ITS Knihovna
Kontakt

Chcete nás kontaktovat? Napište nám na

Novinky
AI získá na významu až po vybudování základů softwarově definovaných vozidel
18. 9. 2026

AI získá na významu až po vybudování základů softwarově definovaných vozidel

Zpráva společnosti QNX o vývoji softwarově definovaných vozidel (SDV) ve Velké Británii poukazuje na výrazné regulační překážky, obavy z kybernetické bezpečnosti a dlouhé vývojové cykly.

Umělá inteligence je často představována jako technologie, která určí podobu příští generace softwarově definovaných vozidel. Vývoj SDV však může v první řadě záviset na vyřešení některých mnohem méně viditelných problémů: softwarové architektury, kybernetické bezpečnosti, integrace, testování a plnění regulačních požadavků. Rozhovor s Niko Boekerem ze společnosti QNX nabízí zajímavé připomenutí, že pokročilé funkce AI lze ve velkém měřítku nasadit pouze tehdy, pokud jsou základy pod nimi spolehlivé.

Jednou z největších výzev pro evropské vývojáře vozidel je potřeba zavádět pokročilý software do architektur, které se vyvíjely po mnoho let. Na rozdíl od výrobců, kteří vyvíjejí vozidla na takzvané zelené louce, musejí evropští výrobci automobilů (OEM) často integrovat nové funkce ADAS a softwarové funkce do složitých stávajících (legacy) systémů. Boeker poukazuje na virtualizaci, architektury se smíšenou kritičností (mixed-criticality architectures) a předcertifikované softwarové základy pracující v reálném čase jako na způsoby, které umožňují různým funkcím sdílet hardware a zároveň udržet bezpečnostně kritické aplikace izolované.

Regulace tvoří další významnou součást této rovnice. Akt o kybernetické odolnosti (Cyber Resilience Act), GDPR a další požadavky zvyšují množství práce spojené s plněním předpisů při vývoji automobilového softwaru. Jedním z navrhovaných řešení je posunout ověřování shody a validaci do dřívějších fází vývojového procesu. Tento přístup, označovaný jako „shift-left“, využívá virtualizované testování a cloudová vývojová prostředí k identifikaci problémů dříve, než je dokončen fyzický hardware.

Stejný princip platí i pro AI. Namísto toho, aby odvětví přistupovalo k umělé inteligenci jako k okamžité odpovědi na každou výzvu v automobilovém průmyslu, může nejprve potřebovat vytvořit bezpečné a certifikovatelné softwarové platformy, na kterých mohou funkce AI fungovat. To je obzvláště důležité, protože s rostoucí závislostí vozidel na softwaru a konektivitě se zvyšují rizika v oblasti kybernetické bezpečnosti. Výzkum společnosti QNX ukázal, že 68 % britských vývojářů považuje nedostatek odborníků na kybernetickou bezpečnost za zásadní problém.

Rozhovor nabízí také zajímavý pohled na autonomní řízení. Očekávání zůstávají vysoká, ale cesta k plné autonomii bude v Evropě pravděpodobně pomalejší kvůli zastaralým architekturám, roztříštěné regulaci a náročné validaci bezpečnosti. To však nutně neznamená, že Evropa zaostává. Její inženýrské zkušenosti a přístup zaměřený na bezpečnost by se mohly stát významnými přednostmi, jakmile autonomní systémy dospějí.

Nejužitečnějším poznatkem možná je, že budoucnost SDV nebude určována pouze nejpůsobivější funkcí AI. Vybudování škálovatelných softwarových základů, integrace bezpečnosti od samého počátku a zvýšení plynulosti vývoje mohou být v konečném důsledku tím, co tyto pokročilé funkce vůbec umožní dostat do vozidel.

Více informací o tématu najdete zde.

Celý článek najdete zde.

AWAN, Zahra. INTERVIEW: QNX’s Niko Boeker discusses AI and the future of SDVs in the UK. Automotive Testing Technology International [online]. 29. října 2025 [cit. 2026-09-10]. Dostupné z: https://www.automotivetestingtechnologyinternational.com/news/software-engineering-sdvs/interview-qnxs-niko-boeker-discusses-ai-and-the-future-of-sdvs-in-the-uk.html

Obrázek: ChatGPT

 

Pokračujte ve čtení

Uber buduje datový motor pro autonomní řízení v reálném světě
11. 9. 2026

Uber buduje datový motor pro autonomní řízení v reálném světě

Společnost Uber spouští novou divizi nazvanou AV Labs, která má za cíl urychlit rozvoj ekosystému autonomních vozidel. Tento specializovaný tým se zaměří na překonání současné největší překážky v oboru – získávání a analýzu dat o vzácných a neobvyklých situacích z reálného silničního provozu.