如何通過人工智能（AI）克服汽車軟件開發(fā)挑戰(zhàn)？

關于“如何通過人工智能（AI）克服汽車軟件開發(fā)挑戰(zhàn)”的網(wǎng)絡研討會，本文總結了研討會的關鍵觀點以及相關白皮書和專訪，幫助讀者更好地了解汽車軟件行業(yè)中的最新趨勢和解決方案。

汽車軟件行業(yè)經(jīng)歷了一場迅速而深刻的變革，為整個汽車行業(yè)帶來了翻天覆地的改變。這一變革的核心是汽車的軟件定義化，標志著汽車不再僅僅是機械的交匯點，而是演變?yōu)橐攒浖楹诵牡?a target="_blank">智能移動平臺。

隨著軟件定義汽車的興起，汽車的硬件和軟件架構迅速演變。

傳統(tǒng)的機械結構逐漸被現(xiàn)代電氣/電子架構所取代，為車輛提供了更高級、智能化的功能。變革不僅僅是技術上的進步，更是對汽車性能、安全性、和功能要求提出了更為復雜和嚴苛的挑戰(zhàn)。汽車是智能化的移動生態(tài)系統(tǒng)，性能要求的提高讓車輛更加靈敏、高效，安全性的要求使得汽車系統(tǒng)需要更加可靠和智能，而功能要求的增加則推動了車輛擁有更多先進的智能功能。

五大挑戰(zhàn)

挑戰(zhàn)#1：簡化汽車軟件系統(tǒng)初始架構定義

"在開發(fā)的初期，生成式AI可以為我們提供框架和樁代碼，使我們能夠組裝工具以能夠交付代碼。" Dave Tsai，Toyota Connected的工程副總裁

AI的解決辦法利用生成式AI和大型語言模型（LLM）生成復雜系統(tǒng)的架構和設計模式

挑戰(zhàn)#2：在敏捷CI/CD開發(fā)環(huán)境中保持ASPICE認證

“在Toyota，我們在項目開始階段為我們所做的一切都制定非常詳細的規(guī)格和需求文檔。如果我們能夠將這些文件輸入到一個大型語言模型中，并讓它自動生成一個強大的測試套件，那將是非常棒的。” Dave Tsai，Toyota Connected的工程副總裁 AI的解決辦法使用自然語言處理（NLP）工具評估要求文檔和問題追蹤器，生成測試用例和期望結果

挑戰(zhàn)#3：可視化軟件子系統(tǒng)之間的依賴關系

“在測試和生產(chǎn)運行過程中，我們產(chǎn)生了大量的數(shù)據(jù)。手動篩選這些數(shù)據(jù)，找到可以幫助我們調(diào)試和改進產(chǎn)品的數(shù)據(jù)所需的資源是巨大的。一個可以解析數(shù)據(jù)并隔離有用信息的工具將加速開發(fā)并降低成本?！?Lisa Perez Savage，Aptiv的安全技術負責人

AI的解決辦法是利用能夠跟蹤數(shù)據(jù)和執(zhí)行流程的AI工具

挑戰(zhàn)#4：保持測試覆蓋率，避免失控

“對于我們的遠程信息平臺，我們有一組通信API的規(guī)范，并且我們的計劃中是將混沌工程融入到這些規(guī)范中，以便我們可以模擬或測試可能已預見和未預見的情景。” Imad Zahid，TMNA Connected Technologies的AI應用設計工程經(jīng)理

AI的解決辦法是運用混沌工程原則，隨機化系統(tǒng)行為的變量組合，確保對潛在場景的充分覆蓋

挑戰(zhàn)#5：創(chuàng)新工具和流程以提高效率

"市面上存在一些工具，它們可以掃描提交的代碼的質量和數(shù)量，這將為我們提供治理，基于人工智能進行一些活動。首先是控制正在檢查的代碼的質量，因為我們有一套良好代碼的標準最佳實踐。如果代碼是由一組開發(fā)人員一致地檢查的，人工智能實際上可以告訴我們?nèi)绾卧诮M織和治理的角度進行修復。人工智能還可以揭示潛在的安全漏洞，無論是代碼正在被檢查還是從知識產(chǎn)權盜竊的角度來看代碼正在被提取。" Dave Tsai，Toyota Connected的工程副總裁

AI的解決辦法是生成式AI工具通過從軟件開發(fā)工具鏈內(nèi)生成變更文檔，進入自學習循環(huán)，幫助管理系統(tǒng)復雜性的加速變化

小結

在當前技術突破的邊緣，生成式AI和LLM正在徹底改變我們設計、開發(fā)和測試軟件的方式。這些AI工具不僅能夠幫助開發(fā)人員應對系統(tǒng)復雜性，還能提高測試效率、確保測試結果與要求一致，并在敏捷開發(fā)中實現(xiàn)更快的更新周期。這一新趨勢將為汽車軟件行業(yè)帶來嶄新的發(fā)展方向。

審核編輯：劉清