车处理平台