
車1台をまるごとクラウドで動かす——Google Cloud×RemotiveLabsの『Vehicle-as-Code』は統合試験をどこまで前倒しできるか(深掘り#35)
本稿の主な略語
SDV(Software Defined Vehicle):ソフトウェア定義車両
E/Eアーキテクチャ:車両の電子制御ユニット、配線、通信、電源の全体構成
ECU(Electronic Control Unit):電子制御ユニット
仮想ECU(vECU):実際のECUのハードウェアがなくても、そのソフトウェアをPCやクラウド上で動かせるようにしたもの
AAOS(Android Automotive OS):Googleが提供する車載向けAndroid
Cuttlefish:Androidの公式の仮想実行環境。AAOSをクラウドやPC上で動かせる
CI(Continuous Integration):ソフトウェアの変更のたびに自動でビルドと試験を回す仕組み
HIL / SIL:実機の制御装置を模擬環境につないで試験するHardware-in-the-Loopと、ソフトウェアだけで試験するSoftware-in-the-Loop
MCU(Microcontroller Unit):マイクロコントローラー
ISS(Instruction Set Simulator):CPUの命令を1つずつ模擬して、実機用のバイナリをそのまま動かすシミュレーター
はじめに:統合試験は、なぜいつも最後に詰まるのか
2026年10月20日、Google CloudとRemotiveLabsは、車両全体の電子アーキテクチャを、ハードウェアがない段階からクラウド上のコードとして動かし、統合試験を行う取り組みを紹介した。両社はこれを「Vehicle-as-Code」と呼んでいる。
車載ソフトウェアの開発では、個々のECUのソフトウェアが単体では動いても、車両として組み合わせたときに初めて問題が見つかることが多い。そして、その組み合わせの試験は、試作車や試験ベンチといった実機がそろうまで本格的には始められない。結果として、統合の問題は開発の後半にまとめて噴き出す。
9月にはVolvo CarsがAccentureとGoogle CloudのHorizonに移行し、テストの高速化を報告していた。今回の発表は、その対象をインフォテインメントから車両全体へ広げようとするものだ。今回は、この取り組みの中身と、車両全体の仮想化に残る技術的な課題を掘り下げたい。
参照ソース:
発表の中身
Google CloudのFlorian Haubner氏とRemotiveLabsのPer Sigurdson CEOによるブログの内容を整理すると、次のようになる。
問題意識:ゲートウェイ、ボディコントローラー、ゾーンコントローラー、センサーやアクチュエーターのノードなど、多くのマイコンや制御装置はいまだに実機に縛られている。チームは試験ベンチやサンプルを待つことになり、統合は開発の後半にずれ込む
コックピット:AAOSは、Androidの公式の仮想実行環境Cuttlefishの中で、ArmベースのGoogle Cloudのインスタンス上で動く
車両全体:RemotiveLabsの「RemotiveTopology」が、自動車メーカーの既存のネットワーク設計ファイルをもとに、車両のネットワークの仮想版を自動で組み立てる。これによって、Cuttlefishで動くコックピットを、他の車載コンピューター、データネットワーク、信号とつなぐ
統合の前倒し:ADASとインフォテインメントを仮想車両の中で同時に動かし、CIの最初の段階から模擬ネットワーク越しに信号をやり取りさせられる
クラウドと実車の命令セットの一致:Armベースのインスタンス(Google Axion C4A metal)を使い、クラウドと車両で同じArmの命令セットを共有する。クラウドで動いたソフトウェアを、作り直しや再検証なしに実際の制御装置で動かすことを目標にしている
公開資産:RemotiveLabsは簡略化した仮想車両をGitHubでオープンソースとして公開しており、RemotiveTopologyはHorizonのモジュールとして提供される
両社は、初期の顧客との取り組みで統合のサイクルが10倍以上速くなったとしている。ただし、比較の基準や計測の方法、顧客名は示されていない。
「Vehicle-as-Code」は新しいのか
この考え方の核心は、E/Eアーキテクチャそのものを「実行可能な仕様」として扱う点にある。設計ファイルから仮想の車両ネットワークを自動で組み立て、ソフトウェアの変更のたびにCIで車両全体の振る舞いを確かめる。インフラをコードで管理するInfrastructure-as-Codeと同じ発想を、車両に持ち込んだものと言える。これが実現すれば、統合の問題を見つけるタイミングは、試作車ができてからではなく、ソフトウェアを変更した直後になる。
ただし、車両やECUを仮想的に組み上げて、実機より先に統合を確かめるという考え方自体は、昔からある。仮想ECUやバーチャルプロトタイピングは、車載のツールの世界で長く議論され、製品化もされてきた。
そして、その歴史の中で繰り返し問題になってきたのは、発想の良し悪しではなく、次の3点だった。
どのレベルまで抽象化するか:ECU単位で振る舞いを模擬するのか、MCU単位で命令や周辺機能まで模擬するのか。抽象化のレベルの選び方で、得られる結果の意味がまったく変わる
シミュレーション速度と正確さ:抽象度を下げて正確にするほど、シミュレーションは遅くなる。車両全体を同時に動かす場合、この差は致命的になる
モデルを用意する手間:正確な仮想モデルを作るには、ハードウェアの仕様と内部の振る舞いを詳しく知る必要がある。ECUの数だけ、MCUの種類だけモデルが必要になり、その作成と保守に大きな工数がかかる
今回の発表で新しいのは、クラウドのArmインスタンス、AAOSのCuttlefish、既存の設計ファイルからの自動構築、CIへの組み込みといった「仮想車両を回す仕組み」の部分だと考えている。上の3つの根本的な問題が解決されたわけではない。
残る課題:「いちばん小さなMCU」をどう仮想化するか
ブログのタイトルは「AAOSからいちばん小さなMCUまで」とうたっている。だが、マイコン側の仮想化の具体的な方法は、ブログには書かれていない。ここが、車両全体の仮想化でいちばん難しい部分だと考えている。
マイコンで動くソフトウェアを仮想環境で動かす方法には、大きく分けていくつかの段階がある。
アプリケーションだけを動かす:制御ロジックだけをPC向けにビルドし、周辺のソフトウェアやハードウェアは簡易なモデルで置き換える。手軽だが、実際の通信やタイミングの振る舞いは再現されない
基盤ソフトウェアまで含めて動かす:AUTOSARのベーシックソフトウェアなどを含めてPC向けにビルドする。通信やモード管理の振る舞いまで確かめられるが、マイコン固有の周辺機能やドライバーの部分は模擬に置き換える必要がある
実機用のバイナリをそのまま動かす:マイコン向けにコンパイルしたバイナリを、命令セットシミュレーターで動かす。最も実機に近いが、シミュレーターと周辺機能のモデルを用意する手間と、実行速度の問題がある
AAOSのようにArmのAコアで動くソフトウェアは、Armベースのクラウドで比較的素直に動かせる。一方、車両の大半を占める制御系のマイコンは、命令セットも、リアルタイムOSも、周辺機能もさまざまだ。「クラウドと実車で同じ命令セット」という利点は、Aコアには効くが、多様なマイコンには必ずしも当てはまらない。
筆者の視点:いつも「速度と正確さのトレードオフ」で頓挫してきた
ソフトウェアツーリングの現場で仮想ECUに関わってきた経験から言えば、この分野ではいつも、シミュレーションの速度と正確さのトレードオフが問題になってきた。
抽象度を上げれば、シミュレーションは速くなる。抽象度を下げれば、遅くなる。上の3つの段階で言えば、アプリケーションだけを動かす方法は速いが実機とのずれが大きく、実機用のバイナリを動かす方法は正確だが遅い。さらに正確さを求めて、クロックサイクル単位で振る舞いを再現するサイクルアキュレートなシミュレーションや、それよりも正確なマイコンの物理信号レベルのシミュレーションまで抽象度を下げると、速度は桁違いに落ちていく。
それを車両全体でやろうとすれば、数十から百を超えるECUを、物理信号レベルの正確さで同時に動かすことになる。それにどれくらいの時間がかかるのか、正直なところ見当がつかない。
もう一つの壁は、モデルを用意すること自体の大変さだ。どのECUレベル、どのMCUレベルまで抽象化するかを決め、その抽象度で十分に正確な仮想モデルを、車両に載るECUやMCUの数だけ用意しなければならない。正確なモデルほど、作るのにも保守するのにも手間がかかる。
とりわけ難しいのが、未来の車のモデルだ。仮想化が最も役に立つのは、ハードウェアがまだない開発初期のはずだが、そこで必要になるのは、まだ世に出ていないSoCやECUで構成される数年後の車両のモデルだ。チップの設計自体が固まっていない段階で、抽象度を下げた正確なモデルを用意するのはすごく難しい。既にある車両を仮想化するのと、これから作る車両を仮想化するのとでは、難しさがまったく違う。
過去の経験上、車両全体を高い正確さで仮想化しようとする取り組みは、シミュレーション速度の遅さと、将来のSoCで抽象度を下げることの難しさから、頓挫してきた。今回の取り組みが同じ壁にどう向き合うのかは、マイコン側の仮想化の方法が明らかになるまで判断できないと考えている。
さらに現場では、新しい仮想モデルが出来上がるタイミングが、実機が出来上がるタイミングとあまり変わらない、ということが往々にしてあった。ハードウェアより先に使えるはずの仮想モデルが、実機と同じ頃にしかそろわないのであれば、仮想化の価値は大きく損なわれる。こうした経験から、仮想化に否定的な技術者は少なくない。
特に日本のOEMでは、トップマネジメント層の技術者ほど、現地・現物・現実を重んじる「三現主義」が根強い。実際に動くものに触れて確かめることを何より重視する文化の中では、実機とのずれが残る仮想モデルの結果は、判断の根拠として信頼されにくい。仮想化を日本のOEMに根付かせるには、技術的な課題に加えて、「仮想モデルが実機より十分早く、十分な正確さでそろう」という実績を一つずつ積み上げて、この文化に応えていく必要があると考えている。
現実的には、目的に応じて抽象度を使い分けることになるだろう。車両全体の信号のやり取りや機能の組み合わせは、抽象度の高い速いモデルでCIを回し、タイミングやマイコン固有の振る舞いが問題になる部分だけを、抽象度の低い正確なモデルや実機で確かめる。すべてを1つの正確さでそろえようとしないことが、車両全体の仮想化を実用にするための条件だと見ている。
仮想試験で「確かめられること」と「確かめられないこと」
仮想車両の価値は大きいが、実機の試験を置き換えるものではないと考えている。
確かめられること:ECU間の信号のやり取り、機能の組み合わせの論理的な正しさ、ソフトウェアの変更が他の機能に与える影響、OTA更新の手順
確かめにくいこと:決められた時間内に処理が終わるかどうかといったリアルタイム性、実際の電気的なノイズや電源の変動への耐性、センサーの実際の特性、熱の影響
機能安全の観点でも、仮想環境での試験結果を安全の証拠として使うには、その仮想環境自体が実機の振る舞いをどこまで正しく再現しているかを示す必要がある。深掘り#34で取り上げたツール認定と同じ問題が、仮想環境にも生じる。
現実的な使い方は、仮想車両で論理的な統合の問題を早い段階でつぶし、実機での試験はタイミングや物理的な振る舞いの確認に集中させることだろう。HILやSILの前に「仮想車両でのCI」という段階が一つ加わる、と考えるとわかりやすい。
半導体ベンダーとOEMへの示唆
半導体ベンダーにとっては、自社のマイコンやSoCの仮想モデルを提供できるかどうかが、設計段階での採用を左右する要素になっていくと見ている。OEMが仮想車両でCIを回すようになれば、仮想モデルが用意されていないチップは、開発の初期段階で評価の土俵に上がりにくくなる。命令セットシミュレーターや周辺機能のモデル、仮想環境向けのドライバーを、チップの発売と同時に提供できるかが問われる。ただし、前節で書いたように、まだ設計が固まっていない将来のSoCについて正確なモデルを早い段階で出すのは難しい。どの抽象度のモデルを、どの時期に、どの精度で提供するかを、OEMと合意しておくことが現実的な落としどころになるだろう。
OEMにとっては、E/Eアーキテクチャの設計データを、仮想車両を自動で組み立てられる形で整備することが前提になる。設計ファイルが部門ごとにばらばらだったり、最新版が管理されていなかったりすれば、Vehicle-as-Codeは機能しない。Hirainが指摘した「版管理された証拠」の問題と同じく、ここでも構成管理が成否を分ける。
まとめ
2026年10月20日、Google CloudとRemotiveLabsは、車両全体のE/Eアーキテクチャをクラウド上のコードとして動かし、ハードウェアがない段階から統合試験を行う「Vehicle-as-Code」の取り組みを紹介した。初期の顧客で統合サイクルが10倍以上速くなったとしているが、基準や顧客名は示されていない
AAOSはCuttlefishでArmベースのクラウド上で動き、RemotiveTopologyが既存のネットワーク設計ファイルから仮想の車両ネットワークを組み立てて、コックピットと他のECUをつなぐ
核心は、E/Eアーキテクチャを実行可能な仕様として扱い、ソフトウェアの変更のたびに車両全体の振る舞いをCIで確かめることにある。ただし、車両を仮想的に組み上げるという考え方自体は昔からあり、新しいのはクラウドやCIで回す仕組みの部分だ。抽象化のレベル、速度と正確さ、モデルを用意する手間という根本的な問題は残っている
最大の課題はマイコン側の仮想化であり、アプリだけ、基盤ソフト込み、実機バイナリの命令セットシミュレーションのどの段階で再現するかで、手間と再現性が大きく変わる。Armの命令セットの一致という利点は、多様なマイコンには必ずしも当てはまらない
仮想ECUは常に速度と正確さのトレードオフに直面してきた。サイクルアキュレートや物理信号レベルの正確さを車両全体で求めると速度が桁違いに落ち、ECUやMCUの数だけ正確なモデルを用意する手間も大きい。特に、まだ存在しないSoCやECUで構成される未来の車のモデルを用意するのはすごく難しい。過去の取り組みはこの2つの壁で頓挫してきており、目的に応じて抽象度を使い分けることが実用化の条件になる
新しい仮想モデルが実機とほぼ同じ頃にしかそろわないことも多く、仮想化に否定的な技術者は少なくない。特に三現主義が根強い日本のOEMのトップマネジメント層には、仮想モデルが実機より十分早く、十分な正確さでそろうという実績で応えていく必要がある
仮想車両は論理的な統合の問題を早期につぶす段階として位置づけ、リアルタイム性や物理的な振る舞いは実機で確かめる。半導体ベンダーには仮想モデルの同時提供が、OEMには設計データの構成管理が求められていくのではないか
参考情報・ソース
Google Cloud Blog — Building full virtual vehicles on Google Cloud: from AAOS to the smallest MCU(2026年10月20日)
https://cloud.google.com/blog/topics/manufacturing/building-full-virtual-vehicles-on-google-cloud-from-aaos-to-the-smallest-mcuSDV Sector — Google Cloud and RemotiveLabs put a whole vehicle's E/E architecture in the cloud(2026年10月20日)
https://sdvsector.com/news/2026-10-20-google-cloud-remotivelabs-virtual-vehicleRemotiveLabs — remotivelabs-topology-examples(GitHub)
https://github.com/remotivelabs/remotivelabs-topology-examples