随着汽车行业智能化浪潮的推进，软件定义汽车（SDV）正成为创新核心，尤其在人工智能（AI）技术的融合下，为车辆使用体验和制造商运营带来革命性变革。SONATUS作为一家专业的汽车软件供应商，凭借其在车内和云端软件的端到端解决方案，致力于通过AI赋能的SDV平台解决行业痛点，推动更高效、更灵活的创新模式，提升用户满意度和主机厂竞争力。此外，该公司在上月刚刚实现了500万台汽车软件的量产交付，标志着其研发能力与市场规模进入新的里程碑。
2025年9月10日，SONATUS中国区总经理任松涛在2025第五届未来汽车AI计算大会上表示，AI赋能的软件定义汽车正成为推动行业创新的关键平台，能够通过智能诊断、动态数据管理和自动化工作流，显著优化车辆使用体验，并为主机厂客户（OEM）及其车主用户创造更大价值，同时解决当前因车辆复杂度带来的诸多挑战。
任松涛 | SONATUS中国区总经理
车辆复杂度带来的挑战
随着汽车智能化程度的不断提升，软件在车辆中的核心作用日益凸显，却意外引发了用户体验的显著下滑。主机厂在故障排查和系统优化环节投入大量人力资源，依赖传统的诊断故障码分析及工程师经验积累，却仍面临每日涌现的新问题难以快速解决的困境，这种低效的应对方式导致运维成本居高不下。对于车主而言，当车辆在行驶中突现引擎故障等警告时，仅能通过晦涩难懂的用户手册寻求帮助或匆忙前往服务中心，而事实上多数用户手册长期处于无人阅读状态，即便查阅也常因信息脱节无法提供有效解决方案，最终致使用户满意度持续走低。
图源：演讲嘉宾素材
行业亟需通过智能化工具破解当前困局，在保障车辆可靠性的同时提升用户便捷性。SONATUS提出的软件定义汽车与AI技术融合方案，通过构建车辆专属AI Technician等创新工具，能精准诊断故障并提供实时维修指导；其核心机制基于生成式AI和大型语言模型技术，分两步实现：第一步整合车厂数据库如车辆设计文档、历史故障数据和用户手册，不限格式导入系统，与大型模型交互训练构建专属知识库；第二步借助边缘智能处理车端实时信号，包括诊断故障码、日志文件或CAN总线数据，实现即时分析。
例如在CES展展示案例中，车主遭遇引擎故障时，通过手机应用提问，系统结合实时数据和知识库迅速生成驾驶建议，并通过DMS系统自动预约维修服务，同时应对主机厂对准确率的质疑，强调性能依赖知识库丰富度和MCP协议的双向安全交互以持续提升可靠性，这从根本上解决传统服务链路的响应迟滞问题，为制造商降低运维成本，为用户缩短处理周期，创造双重价值。
图源：演讲嘉宾素材
AI Technician的解决方案
针对上述挑战，SONATUS创新性地推出了AI Technician软件产品，该产品利用生成式AI和大型语言模型技术，通过构建一个桥梁式的智能系统，整合车辆设计文档、历史故障记录、工厂生产数据和用户手册等多源信息，形成专属知识库，并结合车端实时数据收集工具实现信号动态连接。其核心逻辑分为两步：首先，将车厂多源数据库导入AI Technician系统，由该系统作为桥梁与大型语言模型进行交互和训练，构建车辆专属知识库；其次借助边缘智能处理车端数据如诊断故障码、日志文件或CAN总线信号，实现即时分析。例如，在CES展会上展示的案例中，车主遭遇引擎故障警告时，通过手机应用向AI Technician提问，系统基于实时信号和知识库迅速诊断问题根源，给出“能否继续驾驶”的专业建议，并自动通过DMS系统预约维修时间，大幅缩短服务响应周期。
这一解决方案显著提升了用户满意度和服务效率，同时为4S店及主机厂工程师提供精准支持，降低了对资深经验的依赖，使得初级人员也能高效处理复杂问题。AI Technician的性能高度依赖知识库的丰富度和持续迭代，通过MCP协议实现安全双向交互与自我学习，确保诊断准确率随数据积累不断提升，但需长期训练优化以应对行业挑战。
图源：演讲嘉宾素材
实现AI创新的三大基础要素
在此基础上，SONATUS强调有效应用AI于汽车领域需三大核心要素：灵活的基础架构、动态数据收集和深度汽车AI集成。其中，高度可配置的电子电气架构涵盖软件定义网络（SDN）实现集中式总线管理以灵活调整功能，软件定义数据与存储（SDDS）通过时序数据库优化高效存储与成本控制，以及软件定义计算（SDC）利用容器化技术平衡算力分配，确保系统安全可靠和连接性。
动态精准的数据收集机制借助智能算法实现按需传输，避免大块数据传输的低效与高成本，支持边缘处理加速创新开发。深度汽车AI集成确保实时访问车辆上下文信号，提升生成式AI和大型语言模型的应用效果，支持辅助驾驶等功能，实现更相关和准确的操作。
图源：演讲嘉宾素材
SONATUS的AI产品组合
SONATUS提供的模块化AI产品组合全面赋能软件定义汽车创新，其基础产品专注于部署高度可配置的电子电气架构，确保系统灵活性与可靠性；Collector AI通过智能算法实现精准动态数据收集，优化数据传输成本与效率；AI Director作为近期在德国IAA展上发布的端到端MLOps工具链，专用于扩展车内边缘智能处理能力，支持机器学习模型的高效部署与维护；AI Technician聚焦车辆专属智能诊断，通过融合设计文档和历史故障数据构建知识库，为工程师提供即时问题解决方案；Automator AI则利用无代码方式定义工作流自动化编排，简化复杂任务处理。此外，其全车xOTA更新解决方案，支持车厂进行远程升级。
这些产品可依据主机厂需求自由组合应用，例如AI Technician搭配Collector AI提升诊断响应速度，或Automator AI与AI Director结合优化自动化流程，并通过时序数据库等云端车端架构实现全车OTA更新，所有模块均非强绑定模式，支持定制化创新，无需强制集成，显著提升主机厂运营灵活性与用户服务体验。
图源：演讲嘉宾素材
未来展望与挑战
尽管AI在汽车领域展现出变革潜力，其实际应用仍面临准确性与可靠性双重挑战，系统性能高度依赖多源数据融合与持续训练优化。SONATUS将持续深化软件定义汽车与AI技术的协同创新，通过扩展车辆设计文档、工厂记录和用户手册等知识库维度，并依托MCP协议安全交互机制增强自学习能力，同时结合RAG大模型的检索增强生成内容，助力主机厂降低运维成本并提升用户服务响应速度，推动行业建立更灵活可靠的智能车辆生态系统，在应对数据隐私合规性与跨车型适配性挑战的过程中实现技术迭代。