随着汽车行业智能化发展，软件定义汽车（SDV）成为创新核心。SONATUS作为专业汽车软件供应商，提供覆盖车内与云端的端到端解决方案，致力于通过AI赋能的SDV平台解决行业痛点，提升用户满意度与主机厂竞争力。该公司已于上月实现500万台汽车软件的量产交付，标志着其研发能力与市场规模迈入新阶段。
2025年9月10日，SONATUS中国区总经理任松涛在2025第五届未来汽车AI计算大会上表示，AI赋能的软件定义汽车正成为推动行业创新的关键平台，可通过智能诊断、动态数据管理和自动化工作流优化车辆使用体验，为主机厂及其用户创造价值，并应对车辆复杂度上升带来的挑战。
当前，汽车软件重要性日益突出，但用户体验却呈下降趋势。主机厂在故障排查和系统优化中依赖传统故障码分析和工程师经验，难以快速响应每日新增问题，导致运维成本高企。车主在遭遇如引擎故障警告时，往往只能依靠晦涩的用户手册或紧急前往服务中心，而多数手册未被阅读或信息脱节，无法提供有效帮助，致使用户满意度持续走低。
行业亟需智能化工具破解困局。SONATUS提出的AI融合方案通过构建车辆专属AITechnician等工具，实现精准故障诊断与实时维修指导。该机制基于生成式AI和大型语言模型，分两步实施：首先整合车厂数据库，包括设计文档、历史故障数据和用户手册，不限格式导入系统并与大模型交互训练，构建专属知识库；其次利用边缘智能处理车端实时信号，如诊断故障码、日志文件或CAN总线数据，实现即时分析。
在CES展会案例中，车主遭遇引擎故障时，可通过手机应用提问，系统结合实时数据与知识库迅速生成驾驶建议，并通过DMS系统自动预约维修服务。为回应主机厂对准确率的关切，SONATUS强调性能依赖知识库丰富度及MCP协议的双向安全交互，以持续提升可靠性，从而解决传统服务链路响应迟滞问题，降低制造商运维成本，缩短用户处理周期。
SONATUS推出的AI Technician产品利用生成式AI和大型语言模型，整合车辆设计文档、历史故障记录、工厂生产数据和用户手册等多源信息，形成专属知识库，并连接车端实时数据收集工具实现信号动态接入。其运行逻辑为：先将车厂多源数据库导入系统，由其作为桥梁与大型语言模型交互训练，建立车辆专属知识库；再借助边缘智能处理诊断故障码、日志文件或CAN总线信号，实现即时分析。在CES展示案例中，车主遇引擎故障警告，通过手机应用向AI Technician提问，系统基于实时信号与知识库迅速判断问题根源，给出“能否继续驾驶”建议，并自动通过DMS系统预约维修，显著缩短服务响应时间。
该方案提升了用户满意度与服务效率，同时为4S店和主机厂工程师提供精准支持，降低对资深经验的依赖，使初级人员也能高效处理复杂问题。AI Technician性能高度依赖知识库的丰富度与持续迭代，通过MCP协议实现安全双向交互与自我学习，确保诊断准确率随数据积累不断提升，但仍需长期训练优化以应对行业挑战。
SONATUS指出，有效应用AI于汽车领域需三大基础要素：灵活的基础架构、动态数据收集和深度汽车AI集成。灵活基础架构包括软件定义网络（SDN），实现集中式总线管理以灵活调整功能；软件定义数据与存储（SDDS），通过时序数据库优化存储效率与成本控制；软件定义计算（SDC），利用容器化技术平衡算力分配，保障系统安全可靠与连接性。
动态精准数据收集机制借助智能算法按需传输数据，避免大块传输带来的低效与高成本，支持边缘处理以加速创新开发。深度汽车AI集成确保实时访问车辆上下文信号，提升生成式AI与大型语言模型的应用效果，支持辅助驾驶等功能，实现更相关、准确的操作。
SONATUS提供模块化AI产品组合，全面赋能软件定义汽车创新。其基础产品部署高度可配置的电子电气架构，保障系统灵活性与可靠性；Collector AI通过智能算法实现精准动态数据收集，优化传输效率与成本；AI Director是近期在德国IAA展发布的端到端MLOps工具链，用于扩展车内边缘智能处理能力，支持机器学习模型高效部署与维护；AI Technician聚焦车辆专属智能诊断，融合设计文档与历史故障数据构建知识库，为工程师提供即时解决方案；Automator AI采用无代码方式定义工作流自动化编排，简化复杂任务处理。此外，全车xOTA更新解决方案支持主机厂远程升级。
上述产品可根据主机厂需求自由组合，例如AI Technician搭配Collector AI提升诊断响应速度，或Automator AI与AI Director结合优化自动化流程，并通过时序数据库等云边架构实现全车OTA更新。所有模块非强绑定，支持定制化创新，无需强制集成，显著提升主机厂运营灵活性与用户服务体验。
尽管AI在汽车领域展现变革潜力，实际应用仍面临准确性与可靠性挑战，系统性能高度依赖多源数据融合与持续训练优化。SONATUS将持续深化软件定义汽车与AI技术协同创新，扩展车辆设计文档、工厂记录和用户手册等知识库维度，依托MCP协议安全交互机制增强自学习能力，结合RAG大模型的检索增强生成技术，助力主机厂降低运维成本、提升服务响应速度，推动建立更灵活可靠的智能车辆生态系统，并在应对数据隐私合规性与跨车型适配性挑战中实现技术迭代。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。
