人工智能(AI)和机器学习(ML)在先进的驾驶辅助系统(ADAS)和自动驾驶汽车中无处不在。这涉及到越来越多的传感器产生大量需要实时处理的数据。除了模拟外，ML模型的部署是基于现场记录的数十亿字节的数据，但还需要更多来进一步完善和改进当前和未来车辆的模型。
利用野外车辆和测试车辆是获取这些信息的方式，这些信息随后可以用于云端的人工智能训练。然而，现在的汽车每小时产生的2tb的数据会淹没任何现有的无线通信链路，所以减少发送到云中的信息量是至关重要的。
空中(OTA)更新通过向这些车辆提供更新的模型来完成循环。这并不是一个基于当前输入自动做出改变的实时周期，但它确实允许生成新车型，然后可以认证并下载到汽车上。
这个过程涉及到大量的硬件和软件组件。因此，聚变项目(图1)已经开始使这个循环更容易实现和维护。该项目最初的目标是智能车辆变道检测，但随着时间的推移，它将解决ADAS和自动驾驶汽车的所有方面。
最初的公司组涵盖了循环中的所有基础:
- Airbiquity: OTA软件管理
- Cloudera:数据生命周期解决方案和云服务
- NXP:车辆加工平台
- Teraki:边缘数据AI
- 风河系统公司:智能系统平台软件
硬件和软件在循环中的集成是一个正在进行的工作。开发人员还需要单独与公司合作——在设计中使用不同的解决方案是可能的。
目前的框架是基于运行Wind River操作系统的NXP硬件上的数据采集支持，以及Teraki的分析和压缩支持，有助于减少发送到云端的信息量(图2)．Cloudera的云支持从车辆获取数据，并运行软件进行进一步的分析和ML培训。Airbiquity的安全OTA更新通过提供更高效、更准确的更新模型来完成循环。
虽然这个循环很容易理解，但是让所有的部分一起工作却并不容易。这些公司已经集成了提供整体解决方案的系统，但还必须集成额外的硬件和软件。同样地，开发人员将不得不与每个公司单独合作，但要知道各个部分是一起工作的，并且已经在整体解决方案中进行了测试。
该公司创始人兼总裁Phil Magney表示:“汽车制造商在实施复杂技术方面不断面临挑战，比如下一阶段先进ADAS和自动驾驶汽车功能所需的技术VSI实验室他曾是Telematics Research Group的联合创始人。“下一代数据管理技术堆栈有很多方面，可以持续改进和部署人工智能机器学习模型，所以汽车制造商需要一个从汽车到云的解决方案，就像the Fusion Project创建的那样，利用汽车生态系统的关键技术。”
汽车行业的复杂性不断加剧，因此集成系统已成为提供汽车行业解决方案的重要组成部分。有了这些整合，就可以大大缩短上市时间，同时降低总体成本。
