芝能智芯出品

智能汽車軟件定義汽車理念的深化，傳統(tǒng)的V模型研發(fā)流程面臨復雜度與質(zhì)量控制的雙重挑戰(zhàn)。大陸集團工程服務(wù)部門（CES）通過引入人工智能技術(shù)，正在逐步重塑汽車開發(fā)周期中的多個關(guān)鍵節(jié)點。

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

通過系統(tǒng)化的工具部署和流程集成，大陸集團在這個領(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

智能汽車的研發(fā)流程因電子電氣架構(gòu)的升級而愈加復雜。

系統(tǒng)工程（SYS）、硬件/軟件開發(fā)（HW/SW）、機械工程（ME）等多個學科交錯融合，使得從最初的需求分析到架構(gòu)設(shè)計，每一個階段都面臨著高密度的規(guī)范和標準匹配任務(wù)。

為解決傳統(tǒng)流程中需求分解效率低、誤差傳導嚴重的問題，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)通過大模型結(jié)合Prompt工程，將非結(jié)構(gòu)化文本數(shù)據(jù)進行分類和結(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），并通過分解代理（Decomposition Agent）自動完成需求的語義拆分與層級映射。

系統(tǒng)還能識別需求間的冗余與沖突，通過沖突檢測器（Contradictions Checker）輸出問題標記。

追溯代理（Traceability Agent）則進一步打通了各需求層級之間的鏈路關(guān)系，為后續(xù)架構(gòu)設(shè)計與驗證流程提供基礎(chǔ)數(shù)據(jù)保障。

AI還可根據(jù)公司規(guī)范推薦標準化的編寫語句，輔助工程師提升文檔質(zhì)量與合規(guī)性。

在架構(gòu)設(shè)計環(huán)節(jié)，系統(tǒng)引入了“分析代理（Analysis Agent）”，通過性能參數(shù)與用戶特性預測可能出現(xiàn)的架構(gòu)瓶頸。

例如，系統(tǒng)能夠?qū)�ADAS或動力域控制架構(gòu)進行負載壓力模擬，提前發(fā)現(xiàn)資源分配不足或功能沖突問題。該過程支持從多個維度（如功耗、處理延遲、用戶體驗等）進行綜合評估，實現(xiàn)更早階段的問題前置。

AI技術(shù)對傳統(tǒng)需求-架構(gòu)開發(fā)路徑進行了有效滲透。通過語言理解、模式識別和規(guī)則推理等能力，輔助完成需求分類、標準校驗、設(shè)計合理性分析與結(jié)構(gòu)追溯，顯著降低了因設(shè)計缺陷導致的后期返工風險，實現(xiàn)了“向左轉(zhuǎn)移”問題發(fā)現(xiàn)的目標。

Part 2

  從代碼到測試：

構(gòu)建智能閉環(huán)的開發(fā)與驗證體系

在軟件詳細設(shè)計與構(gòu)建階段，大陸集團部署了多層級的AI工具集。

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

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

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

通過集成代碼可視化和抽象層級評審工具，開發(fā)者與審查人員可以在不同粒度下審視代碼結(jié)構(gòu)，例如通過調(diào)用圖與功能依賴圖快速定位風險函數(shù)或耦合冗余。

AI也被嵌入至CI/CD流水線中，在代碼提交前觸發(fā)自動驗證流程。

通過訓練模型對設(shè)計決策與當前代碼狀態(tài)進行比對，確保與軟件架構(gòu)（SWA）和需求（SWR）的一致性，從源頭降低測試成本。

在驗證環(huán)節(jié)，AI的介入進一步重構(gòu)了測試策略制定與資源分配機制。

以往高度依賴經(jīng)驗的測試用例設(shè)計，如今可由AI根據(jù)軟件設(shè)計文檔自動生成初步測試腳本，涵蓋邊界值、狀態(tài)轉(zhuǎn)移、異常處理等場景。

系統(tǒng)還能對用例進行優(yōu)先級排序，實現(xiàn)測試資源的高效配置。針對復雜功能如人機交互（HMI）測試，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)測試遺漏的邊緣缺陷。

在軟件單元驗證與系統(tǒng)集成測試階段，AI輔助工具已能對測試結(jié)果進行語義聚類與失效歸因，輸出更具指導意義的問題歸類標簽，幫助團隊快速定位成因與復現(xiàn)路徑。

AI打通了代碼開發(fā)到系統(tǒng)驗證的完整流程。從提高代碼質(zhì)量、降低回歸測試負擔，到加速用例生成、提升缺陷發(fā)現(xiàn)效率，AI正構(gòu)建一個由開發(fā)閉環(huán)、驗證前置與數(shù)據(jù)驅(qū)動組成的智能研發(fā)體系。

小結(jié)

汽車系統(tǒng)復雜性日益上升，僅依靠人力優(yōu)化和經(jīng)驗傳承已難以應(yīng)對當前需求。而AI作為貫穿V模型全周期的技術(shù)力量，為大陸集團帶來了多層次、多階段的提效方案。

無論是前端需求分析中的語義建模與標準匹配，還是后端代碼生成、測試用例管理，AI都顯現(xiàn)出其獨特的價值。

       原文標題 : 傳統(tǒng)V模型汽車開發(fā)流程被改變！AI重塑關(guān)鍵節(jié)點