以客户为中心的创新 —— 保时捷工程汽车行业 AI 应用
发布方：Porsche Engineering（保时捷工程）
一、公司概况
保时捷股份公司100% 子公司，1931 年创立 全球13 个办公地点，员工约1700 人 布局：德国、中国、美国、意大利、东欧等 核心能力：整车开发、底盘、电子电气架构、AI、高压 / 电动化、智能驾驶
二、转型背景：从传统流程到云边协同
原有痛点
以控制器为中心、离线采集、人工导出数据 迭代周期长、车队测试难管理、实验室与实车脱节
新开发循环
车辆边缘设备 → 云端数据湖 → 本地训练 → 回灌部署
边缘：CarDataBox（NVIDIA Jetson）实时采集 云端：Azure IoT、数据湖、模型管理 本地：NVIDIA DGX 集群训练 价值：分钟级车内验证、全球统一模型生命周期
三、三大 AI 落地用例
1. 信号基础模型
场景：ADAS 信号聚类、异常检测 能力：把海量未标注数据转为可搜索场景库 价值：快速相似检索、根因分析、扩大测试覆盖
2. AI 校正赛车 GPS
痛点：普通 GPS 误差 5–10 米，高动态驾驶失效 方案：LSTM 融合 IMU / 底盘信号修正定位 效果：误差降至1–2 米，精度提升约 95% 适用：赛道计时、高性能驾驶
3. 解码舰队（AI 代理诊断）
场景：开发车队海量数据异常诊断 方案：多 AI 代理（ADAS / 底盘 / 电池）自动分析 价值：分析从小时级缩至分钟级，降低专家依赖
四、核心价值总结
缩短实车验证周期，从实验室直达车队 信号模型：提升 ADAS 测试与安全量化效率 赛车 GPS：高动态场景定位精度大幅提升 代理诊断：车队数据处理更高效、更透明
部分报告预览 ↓
