实时更新-"多男主1v3上岸"-智电时代，汽车测试的机遇多男主1v3上岸与挑战

智电时代，汽车测试的机遇多男主1v3上岸与挑战_ZAKER新闻

许多鲜花被摆放在涉事学校门前，有市民专程前来悼念

测试作为确保质量和性能的关键环节，在汽车向智能化、电气化、网联化推进过程中，面临着新的发展和增量空间。同时，新技术的到来也对其提出了新的需求与挑战。这促使汽车测试相关企业不断创新，提高测试技术和水平，以满足新的市场变化。在近日举办的 AEIF 2024 期间，盖世汽车与全球知名的电子测试测量方案提供商是德科技运营总监任彦楠女士围绕智电时代的到来给汽车测试行业及企业带来的影响，以及 AI 在汽车测试领域的应用、企业布局等话题进行了交流。图为德科技大中华区业务运营总监任彦楠智电时代，汽车测试之变在任彦楠看来，智能电动汽车的到来，的确给测试行业带来了很多变化，以汽车电子测试为例，当中主要表现在以下方面：1、电气化方面，电池性能测试，功率半导体、充电系统测试需求持续增加。尤其是近一两年，充电的车和桩之间的测试增长非常快。究其原因，一方面来自充电功率的不断提升，如是德科技很快就会推出面向超充 900 千瓦的方案。另一方面是全球各地都出台了自己的充电标准 ( 如欧标、美标、国标等 ) ，其重点标准、电流电压值以及插电接口都有所不同。" 是德科技在这一两年完成了全标准测试方案的提供，无论是交流、直流还是国标、欧标和美标，都有对应的方案。" 提及企业对行业标准方案的覆盖时，任彦楠如是说到。2、智能化方面，雷达、智驾和座舱芯片测试等需求增加。2022 年底，是德科技推出了雷达目标模拟器，可以同时模拟几百个目标，而且这些目标可以同时处在最高到达 400 千米每小时的速度，也就是模拟了毫米波雷达在我们车载移动，大范围的移动目标和复杂环境里面对目标的识别能力。3、网联化带给汽车更多通信方式，包括 C-V2X 在内的多种新增通信制式需要进行相关测试。当中面临的挑战也不小，如电动化方面，汽车从传统的 IGBT 芯片向碳化硅器件转变，频率更高，电压更高，驱动效率得到了提升，但也对测试仪器的性能提出了更高的要求。图片来源：是德科技智能化和网联化相较挑战更大，目前智驾正在往更高级别迈进，电子电气架构的复杂性和大数据的增多等都是新的考验。如芯片测试中，以 ADAS、智能座舱 SoC 芯片为代表的智能化，处理的数据量越来越大，需要较强的运算能力和互联互通，这使得 PCIe、MIPI 等高速互连总线在汽车上的应用逐渐兴起，而这些高速串行总线的测试是新挑战。此外，目前汽车智能网联的发展还在摸索阶段，相关法规标准还在完善中，这给测试带来了较大难度。如芯片测试方面，通过 AECQ100 测试 1000 次，或者 2000 次你要稳定这个性能，但是具体用哪种方式通信？车内以太网要达到什么速度才能满足车内的通信？智驾的芯片到底要达到多少 TOPS 才能满足标准……这些都需要摸索。为此，是德科技近年来参与到一些行业标准去协调运作，到目前为止大约参与了 35 家相关标准，当中包括 2023 年引发的《国家汽车芯片标准体系建设指南》。在提及目前整车开发周期加快，是否对测试也是一项挑战时，任彦楠指出，相对零部件公司，影响相对较小。" 我们的压力主要在前面，需要提前介入零部件，或者芯片，或者模组的性能验证，但是速度也是要求很快的。" 任彦楠说到。AI 技术在汽车测试领域的应用近年来，无论是车企、零部件企业还是测试机构等，将 AI 融入到产品及技术测试已成为趋势。在近日发布的汽车智能驾舱评价规程（AI-CAP）中，首次引入 AI 大模型自动化测评。理想、智己等车企亦表示在一些功能测试方面，引入了 AI 自动化。在谈及此时，任彦楠表示，AI 的到来，加速拉动了技术的革新，把芯片的算力，半导体的制造、封装，服务器之间的互联拓宽了不止一个数量级。" 本来没有 AI 的话，就没有必要发展这么快。近两年，我们看到我们的客户从芯片到高速线缆，到互联全部多在加速升级。" 作为测试测量的工具的提供商，我们也是同步，在这一两年把对高速电信号和光信号的测试做了全面的升级，例如现在市面上火爆的 TCIE5，大家国内熟悉的厂商全都是有是德科技的方案在做。" 任彦楠介绍表示。而在汽车测试领域，是德科技也引入了 AI 技术。以自动驾驶为例，在传感器融合方面，需要激光雷达、超声波传感器、摄像头等协同运作，以识别来自不同方向、距离和角度的物体，进而提高车辆行使的安全性，这个过程就会产生海量的数据。据了解，是德科技推出的雷达场景模拟器采用了 AI 技术，可以同时模拟 512 个目标的雷达场景，并进一步模拟汽车里面不同传感器的运作方式，为未来自动驾驶汽车的测试提供前瞻性解决方案。在这样一个能够提供安全保障的解决方案中，也应用了强大的 AI 技术。不过对于生成式人工智能中的大语言模型技术，任彦楠表示，还未引入测试测量设备，目前测试测量中主要应用的人工智能技术是机器学习。" 用数据去训练设备，如何在复杂的环境中找到有效信号，并做出相应的判断，这是我们在做的尝试 "。