报告聚焦保时捷工程以客户为中心的汽车创新，围绕云端实时 AI 生态系统，阐述其自动驾驶与智能汽车研发体系、技术架构及三大核心应用场景，旨在缩短车辆研发周期、提升技术落地效率。

保时捷工程成立于 1931 年，是保时捷集团全资子公司，在全球 7 个国家布局 13 个研发中心，拥有 1700 名员工，深耕整车开发、底盘系统、电子电气架构、AI 工程、高压系统与电动化等领域，遵循 ASPICE、ISO26262 等行业标准，兼顾整车集成与品质管控。传统研发模式存在诸多痛点：以控制器为核心的工作流迭代周期长，数据采集依赖离线手动导出，测试配置重复性低，大规模车队测试管理与结果对比困难，实验室技术难以快速完成实车验证，严重拖慢 “车辆落地时间”。

为此，保时捷工程打造云端互联实时 AI 开发生态，构建 “车辆边缘端 - 云端数据湖 - 本地训练 - 车辆部署” 的闭环开发流程。硬件以搭载 NVIDIA Jetson 的 CarDataBox 为边缘设备，负责实车数据采集与边缘计算；云端依托 Azure IoT Hub、Docker 等搭建数据湖、模型仓库与弹性计算平台；本地部署 NVIDIA DGX B200 集群，支撑大模型训练与 workload 调度，搭配 comet、opik 实现模型追踪、评估与全生命周期管理。该生态实现跨平台软件研发、车队级数据采集与实时验证，模型更新可在分钟级完成，大幅提升研发效率。

基于该生态，保时捷工程落地三大自动驾驶核心应用。其一，信号基础模型，针对 ADAS 海量无标注信号数据，通过时序大模型将驾驶场景转化为可搜索的隐空间嵌入向量，实现相似场景检索、自然语言描述与场景生成，把原始数据转为可检索场景库，加速根因分析并扩大测试覆盖。其二，AI 修正赛车 GPS，针对高动态驾驶导致 GPS 误差 5-10 米的问题，采用 LSTM 模型融合 IMU、转向角等车辆传感器数据，误差降低 95%，定位精度提升至 1-2 米，满足赛车级轨迹与圈速计时需求。其三，AI 智能车队诊断，通过多智能体专家系统（ADAS、底盘、电池等智能体），实现诊断协议级异常检测，分析时间从数小时缩短至 1 分钟内，车队健康度达 99.8%，降低对专业专家的依赖。

综上，保时捷工程通过云端 AI 生态彻底重构研发模式，将实验室验证升级为车队级实车评估，有效解决传统研发效率低、验证难的问题。三大应用场景分别实现 ADAS 场景智能化、高动态定位精准化、车队诊断高效化，为保时捷智能网联汽车与自动驾驶技术提供高效、可扩展的研发支撑，加速前沿技术从研发到量产的转化。

免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系