自动驾驶与智能座舱质量保障-2024上海站_QECon全球软件质量效能大会-橙柚科技

点击抢票

即将售罄

深圳站 · 2024年5月24-25日

上海站 · 2024年9月20-21日

北京站 · 2024年10月25-26日

优惠倒计时

专场：自动驾驶与智能座舱质量保障

自动驾驶与智能座舱技术，作为未来出行革命的双重驱动力，其质量保障对行业发展至关重要。本次「自动驾驶与智能座舱质量保障」分论坛将集中探讨这两大领域的质量标准、技术挑战及解决策略。会议将邀请自动驾驶和智能座舱的行业领军人物、技术研发者及质量控制专家，共同讨论如何通过创新技术和严格的质量管理体系，确保产品的高可靠性和用户安全。参与者将有机会了解最前沿的研究进展、市场趋势及行业内的最佳实践，助力企业提升竞争力并推动智能汽车行业的持续健康发展。

专场出品人：梁浩辉 Kevin Leung

宝马诚迈信息科技有限公司 CEO

宝马诚迈于2021年成立，目前研发人员已经超过500人，为宝马在中国最大的汽车软件研发中心，负责座舱、导航、AI、辅助驾驶等领域。

英国牛津大学硕士毕业，并获选为院长名单，是连续创业者，曾任HTC 中国及以色列区投资部负责人，投资和孵化全球超过100家初创企业。并在美国哥伦比亚大学、英国牛津大学、香港科技大学、香港大学等课程客席授课。曾在中国香港、中国内地、英国和美国等地生活和工作，拥有超过20年高科技产品开发的创业经验。

饶亮

蔚来技术专家

蔚来前瞻技术研究&技术专家，智能汽车虚拟台架云平台负责人；
曾就职于阿里云、阿里云OS、斑马网络技术有限公司，有近10年的互联网云平台、车联网、仿真云平台开发经验。

待定

大规模虚拟台架在智能座舱的测试实践和探索

如今的智能座舱功能的复杂度和多样性剧增，智能化的模块也越来越多，传统的硬件在环（HIL）测试方法成本高昂，还受到场地、时间等多重限制。如何高效且经济地进行全面的测试，是OEM面临的一大挑战，也是指的思考和探索的方向。

在此背景下，通过虚拟化技术，可在云端或高性能计算平台上快速搭建大量虚拟车辆环境，模拟复杂多变的驾驶场景和用户行为，实现智能座舱软件的并发测试。这不仅极大缩短了测试周期，降低了对实体设备的依赖，还使得测试覆盖范围更广、异常情况捕捉更全面，为智能座舱系统的快速迭代与优化奠定了坚实的基础。
本次分享主要是基于虚拟化台架进行大规模测试实践和探索。

内容大纲
1. 平台简介
1.1 座舱的测试需求和场景
1.2 传统测试面临的问题（成本、效率、效果）
1.3 大规模虚拟台架的整体介绍
2. 虚拟化台架的实现&应用
2.1 核心系统和应用的虚拟化
2.2 外围设备的虚拟化
2.3 测试与待测体的组网与部署
3. 大规模虚拟台架的挑战&实践
3.1 大规模虚拟台架云平台架构&设计
3.2 虚拟设备内和虚拟设备间的组网
3.3 X86与ARM的混合部署
4. 总结&思考
4.1 虚拟台架的优势&局限
4.2 测试和虚拟整车的思考

听众收益
1. 该主题是实现高效且经济测试一种方法和尝试，相信随着车的智能化模块越来越多，这种需求会越强烈，本主题可以让大家少走弯路；
2. 在智能座舱中进行跨模块的测试，一直是个难题，本主题的解决思路，在该场景中还是新颖，可能会有一定的启发作用；
3. 头部新势力在智能座舱的实践经历。

张海立

驭势科技云平台研发总监

中国信息通信研究院“汽车云”工作组首批专家，目前专注的领域是无人驾驶运营运维平台的标准化和智能化研究。同时作为开源爱好者和布道师，长期关注和致力于云原生和前沿互联网技术的推广，现担任 LangChain Ambassador 和 KubeSphere 用户委员会上海站站长。曾就职于英特尔亚太研发有限公司，担任高级研发经理和架构师。

待定

无人驾驶云平台的工程质量治理实践

本演讲聚焦无人驾驶云平台的工程质量治理实践，以提升故障预警和响应的及时性为核心。我们将从全局视角出发，阐述如何构建一个覆盖研发到运维全周期的质量管控体系。此外，我们还将探讨生成式人工智能，特别是大语言模型（LLM）在质量治理中的应用前景。通过分析当前面临的挑战和机遇，旨在为业界同仁提供额外的路径思考，共同推动智能网联汽车云平台在质量治理方面的技术创新和实践。

内容大纲
1. 无人驾驶云平台质量治理的目标设定
1.1 聚焦故障预警和响应及时性
1.2 目标驱动的治理方案规划
2. 实践：全面质量治理框架
2.1 技术架构治理策略
2.2 可观测性能力构建
2.3 业务可观测性布局
2.4业务可运维性落地
3. 展望：AI Agent 在业务可运维中的应用前景
3.1 LLM Agent 的能力边界浅谈
3.2 当前实践中的挑战和机遇

向阳

云杉网络研发 VP

清华大学博士，云杉网络研发 VP，DeepFlow 开源社区负责人。曾在国际顶级学术会议 ACM SIGCOMM、ACM IMC 上发表可观测性方向的学术论文。现负责可观测性产品 DeepFlow，致力于打造一款云原生和 AI 应用的零侵扰可观测性产品。

待定

智能汽车软件的可观测性工程实践

从芯片到中间件，从应用软件到端侧大模型，智能汽车上的智驾、座舱系统正在高速迭代，其上的软件复杂度正在急剧增长。在迭代速度和软件复杂度的双重压力下，建设可观测性成为了保障复杂系统稳定可靠的重要前提。然而，以往的可观测性工程建设主要聚焦在云端应用上，缺乏对车端软件栈的建设实践和思考；另外，车端的硬件更为复杂、资源更为有限、网络传输缺乏保障，也为可观测性建设带来了新的难点。本次分享将会介绍 DeepFlow 如何利用 Linux 内核的 eBPF 技术建设零侵扰、全栈的智能汽车软件可观测性能力，并介绍 DeepFlow 在头部智能汽车主机厂的实践经验。

内容大纲
1. 可观测性对智能汽车的重要性
2. 车端可观测性工程的特殊挑战
3. 基于 eBPF 的全栈可观测性
4. 在头部智能汽车主机厂的实践经验

听众收益
1. 了解头部智能汽车主机厂的可观测性实践经验
2. 了解构建零侵扰、全栈可观测性平台的方法和收益
3. 了解 eBPF 技术在可观测性领域的重要作用