芝能科技出品
关于“如何通过人工智能（AI）克服汽车软件开发挑战”的网络研讨会，本文总结了研讨会的关键观点以及相关白皮书和专访，帮助读者更好地了解汽车软件行业中的最新趋势和解决方案。
汽车软件行业经历了一场迅速而深刻的变革，为整个汽车行业带来了翻天覆地的改变。这一变革的核心是汽车的软件定义化，标志着汽车不再仅仅是机械的交汇点，而是演变为以软件为核心的智能移动平台。
随着软件定义汽车的兴起，汽车的硬件和软件架构迅速演变。传统的机械结构逐渐被现代电气/电子架构所取代，为车辆提供了更高级、智能化的功能。变革不仅仅是技术上的进步，更是对汽车性能、安全性、和功能要求提出了更为复杂和严苛的挑战。汽车是智能化的移动生态系统，性能要求的提高让车辆更加灵敏、高效，安全性的要求使得汽车系统需要更加可靠和智能，而功能要求的增加则推动了车辆拥有更多先进的智能功能。"在开发的初期，生成式AI可以为我们提供框架和桩代码，使我们能够组装工具以能够交付代码。" Dave Tsai，Toyota Connected的工程副总裁
AI的解决办法利用生成式AI和大型语言模型（LLM）生成复杂系统的架构和设计模式
挑战#2：在敏捷CI/CD开发环境中保持ASPICE认证“在Toyota，我们在项目开始阶段为我们所做的一切都制定非常详细的规格和需求文档。如果我们能够将这些文件输入到一个大型语言模型中，并让它自动生成一个强大的测试套件，那将是非常棒的。” Dave Tsai，Toyota Connected的工程副总裁AI的解决办法使用自然语言处理（NLP）工具评估要求文档和问题追踪器，生成测试用例和期望结果
“在测试和生产运行过程中，我们产生了大量的数据。手动筛选这些数据，找到可以帮助我们调试和改进产品的数据所需的资源是巨大的。一个可以解析数据并隔离有用信息的工具将加速开发并降低成本。” Lisa Perez Savage，Aptiv的安全技术负责人AI的解决办法是利用能够跟踪数据和执行流程的AI工具
“对于我们的远程信息平台，我们有一组通信API的规范，并且我们的计划中是将混沌工程融入到这些规范中，以便我们可以模拟或测试可能已预见和未预见的情景。” Imad Zahid，TMNA Connected Technologies的AI应用设计工程经理AI的解决办法是运用混沌工程原则，随机化系统行为的变量组合，确保对潜在场景的充分覆盖
"市面上存在一些工具，它们可以扫描提交的代码的质量和数量，这将为我们提供治理，基于人工智能进行一些活动。首先是控制正在检查的代码的质量，因为我们有一套良好代码的标准最佳实践。如果代码是由一组开发人员一致地检查的，人工智能实际上可以告诉我们如何在组织和治理的角度进行修复。人工智能还可以揭示潜在的安全漏洞，无论是代码正在被检查还是从知识产权盗窃的角度来看代码正在被提取。" Dave Tsai，Toyota Connected的工程副总裁AI的解决办法是生成式AI工具通过从软件开发工具链内生成变更文档，进入自学习循环，帮助管理系统复杂性的加速变化
在当前技术突破的边缘，生成式AI和LLM正在彻底改变我们设计、开发和测试软件的方式。这些AI工具不仅能够帮助开发人员应对系统复杂性，还能提高测试效率、确保测试结果与要求一致，并在敏捷开发中实现更快的更新周期。这一新趋势将为汽车软件行业带来崭新的发展方向。
