芝能智芯出品

智能汽車(chē)軟件定義汽車(chē)?yán)砟畹纳罨�，傳統(tǒng)的V模型研發(fā)流程面臨復(fù)雜度與質(zhì)量控制的雙重挑戰(zhàn)。大陸集團(tuán)工程服務(wù)部門(mén)（CES）通過(guò)引入人工智能技術(shù)，正在逐步重塑汽車(chē)開(kāi)發(fā)周期中的多個(gè)關(guān)鍵節(jié)點(diǎn)。

從需求分解到架構(gòu)設(shè)計(jì)，從代碼生成到測(cè)試驗(yàn)證，AI正成為提效、控本與質(zhì)量保障的核心技術(shù)杠桿。

通過(guò)系統(tǒng)化的工具部署和流程集成，大陸集團(tuán)在這個(gè)領(lǐng)域的方法，值得我們看看如何構(gòu)建起一套可落地、可持續(xù)、以數(shù)據(jù)驅(qū)動(dòng)為核心的研發(fā)體系。

Part 1

AI介入V模型：

從需求到架構(gòu)的流程再造

智能汽車(chē)的研發(fā)流程因電子電氣架構(gòu)的升級(jí)而愈加復(fù)雜。

系統(tǒng)工程（SYS）、硬件/軟件開(kāi)發(fā)（HW/SW）、機(jī)械工程（ME）等多個(gè)學(xué)科交錯(cuò)融合，使得從最初的需求分析到架構(gòu)設(shè)計(jì)，每一個(gè)階段都面臨著高密度的規(guī)范和標(biāo)準(zhǔn)匹配任務(wù)。

為解決傳統(tǒng)流程中需求分解效率低、誤差傳導(dǎo)嚴(yán)重的問(wèn)題，大陸CES構(gòu)建了一整套以AI為基礎(chǔ)的智能流程輔助工具。

在需求分析階段，系統(tǒng)通過(guò)大模型結(jié)合Prompt工程，將非結(jié)構(gòu)化文本數(shù)據(jù)進(jìn)行分類(lèi)和結(jié)構(gòu)化處理。

具體功能包括：將利益相關(guān)方提出的高階需求（Stakeholder Requirements，STR）轉(zhuǎn)化為系統(tǒng)需求（System Requirements，SYR），并通過(guò)分解代理（Decomposition Agent）自動(dòng)完成需求的語(yǔ)義拆分與層級(jí)映射。

系統(tǒng)還能識(shí)別需求間的冗余與沖突，通過(guò)沖突檢測(cè)器（Contradictions Checker）輸出問(wèn)題標(biāo)記。

追溯代理（Traceability Agent）則進(jìn)一步打通了各需求層級(jí)之間的鏈路關(guān)系，為后續(xù)架構(gòu)設(shè)計(jì)與驗(yàn)證流程提供基礎(chǔ)數(shù)據(jù)保障。

AI還可根據(jù)公司規(guī)范推薦標(biāo)準(zhǔn)化的編寫(xiě)語(yǔ)句，輔助工程師提升文檔質(zhì)量與合規(guī)性。

在架構(gòu)設(shè)計(jì)環(huán)節(jié)，系統(tǒng)引入了“分析代理（Analysis Agent）”，通過(guò)性能參數(shù)與用戶(hù)特性預(yù)測(cè)可能出現(xiàn)的架構(gòu)瓶頸。

例如，系統(tǒng)能夠?qū)�ADAS或動(dòng)力域控制架構(gòu)進(jìn)行負(fù)載壓力模擬，提前發(fā)現(xiàn)資源分配不足或功能沖突問(wèn)題。該過(guò)程支持從多個(gè)維度（如功耗、處理延遲、用戶(hù)體驗(yàn)等）進(jìn)行綜合評(píng)估，實(shí)現(xiàn)更早階段的問(wèn)題前置。

AI技術(shù)對(duì)傳統(tǒng)需求-架構(gòu)開(kāi)發(fā)路徑進(jìn)行了有效滲透。通過(guò)語(yǔ)言理解、模式識(shí)別和規(guī)則推理等能力，輔助完成需求分類(lèi)、標(biāo)準(zhǔn)校驗(yàn)、設(shè)計(jì)合理性分析與結(jié)構(gòu)追溯，顯著降低了因設(shè)計(jì)缺陷導(dǎo)致的后期返工風(fēng)險(xiǎn)，實(shí)現(xiàn)了“向左轉(zhuǎn)移”問(wèn)題發(fā)現(xiàn)的目標(biāo)。

Part 2

  從代碼到測(cè)試：

構(gòu)建智能閉環(huán)的開(kāi)發(fā)與驗(yàn)證體系

在軟件詳細(xì)設(shè)計(jì)與構(gòu)建階段，大陸集團(tuán)部署了多層級(jí)的AI工具集。

基礎(chǔ)功能如自動(dòng)代碼生成（Coding Assistant）與代碼重構(gòu)，不僅提升了編碼速度，更可根據(jù)歷史代碼庫(kù)進(jìn)行樣式和結(jié)構(gòu)優(yōu)化，統(tǒng)一代碼風(fēng)格。

靜態(tài)代碼分析模塊利用AI識(shí)別出常見(jiàn)警告、邏輯漏洞、潛在安全隱患，為評(píng)審環(huán)節(jié)提前去除低層級(jí)缺陷。

系統(tǒng)還能協(xié)助開(kāi)發(fā)者生成符合文檔規(guī)范的函數(shù)摘要（Documentation Assistant），自動(dòng)補(bǔ)全接口描述，提升文檔完整性。

通過(guò)集成代碼可視化和抽象層級(jí)評(píng)審工具，開(kāi)發(fā)者與審查人員可以在不同粒度下審視代碼結(jié)構(gòu)，例如通過(guò)調(diào)用圖與功能依賴(lài)圖快速定位風(fēng)險(xiǎn)函數(shù)或耦合冗余。

AI也被嵌入至CI/CD流水線(xiàn)中，在代碼提交前觸發(fā)自動(dòng)驗(yàn)證流程。

通過(guò)訓(xùn)練模型對(duì)設(shè)計(jì)決策與當(dāng)前代碼狀態(tài)進(jìn)行比對(duì)，確保與軟件架構(gòu)（SWA）和需求（SWR）的一致性，從源頭降低測(cè)試成本。

在驗(yàn)證環(huán)節(jié)，AI的介入進(jìn)一步重構(gòu)了測(cè)試策略制定與資源分配機(jī)制。

以往高度依賴(lài)經(jīng)驗(yàn)的測(cè)試用例設(shè)計(jì)，如今可由AI根據(jù)軟件設(shè)計(jì)文檔自動(dòng)生成初步測(cè)試腳本，涵蓋邊界值、狀態(tài)轉(zhuǎn)移、異常處理等場(chǎng)景。

系統(tǒng)還能對(duì)用例進(jìn)行優(yōu)先級(jí)排序，實(shí)現(xiàn)測(cè)試資源的高效配置。針對(duì)復(fù)雜功能如人機(jī)交互（HMI）測(cè)試，AI可生成覆蓋更全面的狀態(tài)轉(zhuǎn)換路徑，從而發(fā)現(xiàn)傳統(tǒng)測(cè)試遺漏的邊緣缺陷。

在軟件單元驗(yàn)證與系統(tǒng)集成測(cè)試階段，AI輔助工具已能對(duì)測(cè)試結(jié)果進(jìn)行語(yǔ)義聚類(lèi)與失效歸因，輸出更具指導(dǎo)意義的問(wèn)題歸類(lèi)標(biāo)簽，幫助團(tuán)隊(duì)快速定位成因與復(fù)現(xiàn)路徑。

AI打通了代碼開(kāi)發(fā)到系統(tǒng)驗(yàn)證的完整流程。從提高代碼質(zhì)量、降低回歸測(cè)試負(fù)擔(dān)，到加速用例生成、提升缺陷發(fā)現(xiàn)效率，AI正構(gòu)建一個(gè)由開(kāi)發(fā)閉環(huán)、驗(yàn)證前置與數(shù)據(jù)驅(qū)動(dòng)組成的智能研發(fā)體系。

小結(jié)

汽車(chē)系統(tǒng)復(fù)雜性日益上升，僅依靠人力優(yōu)化和經(jīng)驗(yàn)傳承已難以應(yīng)對(duì)當(dāng)前需求。而AI作為貫穿V模型全周期的技術(shù)力量，為大陸集團(tuán)帶來(lái)了多層次、多階段的提效方案。

無(wú)論是前端需求分析中的語(yǔ)義建模與標(biāo)準(zhǔn)匹配，還是后端代碼生成、測(cè)試用例管理，AI都顯現(xiàn)出其獨(dú)特的價(jià)值。

       原文標(biāo)題 : 傳統(tǒng)V模型汽車(chē)開(kāi)發(fā)流程被改變！AI重塑關(guān)鍵節(jié)點(diǎn)