Le nuove generazioni di veicoli sono vere e proprie software-defined cars, progettate per evolvere nel tempo grazie a software, AI e aggiornamenti OTA: sono ormai più simili a dispositivi digitali che a mezzi meccanici. Ma perché queste auto possano davvero ‘pensare’, ‘prevedere’ e ‘collaborare’ tra loro, è indispensabile un ecosistema distribuito che metta in sinergia cloud provider, reti mobili, infrastrutture edge, specialisti di AI e piattaforme di interconnessione neutrali.
Autore: Redazione InnovationCity
Le, forse troppo ottimistiche, previsioni sulle auto autonome ci avevano suggerito che a questo punto avremmo tutti avuto in garage almeno un veicolo capace di muoversi da solo. La realtà è invece più sfumata: oggi la maggior parte delle vetture si colloca ancora tra il Livello 2 e il Livello 3 della classificazione SAE, dove algoritmi e sensori supportano frenata, sicurezza e assistenza avanzata, nonostante gli OEM (original equipment manufacturer) abbiano già sviluppato prototipi di Livello 4, utilizzati nei robotaxi, e stiano lavorando su modelli di Livello 5, privi di volante o pedali.
“Il punto di svolta non è solo tecnologico, ma infrastrutturale” commenta Eric Hui, Director Business Development - IoT Ecosystems, Asia Pacific di Equinix, società di infrastrutture digitali a livello globale. “Le nuove generazioni di veicoli sono vere e proprie software-defined cars, progettate per evolvere nel tempo grazie a software, AI e aggiornamenti OTA: sono ormai più simili a dispositivi digitali che a mezzi meccanici. Ma perché queste auto possano davvero ‘pensare’, ‘prevedere’ e ‘collaborare’ tra loro, è indispensabile un ecosistema distribuito che metta in sinergia cloud provider, reti mobili, infrastrutture edge, specialisti di AI e piattaforme di interconnessione neutrali”.
Gli OEM stanno sempre più facendo affidamento sull’intelligenza artificiale per accelerare lo sviluppo di nuove funzionalità dei veicoli, con particolare attenzione a migliorare la user experience e la sicurezza. Pur avendo già raggiunto risultati significativi, quest’ultimi continuano a esplorare nuove opportunità e a spingere i confini di ciò che è possibile. Di seguito, tre casi emblematici in cui l’AI sta guidando il progresso nell’industria automotive.
Primo caso: Esperienza utente avanzata e servizi personalizzati. Gruppi automobilistici globali come Hyundai Motor Group sono costantemente impegnati a migliorare l’esperienza cliente attraverso l’installazione nei loro veicoli di servizi personalizzati tra cui intrattenimento, navigazione, monitoraggio del benessere del conducente e raccomandazioni contestuali basate su profili e preferenze. Per fare ciò è stata creata, la piattaforma proprietaria HCloud che alimenta servizi avanzati di connected car (CCS) per oltre 10 milioni di abbonati, abilitando una connettività senza interruzioni per intrattenimento e applicazioni mobili. Per sostenere l’aumento esponenziale delle esigenze di elaborazione in tempo reale, connettività fluida e scalabilità Hyundai ha quindi integrato HCloud in un’architettura ibrida multicloud affidandosi alle infrastrutture di interconnessione distribuite di Equinix, che gli consentono di collegare la piattaforma a diversi provider cloud, tra cui AWS, per garantire prestazioni uniformi a livello globale.
Secondo caso: Sicurezza e guida autonoma, test e validazione in real time. Tensor, un'azienda americana specializzata in intelligenza artificiale e auto robotizzate, ha annunciato il lancio della prima Robocar personale completamente autonoma al mondo nel 2026.
Tuttavia, garantire la sicurezza di un veicolo così avanzato richiede valutazioni continue e rigorose in ogni fase dello sviluppo. Per far fronte a ciò, l’azienda ha strategicamente collocato i propri carichi di lavoro di valutazione AI nei data center AI-ready di Equinix.
Un tassello particolarmente importante di questa strategia è rappresentato dall'implementazione di Tensor in Medio Oriente, più precisamente nel data center di Dubai, che consente l’elaborazione dati in tempo reale e la valutazione dei modelli vicino alle operazioni dei veicoli, contribuendo a garantire una guida più sicura, precisa e affidabile per i clienti.
Terzo caso: Accelerazione del design ADAS attraverso infrastrutture AI distribuite. Il team ADAS (Advanced Driver Assistance Systems) di Continental si è trovato di fronte alla necessità di elaborare oltre 150 terabyte di dati, provenienti da immagini e sensori di veicoli da tutto il mondo e archiviati in un repository centralizzato, per informare le decisioni di progettazione prese da centinaia di ingegneri a livello globale e migliorare la sicurezza dei veicoli connessi e autonomi. Per fare ciò, l’azienda ha sfruttato l’infrastruttura AI distribuita di Equinix per costruire e interconnettere un cluster AI-driven NVIDIA DGX GPU con IBM Elastic Storage System 3000. Questo approccio AI scalabile e a prova di futuro ha ridotto i tempi di training da settimane a giorni, offrendo accesso ai dati in tempo reale, sicurezza avanzata e migliori controlli sulla privacy dei dati per accelerare lo sviluppo degli standard di sicurezza.
Come sottolinea Simon Lockington, Senior Director, Solutions Architects – APAC di Equinix: “Tutti questi casi d’uso dimostranol’importanza per gli OEM di dotarsi di infrastrutture AI distribuite ovunque risiedano i loro dati. Solo così le ‘software-defined cars’ potranno evolvere in sicurezza, gestire trasferimenti di dati tra edge, cloud e reti mobili differenti, e offrire prestazioni stabili e aggiornamenti continui in ogni percorso”. Perché la diffusione della mobilità autonoma non arriva all’improvviso, ma è il risultato di un ecosistema che lavora in sinergia: piattaforme AI più potenti, modelli addestrati su grandi volumi di dati, servizi cloud affidabili e infrastrutture in grado di collegare tutto questo senza interruzioni. Ed è qui che la tecnologia smette di essere una promessa e diventa un’esperienza quotidiana.