自動車向けソフトウェア開発には、本質的なパラドックスが存在します。車両はますます複雑化しており、ソフトウェアの数も、センサーの数も、相互依存関係も増えているにもかかわらず、検証の期間はますます短くなっています。この「リアリティギャップ」を埋めるためには、AIモデルとフレームワークを物理的なハードウェアに対してリアルタイムで検証できるイノベーションラボが業界に必要です。
OEMとそのエンジニアリングパートナーは、高価でセキュリティ上の配慮が必要であり、物理的な制約もあるプロトタイプハードウェアを使いながら、最高水準のソフトウェア品質をより迅速に、より効率的な納期で、かつより低コストで提供するよう求められています。
ほとんどの組織が求める答えは、さらなる自動化とイノベーションの導入です。しかし、シミュレーション環境を基盤とする自動化では、依然としてギャップが残ります。遅かれ早かれ、ソフトウェアは実際のハードウェア上で、実際の条件下で動作しなければならないからです。シミュレーションと現実のギャップは、最悪のタイミングで問題を引き起こす傾向があります。
考えるべき問いは、単により多くの自動化をどのように実現するかではなく、その自動化をどこに実装すべきか、そして信頼性を確保するためにどのようなインフラストラクチャが必要かということです。
エンジニアリングコラボレーションの強化
自動車エンジニアリングでは、ハードウェアリソースと開発チームがしばしば世界中に分散しています。大規模なOEMおよびTier 1パートナーにとって、物理的なテストベンチ（ヘッドユニット、クラスター、ECU）へのアクセスを管理しつつ、さまざまな地域でソフトウェアバージョンの整合性を維持することは、非常に大きな課題です。
Intelliasは、専用のEngineering Garageを通じてこの課題に対処しています。これは、TISAX Acceptance Level 3認定を受けたインゴルシュタットの施設であり、数十台のベンチと専用のプロトタイプ車両エリアを備えたラボを有し、95%の稼働率を維持しています。2つの独立したネットワークを介した安全なリモートアクセスにより、ハードウェアはIntelliasのエンジニアリングチームとOEM側のチームがどこからでも更新・監視できるリソースとなります。
この構成では、ハードウェアを操作できるかどうかは、エンジニアがラボに物理的に近いかどうかではなく、安定したネットワーク接続の有無に完全に左右されます。しかし、リモートアクセスがあるだけでは、競争力を維持するには不十分です。安全性を損なうことなく、より迅速な開発サイクル、拡張されたテスト機能、およびコスト効率性に対する市場の要求に応えるためには、業界はエンジニアリングアプローチ全体を見直す必要があります。
Engineering Garage内に設置されたAI R&D Labは、物理インフラとインテリジェントオートメーションおよびAI検証機能を連携させます。これにより、AIフレームワークを実際の環境下でテスト・改善し、シミュレーションのみではなく、要件に記載された期待される動作と比較してベンチマークすることが可能になります。
AI R&D LabでAIが実際に何をしているのか
Vモデルのエンドツーエンドの自動化は、Intelliasの自動車エンジニアリングにおけるAI戦略の柱の1つであり、業界で主流となっている単独の単一目的ツールとは異なるアプローチを実現しています。Intelliasの専任チームは、Vモデルのすべてのフェーズ（要件の生成からテストの実装、受け入れフェーズまで）に対応する、コンポーザブルなAIエージェントのフレームワークを開発しています。これにより、ルーチン作業はAIに委任し、重要なエンジニアリングの意思決定は人間の管理下に残されます。
以下に、当社のラボで実機を用いて改良を重ねることで、すでに構造的なメリットをもたらしているAIフレームワークとユースケースの例をご紹介します。
- 画像および動画の分析。AIおよびVision-Language Modelsは、目視検査における手作業のボトルネックに直接アプローチします。これらのフレームワークはカメラフィードを分析することで、以前は手作業による確認が必要だったソフトウェアバグ、レンダリングアーティファクト、インターフェースのレイテンシを特定します。主な例として、Verification & Validation Acceleratorが挙げられます。これは、IntelliasがCES 2026で発表したAI搭載プラットフォームで、テストエンジニアのコグニティブツインとして機能し、詳細なレポートを生成することで、エンジニアが観察ではなく分析に集中できるようにします。
- AIを活用した車載テストアシスタント。このユースケースは、車載テストの経済性を根本的に変えます。従来、これには2人体制、つまりドライバー兼テスターとテストエンジニアが連携してテストシナリオを実行し、テレメトリをモニタリングすることが必要でした。アシスタントの作業を、スクリプトを実行しテレメトリを監視するAIシステムに委ねることで、人間がループ内に留まりながら複数の車両を同時にテストでき、生産性が2倍になります。スループットが2倍になるだけでなく、テスト作業を24時間365日稼働させることが可能になり、コスト効率が大幅に向上します。
- Vモデルループの自動化。当社はAIを活用し、要件から直接テストケースを生成し、逆に既存のテスト文書を正式な要件にリバースマッピングすることで、設計と検証のギャップを埋めています。これにより、複雑なプロジェクトでしばしば文書化のずれにつながる手作業によるオーバーヘッドが解消されます。
当社のより広範なAI戦略の一環として、これらのフレームワークは、社内のチームだけでなく、クライアントとそのパートナーにも利用できるように設計されています。これにより、ラボで実証されたイノベーションを、クライアントの生産サイクルにシームレスに統合することが可能になります。
実機でのテストが可能性を変える
AIソリューションを制御されたソフトウェア環境でテストすることと、実際に連携するハードウェア上で検証することの間には、大きな違いがあります。AI R&D Labが提供するアプローチは、まさにそのギャップを埋めるために特別に設計されています。
AIツールを実際のハードウェアや実車両内でテストすることで、シミュレーション単独ではカバーできない検証シナリオを再現できます。これは開発スピードにとって重要です。新しいAI主導のアプローチがエンドユーザーのハードウェア上で直接検証されると、フィードバックループが数か月から数日に短縮されます。クライアントは、実際の条件下での動作を評価し、予測されるパフォーマンスではなく、実際の証拠に基づいて導入を決定できます。
1回のハードウェアデモが、数千回の仮想テストに匹敵
自動車業界では、AIコンセプトや仮想シミュレーションが数多く存在します。しかし、実際の課題は多くの場合、これらのアイデアをスライド資料から実際の量産前ハードウェアへと移行することにあります。
IntelliasのEngineering GarageやインゴルシュタットのAI R&D Labのような施設は、この移行のための実践的な環境を提供します。ここでは、AIを活用したPoCが、実際のECUや車両での反復的なテストを通じて、量産レベルのツールへと進化します。ここが戦略とハードウェアが出会う場所です。IntelliasがSDLC全体で適用する構造化されたAI手法は、実際の自動車エレクトロニクスの物理的制約のもとで検証されます。
方向性は明確です。AIプロジェクトの数が増えるにつれて、このラボは、それらをコンセプトから検証済みのフレームワークへと、純粋にシミュレーションされた環境で可能なよりも迅速に移行するためのインフラストラクチャを提供します。クライアントとそのTier 1パートナーにとって、「AIの検討」と「自社のハードウェアでの検証」の間のギャップは縮まりつつあります。
