關于“如何通過人工智能（AI）克服汽車軟件開發挑戰”的網絡研討會，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中的最新趨勢和解決方案。

汽車軟件行業經歷了一場迅速而深刻的變革，為整個汽車行業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，而是演變為以軟件為核心的智能移動平臺。

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。

傳統的機械結構逐漸被現代電氣/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。汽車是智能化的移動生態系統，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

挑戰#1：簡化汽車軟件系統初始架構定義

"在開發的初期，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）生成復雜系統的架構和設計模式

挑戰#2：在敏捷CI/CD開發環境中保持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#3：可視化軟件子系統之間的依賴關系

“在測試和生產運行過程中，我們產生了大量的數據。手動篩選這些數據，找到可以幫助我們調試和改進產品的數據所需的資源是巨大的。一個可以解析數據并隔離有用信息的工具將加速開發并降低成本。” 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據和執行流程的AI工具

挑戰#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的規范，并且我們的計劃中是將混沌工程融入到這些規范中，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應用設計工程經理

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

挑戰#5：創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人員一致地檢查的，人工智能實際上可以告訴我們如何在組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工具鏈內生成變更文檔，進入自學習循環，幫助管理系統復雜性的加速變化

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、開發和測試軟件的方式。這些AI工具不僅能夠幫助開發人員應對系統復雜性，還能提高測試效率、確保測試結果與要求一致，并在敏捷開發中實現更快的更新周期。這一新趨勢將為汽車軟件行業帶來嶄新的發展方向。

審核編輯：劉清