如果手機不能下載新App、無法接收軟件更新，大多數(shù)人恐怕都無法忍受。但在汽車行業(yè)的漫長歷史中，我們卻能接受價格昂貴更多的汽車缺乏功能更新。其實，汽車完全可以像智能手機一樣，不斷更新迭代，甚至越來越“懂你”。

汽車缺乏功能更新，是因為此前軟件開發(fā)中缺失了一環(huán)——數(shù)字反饋回路（Digital Feedback Loop，簡稱DFL），而它正是讓一輛車越開越“新”的秘訣，能真正縮短開發(fā)周期，讓車輛功能不再止于交付，并且支持其持續(xù)更新的技術(shù)。

實際上，車輛本身和軟件開發(fā)人員之間的雙向通信對于實現(xiàn)持續(xù)創(chuàng)新至關(guān)重要，而數(shù)字反饋回路則是確保雙方有效溝通的關(guān)鍵。它可以幫助開發(fā)人員收集反饋信息，經(jīng)分析后更新軟件，并通過遠程路徑下載至車輛，如此循環(huán)往復，形成閉環(huán)，持續(xù)推動功能進化。

汽車也能越用越“懂你”

DFL打通“雙向”溝通渠道

數(shù)字反饋回路，指的是汽車行業(yè)中通過數(shù)據(jù)收集和分析，為車輛提供持續(xù)改進的過程。

它源自開發(fā)人員渴望加快軟件創(chuàng)新的需求。為了實現(xiàn)這一目標，開發(fā)人員需要充分了解車輛功能是否滿足了消費者的期待，具體包括功能表現(xiàn)、使用頻率、意外情況等。

過去我們通常依賴媒體平臺、電子郵件、消費者調(diào)查、在線評論和客戶意見征求等途徑收集消費者反饋，但此類信息具有主觀性，尤其是涉及車輛這類復雜產(chǎn)品時，開發(fā)人員往往難以從中提煉出清晰或一致的改進方向。

如今，隨著車輛逐步轉(zhuǎn)型為以軟件為主導的架構(gòu)，并通過云端互聯(lián)，數(shù)字反饋回路就此應(yīng)運而生，OEM終于有機會收集客觀數(shù)據(jù)，以了解車輛在實際使用中軟件和硬件系統(tǒng)的運行情況，比如CPU性能、內(nèi)存性能、事件相關(guān)數(shù)據(jù)以及診斷和使用情況指標等。

從“海量數(shù)據(jù)”中找答案

DFL是如何煉成的

說起來簡單，做起來難。汽車比手機復雜得多，產(chǎn)生的數(shù)據(jù)量也遠大于手機，收集數(shù)據(jù)并將其傳回給OEM并非易事。幸運的是，5G通信技術(shù)使車輛與云端的連接變得更流暢、便捷。再加上車輛上的智能預處理技術(shù)能確保只傳輸必要的數(shù)據(jù)，也大大減少了帶寬負擔。

在完成數(shù)據(jù)收集后，開發(fā)人員可借助分析工具識別缺陷、優(yōu)化體驗，甚至開發(fā)全新的功能。如今，人工智能和機器學習（AI/ML）技術(shù)也開始介入，進一步幫助開發(fā)人員分析數(shù)據(jù)中的規(guī)律，使得開發(fā)團隊能夠挖掘出此前僅憑“一己之力”很難得到的深度洞察。

如何在海量的用戶數(shù)據(jù)中，洞察到可能改進產(chǎn)品的線索？

試想，一位家長抱著購物袋走到車后，騰不出手操作手機鑰匙，只能試圖用腳踢開后備箱。這種行為單看是個例，但如果相似動作在千百輛車上頻繁出現(xiàn)呢？

匯總到云端后的數(shù)據(jù)會揭示更廣泛的用戶行為趨勢——用戶站在汽車后超過3秒，通常是在試圖打開后備箱。開發(fā)人員據(jù)此可以編寫新代碼，開發(fā)出更智能的后備箱觸發(fā)邏輯，將這個小小的不便轉(zhuǎn)化為一次功能進化。

Wind River Studio可將整個數(shù)字反饋回路集成到一個界面中，方便開發(fā)人員一站式完成從數(shù)據(jù)匯總、代碼優(yōu)化、缺陷掃描、虛擬目標測試到遠程部署等流程步驟。

未來，車內(nèi)監(jiān)控系統(tǒng)還可以通過監(jiān)測駕駛員的反應(yīng)和情緒（例如在特定使用場景下表現(xiàn)出的開心或沮喪的面部表情），為OEM提供近乎實時的駕駛員滿意度反饋。

車輛數(shù)據(jù)將隱去個體特征并匯總，從而讓大批車輛數(shù)據(jù)揭示有意義的趨勢，而非僅僅反應(yīng)孤立的事件。因此，開發(fā)人員不僅能看到單個駕駛員對某項功能的體驗，還能持續(xù)觀察到成千上萬駕駛員對該功能的體驗，從而推動他們進行功能改進。

云端協(xié)同BUFF加持

讓反饋更及時、更全面

在此基礎(chǔ)上，“云連接”可以助力數(shù)字反饋回路進一步提升處理能力，使車輛利用云端處理能力來運行強大的算法，包括訓練人工智能和機器學習模塊。開發(fā)人員可以看到不同傳感器和數(shù)據(jù)集之間的交互，從而發(fā)現(xiàn)潛在問題，進行改進和創(chuàng)新。

大量由車輛生成的數(shù)據(jù)在云端進行處理，算法會分析個體車輛隨時間變化的數(shù)據(jù)以及整個車輛群體的匯總數(shù)據(jù)。

例如，隨著電池管理軟件的發(fā)展，數(shù)據(jù)驅(qū)動的DevOps工具鏈能夠利用從DFL中收集的數(shù)據(jù)，創(chuàng)建基于云的車輛數(shù)字孿生體。算法利用不同駕駛場景中全球其他車輛的經(jīng)驗進行學習，助力延長電動汽車電池及其所驅(qū)動車輛的使用壽命。

此外，DFL還可以向開發(fā)人員提供來自現(xiàn)場的即時反饋，從而幫助OEM縮短開發(fā)周期。這使得更新能夠及時、持續(xù)斷地進行，符合持續(xù)集成/持續(xù)部署（CI/CD）的方法。

進化不止于交付

安波福與風河的技術(shù)合力之道

通過數(shù)字反饋回路，安波福與風河共同幫助OEM打破傳統(tǒng)開發(fā)的局限，不僅降低成本和系統(tǒng)復雜性，更為靈活迭代和創(chuàng)新商業(yè)模式打開了新的可能性。

同時，安波福和風河正在使用Wind River Studio打造創(chuàng)新型新功能，并通過遠程更新將其推給已經(jīng)上路的測試車輛。長遠來看，這種功能和自動化完全可以應(yīng)用于OEM車隊。

安波福在高性能傳感與計算、應(yīng)用軟件開發(fā)、邊緣分析和汽車架構(gòu)等領(lǐng)域具備深厚積淀，再結(jié)合風河的邊緣到云軟件產(chǎn)品組合，可以形成循環(huán)流暢、洞悉清晰、及時有效的數(shù)字反饋回路，從而讓OEM車輛的“進化思路”和消費者的“更新渴望”合二為一。

未來，可能你的下一輛車將不再只是代步工具，而是一個越開越“懂你”、與你共同成長的智能伙伴。