軟件定義汽車，是目前幾乎所有汽車廠商都掛在嘴邊的一個概念，其核心是智能汽車的價值從硬件向軟件轉移。未來汽車的硬件很可能是不賺錢的，利潤主要來自軟件；消費者評價一款智能汽車高不高端不僅要看它的硬件參數，更要看它的軟件水平。軟件定義汽車這個概念是與汽車的智能化水平息息相關的，只有當自動駕駛和智能座艙足夠好用，軟件才有可能定義汽車。

從大的趨勢上看，軟件定義汽車是沒有什么疑問的。但是正如我們距離真正的完全自動駕駛還非常遙遠，軟件定義汽車雖然人人在說、人人在做，卻仍是一個長久的議題，實現起來困難重重。最直接的困難不是什么高不可攀的技術高峰，而是無處不在、防不勝防的軟件淺坑：BUG。

電腦藍屏相信大家都遇到過，如果智能汽車的自動駕駛系統也“藍屏”，將會帶來非常嚴重的后果。

是軟件就會有BUG，有的BUG無關癢痛，但有的BUG則會帶來非常嚴重的后果。對普通人來說，一次office崩潰或者電腦藍屏就足以令人抓狂；而在工業、科技領域，BUG可能會造成數以億計的損失，甚至給生命帶來威脅。最出名的BUG應該是千年蟲（系統里的年份用兩位數表示，導致2000年被錯誤識別為1900年），在上世紀90年代末全球耗費數十億元來解決處理這個問題。

軟件系統越復雜就越容易出BUG，而未來智能電動汽車的軟件代碼可能會超過十億行，是最復雜的軟件系統。作為對比，美國最先進的F35戰斗機有2400萬行代碼，office軟件有4000萬行代碼，Windows 10操作系統大約有一億行代碼。在十億行代碼中不出現BUG基本上是不可能的。智能座艙和自動駕駛是智能汽車軟件系統當中最復雜的兩個部分。在智能座艙部分，BUG可能會導致用戶體驗的下降、用戶信息的泄露；在自動駕駛部分，BUG可能會造成可靠性的下降，甚至會導致事故的發生。

目前的汽車軟件系統大約有一億行代碼，而未來智能汽車的軟件系統代碼行數可能會突破十億行。

目前鬧得沸沸揚揚的特斯拉“剎車失靈”事件就展現了智能汽車可能會遇到的一系列軟件問題。特斯拉采用了博世的iBooster電動助力剎車系統，剎車助力的策略和各項參數可以通過軟件來調整。于是特斯拉通過OTA升級就能提升車輛的剎車性能，可以說是“軟件定義汽車”的典型案例。但是另一方面，特斯拉對iBooster的控制軟件做了大量的修改，而這些修改很可能帶來了一些缺陷，這被廣泛認為是“剎車失靈”的主要原因。

自動駕駛往往采用了復雜的神經網絡算法，研發人員用海量的真實路況和人類駕車數據來訓練算法，讓神經網絡理解這些數據，并復現人類駕車時的反應。這種算法被廣泛應用在AI領域，解決了不少難題。但這種先進的算法也有可能存在BUG和缺陷。在2019年，美國最大點評網站 Yelp的工程師訓練了一個用來消除 BUG 的神經網絡。讓人意想不到的是，這個神經網絡把所有代碼都刪除了，從而徹底地“消除”了BUG。這樣的問題同樣可能出現在自動駕駛領域。

神經網絡算法是一種黑箱算法，在輸入的數據和輸出的決策之間存在一個黑箱。也就是說，研發人員其實并不清楚機器到底是如何通過輸入的數據形成最終決策的。對于自動駕駛這種需要極端安全性和可靠性的應用場景來說，黑箱的存在無疑是個巨大的隱患。直到發生了事故，我們才會知道算法有問題，但是問題在哪兒卻又是不可知的。這又給事故的調查和監管帶來難題。

即使車企的工程師們開發出了一種相對完善的軟件系統，并不意味著它們完全避免了嚴重的BUG，日益頻繁的OTA很可能會帶來新的問題。在“軟件定義汽車”概念中，OTA空中升級是極為重要的一環，通過OTA可以不斷賦予車輛新的功能。車企的軟件OTA頻率正在逐漸向手機廠商靠攏，未來將可能實現每個月都有升級。然而手機軟件的測試流程相對簡單，智能汽車軟件系統則需要更加嚴格、更加復雜的測試。在升級頻率越來越快的壓力之下，智能汽車軟件系統OTA帶來BUG的可能性是非常高的。好在更新頻繁的主要是智能座艙部分，帶來的損失相對較小。

責任編輯：lq6