ソフトウェア デファインド ビークルから AI デファインド ビークルへ: 自動車の次の進化

ソフトウェアデファインドから AI デファインドへ: 自動車の次なる進化

自動車はもはや単にスマートになっているだけではありません。彼らは理解し、適応し、行動し始めています。業界はすでに、この移行のためのデジタル基盤を確立しています。 2024 年 1 月、クアルコムは、Snapdragon デジタル シャーシ ソリューションを搭載した 3 億 5,000 万台以上の車両が世界中で稼働していると報告しました。次のステップは、AI によって定義された車両です。これは、インテリジェンスを使用して道路状況を解釈し、キャビンをカスタマイズし、コンポーネントの故障を予測し、エネルギー消費を最適化します。この進化はすでに車両開発プログラムに取り入れられています。 2025 年 1 月、NVIDIA は、トヨタが AI 対応の DRIVE AGX Orin プラットフォームと安全性認定を受けた DriveOS を使用して次世代自動車を製造すると発表しました。競争上の優位性は、車両にどれだけのソフトウェアが搭載されているかではなく、ソフトウェアがどれだけ安全かつ継続的に学習して価値を創造できるかにますます依存するようになるでしょう。

変化は生産指向のテクノロジーにおいて明らかです。 2024 年 1 月、ボッシュとクアルコムは、単一のシステムオンチップ上でインフォテインメントと高度な運転支援機能を操作できる車両中央コンピューターを実証し、ドメイン固有の個別のコンピューティング システムの必要性を削減しました。 NVIDIA の DRIVE Thor プラットフォームは、車両におけるより高いコンピューティング強度に対する需要の高まりを実証しています。コックピット、駐車、自動運転のワークロードをサポートするために、最大 2,000 テラフロップスのパフォーマンスを備えた集中型車両コンピューターが導入されました。

ソフトウェアの更新も、規制されたライフサイクルの責任となっています。国連規則第 156 号、1 月 22 日に発効^nd, 2021 年には、自動車メーカーに対し、正式なソフトウェア更新管理システムを確立し、安全関連のソフトウェア バージョンの管理を維持することが義務付けられています。

従来の車両ソフトウェアは主に事前定義されたルールに従い、個別の機能ドメイン内で動作し、開発中に予想される条件にのみ反応します。 AI によって定義された車両により、認識、状況に応じた推論、および継続的なフリート学習が追加されます。 NVIDIA は、この移行を、AI モデルの大型化、コンピューティング能力の向上、および車両データの広範な使用に向けた移行であると説明しています。

AI が定義する自動車の製造競争は、単一の画期的な進歩によって決まるのではなく、メーカーが車両全体とその幅広いライフサイクル全体にインテリジェンスをいかに効果的に適用するかによって決まります。安全運転、コックピット体験、車両の健康、エネルギー管理、自動車の開発と製造という相互に関連した 5 つの分野で最も多くの機会が生まれています。

インテリジェント運転と予測安全性

AI は、車両の安全性を、検出された危険への対応から、道路利用者や交通状況がどのように変化するかを予測することに変えています。カメラ、レーダー、LIDAR、ドライバー監視システム、および車両運動センサーを AI ベースのセンサー フュージョンと組み合わせて、歩行者を識別し、車線の挙動を解釈し、ドライバーの注意を評価し、予防措置を開始することができます。

自動緊急ブレーキは、AI がサポートする認識と介入の潜在的な価値を示しています。米国道路交通安全局は、2024 年の自動緊急ブレーキ基準により、少なくとも 24,000 人の負傷を防ぎ、少なくとも 360 人の命を救い、年間 50 億米ドルを超える物的損害を回避できると推定しています。

AI 定義の車両は、このアイデアをさらに一歩進めたものです。ブレーキ、ステアリング、ドライバー監視を個別の機能として扱うのではなく、それらを統合してリスクに対する共通のビューを作成します。これにより、車両は周囲で何が起こっているかをよりよく理解し、より効果的に反応できるようになります。

適応性のあるコンテキスト認識型コックピット

デジタル コックピットは、画面ベースのコントロール センターから、自然な会話、ユーザーの好み、旅行のコンテキストを理解できるインテリジェント インターフェイスへと進化しています。 AI アシスタントは、ドライバーが複数のメニューを操作する必要なく、ナビゲーション、エンターテイメント、空調制御、充電、車両情報を接続できます。

BMWは、Amazon Alexa+機能で強化され、AmazonのAlexaカスタム・アシスタントをベースにしたAIサポートのインテリジェント・パーソナル・アシスタントが、2026年後半にBMW iX3に搭載される可能性があると発表した。このシステムは、大規模な言語モデルを使用して、自由形式の音声を理解し、単一の文で複数の質問を処理し、フォローアップのリクエストに応答する。ユーザーは、車両の機能と一般的な知識のトピックの両方に関連する質問をすることができます。時間が経つにつれて、コックピットは日常的な走行を認識し、充電や休憩所を推奨し、車室内の設定に適応し、ドライバーの過去の行動に応じて車両の機能を説明できるようになります。

車両の健全性と稼働時間を予測

また、AI はメンテナンスを、固定スケジュールや警告灯への対応からコンポーネントの状態の継続的な評価に変えています。温度、振動、故障コード、動作負荷、修理履歴情報を分析することで、車両は故障を引き起こす前に異常な動作を特定できます。 2026 年 3 月、Mack Trucks は、AI を活用した GuardDog Connect プラットフォームが障害コードの背後にある意味を解釈し、95% の確実性で修理が必要になると同時に、ダッシュボードに表示される前にコードを予測できると報告しました。 Mack はまた、適応型メンテナンス契約により計画ダウンタイムが 38% 削減され、オイル排出間隔が最適化されたことでトラック 1 台あたり年間約 6,000 米ドルを節約できたと報告しました。

エネルギーとパワートレインのインテリジェンス

電気自動車やハイブリッド自動車では、AI が電力需要を予測し、エネルギー分配を管理し、不必要なエネルギー消費を削減することで、エネルギー使用を最適化できます。交通量、勾配、温度、運転行動、バッテリーの状態、充電器の可用性を評価して、より正確な航続可能距離の推定値と充電の推奨事項を生成できます。変化する動作条件下でバッテリーの充電状態、健康状態、残りの耐用年数を推定するための機械学習モデルも開発されています。

BMW は、以前の充電停止データのバックエンド分析を使用して、ルート案内を改善します。同社は、この分析により、システムに記録されている充電ポイントの約 3 分の 1 について、より正確な位置情報が可能になったと報告しました。

エンジニアリングと製造における AI

AI は、ジェネレーティブ デザイン、コーディング、シミュレーション、仮想検証、工場物流、品質検査、サプライ チェーン計画に適用されています。これにより、開発サイクルを短縮できると同時に、エンジニアは物理的なプロトタイプを作成する前にさまざまな設計およびテストのシナリオを検討できるようになります。

BMW のレーゲンスブルク工場では、GenAI4Q システムが毎日製造される約 1,400 台の車両に対して個別の品質検査推奨事項を生成しています。 AI は車両の仕様とリアルタイムの製造情報を分析し、各車両ユニットに適切な検査シーケンスを決定します。同様に、ゼネラル モーターズも AI、デジタル ツイン、ロボティクス、シミュレーションを統合して、仮想テストを加速し、製造プロセスを最適化しています。

AI による自動車競争は、誰が最もインテリジェントな自動車を製造するかということに限定されず、その応用範囲はさらに広がります。また、誰がその車両を最も効率的に開発、製造、サポートし、継続的に改善するかにも依存します。

AI によって定義された車両は、いくつかのインテリジェントな機能を統合したものです。クラウドと開発エコシステムは、継続的な学習ループとして動作します。センサーはまず、道路、ドライバー、乗員、バッテリー、パワートレイン、周囲の環境に関する情報を収集します。車内の高性能コンピューターは、安全性が重要な情報をローカルで処理するため、クラウド接続に依存することなく即座に意思決定を行うことができます。

集中型コンピューティングは、このインテリジェンスの基盤を提供します。 2026 年 1 月、クアルコムとリープモーターは、コックピット、先進運転支援システム、車体制御、接続性を組み合わせた D19 用の統合中央コンピューティング システムを発表しました。これらの機能を統合することで、アーキテクチャの複雑さが軽減され、AI モデルがこれまで分離されていた車両ドメイン全体の情報を使用できるようになります。

クラウドは別の役割を果たします。大規模なデータ ストレージ、モデル トレーニング、フリート分析、ソフトウェア配布、数千台の車両にわたるパターンの比較をサポートします。たとえば、現代自動車グループは、パーソナライズされたアシスタント、インテリジェント インフォテインメント、無線アップデートを通じて進化できる適応型快適機能をサポートする AI モデルを NVIDIA と開発しています。ただし、この学習サイクルを構築するには、メーカーは車両テレメトリ、販売店、サービス記録、顧客プラットフォーム、コンタクト センター間で分離されたままになっていることが多い情報を接続する必要があります。

デジタル ツインは、物理的なプロトタイプに変更が導入される前に車両システム、工場、運用シナリオをテストできる仮想表現を提供することでスタックを完成させます。 BMW はデジタル ツイン アプリケーションを 30 以上の生産拠点に拡張し、以前は数週間にわたる物理テストが必要だった変更を仮想的に評価できるようにしています。

自動車 AI における主要な課題は、もはやモデルが実行できることを実証することではありません。それは、何百万台もの車両にわたって、安全に、一貫して、経済的に機能できることを保証することです。パイロットは、選択したルート、工場ライン、またはデータセットで成功する可能性がありますが、生産システムはさまざまな気候、道路状況、言語、車両構成、接続レベルにわたって動作する必要があります。以下のグラフは、過去数年間における自動運転の規模の拡大を示しています。 Waymo が公開している乗客専用マイレージベースは、2023 年 1 月の約 100 万マイルから、2026 年 3 月までに 2 億 2,060 万マイルに拡大しました。

メーカーは、システムが不確実性を認識し、まれなシナリオを管理し、センサー、データ、またはモデルが不十分な場合に安全なフォールバック状態に入ることができるという証拠を必要としています。

ISO/PAS 8800:2024 は、量産道路車両における安全関連の AI に対処し、AI システムの制限や障害から生じる不当なリスクに対する保証をサポートします。  これらのシステムが拡大するにつれて、サイバーセキュリティとソフトウェア ガバナンスは車両のライフサイクル全体を通じて継続的に管理する必要があります。 UNECE 規則第 155 号では、サイバーセキュリティ管理と継続的なリスク評価が義務付けられています。規制上の期待もますます厳しくなっています。関連する高リスク システムについては、欧州連合 AI 法により、ライフサイクル リスク管理、適切なデータセット、文書化、人間による監視、精度、堅牢性、サイバーセキュリティが義務付けられています。

商業化に関連する課題も同様に重要です。自動車メーカーは、コンピューティングコスト、統合の複雑さ、アップデートに対する説明責任を監視しながら、半導体サプライヤー、ソフトウェア開発者、クラウドプラットフォーム、コンポーネントメーカーを調整する必要があります。 AI モデル、安全性ケース、サイバーセキュリティ制御、データ ガバナンス、更新プロセスを個別の技術プロジェクトとしてではなく、1 つの実稼働システムとして設計する企業は、うまく拡張できます。

車両が単にドライバーのコマンドに応答することから、ドライバーに代わって独立して意思決定を行うように進化するにつれて、自動車インテリジェンスの次の段階が出現します。エージェント システムは、ルートを計画し、充電停留所を特定し、客室設定を調整し、承認された支払いを管理し、状況の変化に応じて旅行を修正することができます。 2025 年 1 月、Mercedes-Benz と Google Cloud は、MBUX 仮想アシスタント用の Automotive AI Agent を導入し、Google マップ データを使用したマルチターン会話とパーソナライズされたナビゲーション サポートを可能にしました。

AI が定義する時代のリーダーシップは、個別の機能のリリースよりも、スケーラブルなインテリジェンス エコシステムを構築する能力に依存することになります。自動車メーカーは、集中管理された車両コンピューティングを管理されたデータ、シミュレーション、クラウド インフラストラクチャ、製造システムと接続すると同時に、安全性、効率、品質、顧客価値の目に見える改善をもたらすアプリケーションを優先する必要があります。