合作伙伴

TIER IV 和 Astemo 计划开发平台用于端到端自主驾驶 AI

mm
将 Unite.AI 添加到您在 Google 上的首选来源

TIER IV,位于东京的公司,背后是开源自动驾驶软件 Autoware,已与汽车供应商 Astemo 签署了谅解备忘录,以共同开发下一代端到端自动驾驶 AI 开发平台,公司于 2026 年 8 月 5 日 宣布。该平台计划在 2030 年左右实现商业化,Astemo 计划在 2030 年初将端到端 AI 模型部署在乘用车中。

该协议围绕 TIER IV 的 Co-MLOps 展开,这是一种用于自动驾驶开发的协作数据共享系统。根据协议,Astemo 将获得 Co-MLOps 架构和相关技术的许可,以建立一个涵盖 AI 模型开发整个循环的平台:从数据收集、处理、训练、评估到持续改进,以满足大规模生产车辆的质量和安全要求。

端到端(E2E)模型将感知、规划和控制融入单一的学习过程,而不是将单独设计的模块链接在一起,它们正在成为下一代驾驶员辅助和自动驾驶系统的基础。TIER IV 的路线图明确指出,这是实现 Level 4+ 自主驾驶的关键技术之一。

“将 E2E 自主驾驶 AI 模型推向现实世界部署,需要同时推进大规模生产的就绪性和 AI 开发基础设施,”TIER IV 的创始人和 CEO Shinpei Kato 在宣布中表示。“我们很高兴能够通过提供 Co-MLOps 解决方案和相关技术的许可来加深与 Astemo 的合作。”

Astemo 的执行副总裁、CTO 和 CISO Hiroshi Tamagawa 表示,公司旨在加强其正在开发的车联网平台,并将技术扩展到汽车行业以外的更广泛的移动应用中。

两家公司同意建立什么

谅解备忘录概述了两个轨道。第一个是平台本身:Astemo 获得 Co-MLOps 架构的许可,并与 TIER IV 一起建立一个开发环境,集成了从数据收集到模型评估和持续改进的功能,计划在 2030 年左右实现商业化。在此同时,Astemo 将建立一个内部框架,用于持续开发满足大规模生产质量和安全要求的 E2E 模型。

第二个轨道是关于 Level 4+ 自主驾驶的 E2E 模型的联合研究。两家公司将利用平台工作中获得的见解和技术资产来定义和对齐 E2E 自主驾驶 AI 的技术要求,并起草中到长期的开发路线图。宣布的目标是:Astemo 计划在 2030 年初将 Level 4+ E2E AI 模型部署在乘用车中。

这种分工发挥了双方的优势。TIER IV 领导 Autoware 的开发,并围绕它建立了 AI 开发基础设施;Astemo 作为由日立和本田的汽车零部件业务组成的供应商,带来了功能安全合规和车辆集成经验,涵盖了制动、悬挂、动力总成和 ADAS 产品。

Co-MLOps 的工作原理

Co-MLOps,即协作机器学习运营,是 TIER IV 对自动驾驶 AI 中一个结构性问题的解决方案:每家公司都收集自己的驾驶数据并建立自己的开发管道,重复劳动,而较小的玩家难以收集足够的数据来训练具有竞争力的模型。TIER IV 于 2024 年 1 月 启动了该项目,允许参与公司在隐私和安全控制下共享管理的传感器数据,并在池化的数据集上运行共同的 MLOps 函数。参与者保留自己的专有技术、功能安全流程和质量控制。

2023 年的初始概念验证收集了来自八个地区的视频数据,包括日本、德国、波兰、台湾、土耳其和美国,并利用这些数据训练了在 10 瓦功率以下运行的多任务感知模型。该平台建立在 Amazon Web Services 基础设施上,采用云原生方法,计划在路线图中实现对空中更新的识别模型。

Astemo 已经是这个生态系统的一部分。两家公司都参与了 Autoware 基金会SOAFEE 计划,并之前在 Open AD Kit 的参考实现上进行了合作,这是一个基于 Autoware 的云原生开发框架。Astemo 也自 Co-MLOps 项目启动以来就参与其中。

达成协议的道路

谅解备忘录正式化了一段近两年的合作关系。2024 年 10 月,TIER IV 和当时的日立 Astemo 启动了一项联合计划,专注于自动驾驶系统和软件定义的车辆,建立在 SOAFEE 兼容的架构上,将 Autoware 作为核心驾驶软件。该努力也瞄准了 2030 年左右的大规模生产车型。

TIER IV 的技术线也朝着相同的方向发展。公司于 2025 年 7 月发布了 Autoware 的 E2E 架构,然后在 2026 年 3 月 发布了面向 Level 4 自主驾驶的数据驱动 AI 软件栈,可配置为混合系统(感知 AI 与扩散模型规划配对)或利用世界模型概念的完整 E2E 流水线。为了验证这些栈,TIER IV 开始在东京、匹兹堡和慕尼黑进行大约一小时的监督测试,分别使用不同的车辆、芯片和传感器套件,与东京大学、卡内基梅隆大学和慕尼黑工业大学合作。每辆车都有一名安全驾驶员,如当地法规所要求。

Astemo 的协议将这一弧线从软件栈扩展到生产管道。谅解备忘录结合了 TIER IV 的 AI 开发平台专业知识和 Astemo 的功能安全合规和车辆集成经验。Astemo 获得了一个用于 E2E 模型的许可开发平台,而无需从头开始构建 MLOps 机制。

首个预定标志是 2030 年左右的联合开发平台商业化,其次是 Astemo 在 2030 年初计划在乘用车中部署 Level 4+ E2E 模型——公司将这些日期描述为目标,目前正在进行联合需求研究和路线图工作。

艾拉·尼克斯 是 Unite.AI 的人工智能分析师,负责报道交通、移动系统和自动化技术中的人工智能。她关注人工智能如何重塑自动驾驶汽车、航空系统、铁路网络和公共交通——在这些领域,创新与可靠性、安全性和实际部署同样重要。

以技术和前瞻性视角,艾拉研究了感知系统、自主栈、模拟和安全验证在陆地、空中和城市移动中的进展。她特别关注人工智能驱动的自动化如何被测试、监管和集成到现有的基础设施中,以及这些系统如何平衡效率增益与公众信任和风险管理。

艾拉·尼克斯撰写的文章由人工智能生成并由 Unite.AI 的编辑团队审查,以确保对人工智能在交通和自动化系统中不断演变的作用进行准确、清晰和负责任的报道。