人工智能的力量--生成式AI如何革新汽車軟件開發(fā)

2023年春節(jié)后，人工智能在國內掀起一股熱潮，生成式AI大模型的突破，讓其具備重新定義生產力的潛力。但是單獨AI模型的突破只是第一步，真正要形成生產力，導入到一個工業(yè)化的制造過程，還有大量的工作要做。本文聚焦汽車行業(yè)車載軟件開發(fā)這個細分領域，談談生成式AI的突破對汽車軟件開發(fā)過程的影響。

作為一家專注于汽車軟件研發(fā)的企業(yè)，光庭一直不斷在優(yōu)化汽車軟件開發(fā)流程上進行探索和實踐。2021年，董事長朱敦堯博士提出“超級軟件工場”概念，利用人工智能技術來優(yōu)化汽車軟件開發(fā)過程，打造“超級大腦”，實現(xiàn)人機協(xié)同的智能化軟件開發(fā)。

為推進智能化開發(fā)平臺的建設，光庭成立了“超級軟件工場實驗室”，專注和探索汽車領域智能化軟件開發(fā)研究。過去一年來，實驗室從自身汽車軟件開發(fā)的業(yè)務場景出發(fā)，探索AI如何能夠對軟件生產力帶來提升。

本文將從4個部分結合生成式AI模型，探討如何面向汽車軟件業(yè)務這個細分領域，構建智能化軟件開發(fā)平臺。

1、智能化軟件開發(fā)愿景——光庭超級軟件工場：光庭超級軟件工場的背景和愿景。

2、智能化軟件開發(fā)的分級構想：簡述智能化軟件開發(fā)過程構建的具體實施路徑。

3、生成式AI在汽車軟件開發(fā)過程中的探索實踐：結合具體的業(yè)務場景例子，展示生成式AI模型如何在具體的工作中應用，融入到汽車軟件開發(fā)業(yè)務流程中，構建人機協(xié)同的工作流程。

4、生成式AI在軟件工程中如何落地？

01智能化軟件開發(fā)愿景-- 光庭超級軟件工場

軟件定義汽車時代，軟件體驗逐漸成為汽車的核心競爭力，軟件在汽車中承擔的責任越來越大。面對不斷增加的復雜性需求，當前車載軟件開發(fā)體系，無法在高效率，高安全性，高可靠性方面滿足行業(yè)需求。正是基于這樣的行業(yè)需求背景，光庭提出“超級軟件工場”。

同時，軟件定義汽車時代下汽車行業(yè)的協(xié)作結構也在發(fā)生著改變。汽車行業(yè)以往協(xié)作模式是主機廠做整車設計和集成，Tier1供應商提供各類零部件和解決方案。但在軟件為主的時代，要實現(xiàn)產品的差異化，大型主機廠以及新勢力都開始布局構建自身軟件能力，所謂要把“靈魂”掌握在自己手上。

但構建強大的軟件開發(fā)能力并不容易，對于以硬件制造為主的主機廠來說是很大的挑戰(zhàn)，硬件研發(fā)和軟件研發(fā)流程體系存在差異，汽車本身的安全要求也決定了不能照搬互聯(lián)網行業(yè)的開發(fā)體系。同時軟件人才的爭奪也是非常內卷，復合型汽車軟件人才更是極度稀缺。

因此降低汽車軟件人才門檻，提升軟件開發(fā)生產力，通過數(shù)字化的開發(fā)平臺提升汽車軟件開發(fā)能力，是汽車行業(yè)急需解決的課題。

光庭擁有二十多年的汽車軟件開發(fā)經驗與積累，結合多年的行業(yè)經驗，我們希望能夠在AI逐步普及的時代，探索新的軟件開發(fā)模式。

我們設想了數(shù)字化、知識化、智能化三個階段目標，實現(xiàn)超級軟件工場整體構想：

數(shù)字化：構建一個軟件全生命周期的開發(fā)運維平臺，實現(xiàn)軟件開發(fā)過程數(shù)據(jù)的數(shù)字化，其目標是實現(xiàn)對于軟件開發(fā)質量、效能、運行狀況的全面數(shù)據(jù)分析以及軟件資源的充分復用；

知識化：基于特定領域技術和業(yè)務文檔開展概念及關系抽取，構建圖譜化的知識庫，系統(tǒng)性地實現(xiàn)軟件開發(fā)運維知識的沉淀和共享，為軟件開發(fā)和運維提供所需要的領域和背景知識。并結合開發(fā)人員的行為進行知識推送，實現(xiàn)讓知識找人；

智能化：通過在軟件工程各個任務階段導入AI能力，實現(xiàn)人機協(xié)同的軟件開發(fā)，從以人為主導的軟件開發(fā)過程逐步過渡到以機器為主導的軟件開發(fā)過程；

02

智能化軟件開發(fā)的分級構想

超級軟件工場最終的目標是實現(xiàn)機器主導的智能化開發(fā)過程。作為長遠目標，這個過程就像汽車要完全實現(xiàn)自動駕駛，需要一步步分階段實現(xiàn)。因此類似自動駕駛L1到L5的分級定義，我們也嘗試對智能化軟件開發(fā)過程進行等級劃分，從L0到L5級，定義出可分階段實施的步驟。

L0 體系化 初級階段，對軟件開發(fā)定義出明確的過程體系，并基于標準（比如CMMI / ASPICE）要求的流程進行軟件開發(fā)活動。在這個階段，雖有標準，但是執(zhí)行上需依靠經過訓練能夠遵循流程進行軟件開發(fā)活動的人員，以及標準的過程文檔來保證軟件開發(fā)活動的有序執(zhí)行，本質上是依靠人及文檔的規(guī)范性來保障軟件流程執(zhí)行。

L1 平臺化

這一階段，需要構建端到端的全生命周期軟件開發(fā)云平臺，組織依賴這個開發(fā)平臺來執(zhí)行任務跟蹤，進行流程要求的各項活動，提交的制品也都納入平臺管理。相比L0級要依靠訓練有素的人來保障流程實施，本階段可依賴開發(fā)平臺流程來推動流程實施。

L2數(shù)字化

本階段會對軟件開發(fā)平臺進行數(shù)字化增強，增強軟件開發(fā)過程的數(shù)字化，建立對軟件過程中產生的成果物單元的演化過程構建追溯關系，將代碼變更同具體人的行為和任務建立關聯(lián)，實現(xiàn)代碼問題追溯，技術債度量，對軟件開發(fā)進度和質量實現(xiàn)可量化的度量。

L3 知識化

本階段為特定領域的業(yè)務與技術背景構建知識圖譜，同時對軟件過程成果物（需求、設計方案、實現(xiàn)代碼、測試用例、Bug等）之間建立追蹤和語義關聯(lián)。并支持智能化的知識推薦和問答系統(tǒng)。同時實現(xiàn)軟件開發(fā)資源的自動化抽取，動態(tài)構建技術貨架，最大化實現(xiàn)軟件開發(fā)資源的復用。

L4 智能化

在數(shù)字化和知識化的基礎上，將智能化能力導入到軟件開發(fā)流程，構建一個人機協(xié)同開發(fā)平臺來整合人和AI。從以人為主導的開發(fā)過程逐步過渡到以AI為主導的開發(fā)過程。

人機協(xié)同分兩個階段，先以人主導，機器輔助。經過一段時間的開發(fā)過程數(shù)據(jù)積累后，AI能夠掌握更多能力，會逐步轉向機器主導，由人來輔助的協(xié)同模式。需求輸出給AI，AI來提供可能的設計方案，甚至進行具體的設計編碼執(zhí)行，但對最終結果負責的是人，對方案最終拍板的是人，對測試結果最終評價的是人。

L5 智慧化

進入以機器為主導的開發(fā)階段，就能產生一個能夠把控軟件項目全局的AI，可以稱為超級大腦，由它來把控整個軟件開發(fā)和維護過程。

以上的分級設想是現(xiàn)階段我們對智能化軟件開發(fā)平臺還不夠成熟的初步構想，為了能夠逐步實現(xiàn)這個愿景，光庭正在協(xié)同高?？蒲袉挝患爱a業(yè)上下游伙伴，共同探索面向汽車軟件開發(fā)業(yè)務這個細分領域，構建智能化開發(fā)平臺的理論研究和工程實踐。

2022年，光庭和武漢大學計算機學院成立了“武漢大學-光庭信息智能軟件工場聯(lián)合實驗室”。2023年同復旦大學計算機學院開展了《光庭智能網聯(lián)汽車超級軟件工場白皮書》的編寫合作，構建超級軟件工場的理論基礎。

光庭是一家擁有20多年發(fā)展歷史的汽車軟件行業(yè)上市公司，但并不是擅長AI算法和AI模型研究的人工智能頭部企業(yè)。當在2021年底提出這個構想時，我們也面臨很多來自內部和外部的質疑：“真的能夠讓AI來主導軟件開發(fā)嗎？”，是不是有些異想天開？軟件開發(fā)是復雜的邏輯過程，可不是下棋和人臉識別這類規(guī)則明確的問題......等等。

雖然學術界在智能軟件開發(fā)領域已有多年研究，有很多論文成果，但是各種方法的泛化能力有限，一旦涉及具體業(yè)務的軟件工程場景，不易落地。雖然Kite，Copilot這類智能編碼工具能夠提升編碼效率，但真正的軟件工程中，寫代碼這項任務過程其工作量占比并不大。所以我們希望利用AI技術來改造汽車軟件開發(fā)過程，要依靠人工智能技術的發(fā)展推動效率提升。面對質疑，只能說，道阻且長，行則將至......

2022年12月，生成式AI技術終于有了新的突破，新技術雖然并非無所不能，但其具有的顛覆性，特別是其呈現(xiàn)出理解人自然語言的意圖并快速給出結果的能力，真正讓我看到人機協(xié)同開發(fā)場景有了落地的可能。

之前，同學術界接觸，了解到的很多智能化軟件工程課題研究，都是基于正向的思路，由人來發(fā)現(xiàn)一些規(guī)則、范式、算法，來優(yōu)化軟件開發(fā)流程，這些成果距離工程化應用還存在一定的距離，效果也有局限，泛化能力不足。老實說對于這種正向研究成果，用到具體的工程化場景，實現(xiàn)智能化，難度大，效果差。

而依靠神經網絡自身的優(yōu)化迭代，經過大數(shù)據(jù)量的訓練，經過大數(shù)據(jù)量的訓練，生成式AI大模型確實具備自身識別一些規(guī)律，并對軟件工程的各項活動：需求編寫、代碼review、代碼理解、測試用例編寫、代碼生成等過程能夠起到幫助作用。

03

生成式AI在汽車軟件開發(fā)過程中的探索實踐

談到汽車軟件開發(fā)，包含的內容很多，汽車軟件復雜多樣，從底層OS到上層應用，不同層次的軟件其工具鏈和開發(fā)流程也不同。我們在超級軟件工場的規(guī)劃中，根據(jù)開發(fā)方式不同進行分類，我們定義了5類開發(fā)平臺。

其中越下層的應用開發(fā)，遵循的標準越規(guī)范，也是越能發(fā)揮當前AI能力的地方。以下我們根據(jù)當前軟件開發(fā)流程的階段，對需求、設計、編碼、測試等各個階段AI能夠提供的支持進行測試。

產品需求編寫協(xié)助汽車行業(yè)發(fā)展悠久有著成熟的流程體系，文檔規(guī)格非常統(tǒng)一，比如對于產品需求，有統(tǒng)一的規(guī)范格式；比如儀表類需求，一般按照功能概述、電源模式、配置參數(shù)、輸入信號、處理策略、輸出信號、異常處理、異?；謴瓦@些標準段落結構進行分解描述。當前AI具備按照定制格式輸出的功能，示例效果如下：

上圖AI的問答輸出，遵循了輸出格式的要求，但是輸出的內容還比較單薄。在寫這篇文章的同時，微軟改良后的AI也在新必應上上線，我們可以看看新必應的表現(xiàn)：

改良的模型給出了更詳細的內容，不過標準文檔中很多信息都是使用圖表來表達的，當然這點AI可以很快調整：

在形式上，AI具備輸出產品需求的能力。不過在內容上，AI給出的內容不能說錯誤，但是不能夠精確匹配到一個具體業(yè)務場景的編寫需求，畢竟有很多項目背景知識并沒有完整提供給它。匹配具體業(yè)務場景是AI落地的難點，這點后面再談。 但是AI給出的結果，還是具有一定參考價值的，可能會補足編寫人員的思維盲區(qū)。因此作為文檔編寫的參考信息輸出，對編寫人員是有意義的。

前面談到的數(shù)字化，有一點就是開發(fā)過程成果物的數(shù)字化，對于軟件需求這個成果物來說，一個需求文檔文件還不能算數(shù)字化，要把需求內容條目化，規(guī)范化，對象化，并用易于跟蹤的半結構化方式進行存儲，才能夠滿足數(shù)字化的要求。

光庭和武漢大學建立的聯(lián)合實驗室，有一個子課題就是設計《統(tǒng)一車載軟件需求描述語言規(guī)范》，作為文檔化用戶需求向半結構化軟件需求轉換的指南。根據(jù)規(guī)范，可以從分章節(jié)表達的文字化用戶需求中提取車載軟件的各類需求（功能需求、信號需求、界面需求等）及其屬性，完成對象化轉化，形成半結構化需求。這種統(tǒng)一、規(guī)范的半結構化需求，使得基于AI模型的車載軟件開發(fā)需求輔助生成，用戶需求、軟件開發(fā)需求以及后續(xù)軟件制品間的跟蹤關系自動生成等，皆成為可能。設計過程汽車底層軟件開發(fā)有相應的行業(yè)標準，比如AOTUSAR CP/AP，這類開發(fā)過程遵循標準的設計和接口規(guī)范，是基于模型驅動的開發(fā)模式（MDD），這種開發(fā)模式并不以編碼為主，而是根據(jù)需求使用開發(fā)工具進行參數(shù)設計和配置，并通過圖形化低代碼開發(fā)方式定義算法，最后由工具生成目標平臺代碼。 這個過程中，參數(shù)的定義和配置是存儲為ARXML的形式，我們測試了AI對ARXML文檔的理解及根據(jù)需求生成新的配置文件能力。（示例效果如下）

在這個測試中，先輸入一段車燈的控制服務接口ARXML定義，可以看到AI能夠很好地理解這段配置代碼，并給出了針對這段代碼的解釋，然后要求AI基于這個文件結構，設計一個車窗控制相關的服務接口。在僅給出簡單條件情況下，AI就輸出了一段車窗控制服務定義——其中定義了：

車窗狀態(tài)：WindowStatus

車窗狀態(tài)更新事件：WindowStatusUpdateEvent

車窗位置：WindowPotion

開關車窗方法：OpenWindow，CloseWindow

這段AutoSAR配置參數(shù)的自動生成表現(xiàn)不錯，特別注意開關車窗這兩個方法加入了一個speed的接口參數(shù)，這很符合業(yè)務場景。這些方法是沒有給參考輸入，是由AI自動產生，并且符合車窗控制的相關功能。MDD開發(fā)過程中，AutoSAR配置是個很繁瑣的過程，對工程師要求也較高，要了解很多業(yè)務背景知識才能勝任。如果能夠實現(xiàn)部份自動化配置能力，將可以很好地加快工作效率。

但由于當前AI模型對輸入和輸出信息的長度限制較大，這點在很大程度限制了業(yè)務落地的可用性。一個稍稍復雜的ARXML配置文件，動輒上萬上十萬行，當前AI無法實現(xiàn)這種量級數(shù)據(jù)的輸入和輸出。所以要落地到業(yè)務場景，需要拆分邏輯與模塊，將大數(shù)據(jù)量工作分解為小數(shù)據(jù)量、多批次的工作。

編碼

除了生成ARXML，也可以要求AI將ARXML直接轉為代碼，整體正確性基本OK，但要符合特定目標平臺，細節(jié)還需再修改。（示例效果如下）

根據(jù)需求編寫代碼算是AI模型模型比較擅長的能力了。但如何給AI準確描述代碼需求是更值得討論的問題。與機器對話交流也是一個能力門檻，并非任何一位工程師都能夠做到。在我們安排小范圍工程師測試時，發(fā)現(xiàn)因工程師的表達和語言組織能力參差不齊，會出現(xiàn)各種不同的答案結果。有的工程師將AI當神仙，描述的問題哪怕是在非常模糊、晦澀的情況下仍寄希望于得到精確結果。因此與AI對話能力也是需要逐步培養(yǎng)，或者將對話方法模板化和規(guī)范化，保證每個人都能正確進行人機對話。根據(jù)代碼生成注釋和文檔也是軟件工程很重要的事情，文檔和代碼的變更同步一直是難題。當前AI對局部代碼進行注釋的能力已經很優(yōu)秀了，但是整體項目工程的內容學習和架構文檔生成，還無法進行測試。另外，對于較復雜代碼，AI在給輸入的代碼加注釋時，偶爾會修改原始代碼，這也是這種概率生成式語言模型存在的問題，實際業(yè)務導入時，要對其加了注釋之后的代碼進行校對，防止其自由發(fā)揮。 測試

AI模型并不能自動執(zhí)行測試，但是具備根據(jù)需求生成測試用例，以及根據(jù)代碼生成單元測試代碼的能力。下圖是輸入功能需求，AI輸出測試用例的過程。

AI第一次只能給出基本的正向用例，通過多輪對話，可以逐步補充和完善用例，特別是最后對于項目命名不能含有數(shù)字這個條件，補充的用例覆蓋面很不錯，英文搭配，中文搭配，正向條件和異常條件給出的非常完備。

不過真正工程中，測試用例的產生相比這類對話描述更復雜，對于車載軟件，很多都是上千行復雜的表格來管理各種參數(shù)組合構成的用例，雖然看上去AI寫的的測試用例很靠譜，但是導入到實際業(yè)務場景，還存在很多問題要解決。

生成式AI在軟件工程中如何落地前面我們看到了AI在汽車軟件開發(fā)中各個業(yè)務階段能夠介入的能力。但是AI的能力，如果進行的是瀏覽器中的聊天窗口，對軟件生產力的提升，會非常有限。必須要集成到開發(fā)流程中，成為平臺的一部分，讓業(yè)務數(shù)據(jù)無縫流動起來，才能實現(xiàn)人機的高效協(xié)同。

這一點，可以參考工作流程自動化平臺make，AI嵌入到業(yè)務流程的節(jié)點，打通各個服務節(jié)點的數(shù)據(jù)。make（make.com）給了我們非常好的思路，將開發(fā)流程中的各個環(huán)節(jié)和工具鏈包裝成為不同的模組節(jié)點，讓數(shù)據(jù)流動起來。

（將AI能力導入 make.com 流程引擎示例展示）

除了業(yè)務流集成問題之外，AI還要更理解和匹配業(yè)務場景。

OpenAI已發(fā)布的GPT3模型接口中，有提供Fine-turning(模型微調)功能，支持使用定制化數(shù)據(jù)進行針對性調整，這為特定業(yè)務場景的優(yōu)化提供了可能。但這個微調能夠達到什么效果，還是我們持續(xù)研究的課題。

總結回看人類進入工業(yè)時代標志，蒸汽機驅動的珍妮紡紗機，依賴于人力驅動手工紡織機器來織布，而動力驅動工業(yè)紡織機出現(xiàn)后，人類不再通過手工織布，而是維護機器的運作，進入了織布行業(yè)的人機協(xié)同時刻。

當前，雖然我們主要還是依靠程序員手工編碼來實現(xiàn)軟件需求，但生成式AI的不斷突破，讓我們看到解放軟件制造生產力的曙光，我們可以期待脫離手工編寫代碼的時代，將進一步解放人力。

但這里有一個概念要澄清，我們經常說軟件研發(fā)，其實研和發(fā)是有區(qū)別的。研究是設計新方法，新算法。而開發(fā)是基于成熟的技術，算法，組件庫，工具鏈，標準，來實現(xiàn)軟件功能。AI能加速的是后者，前沿領域的探索，還是要依靠人的智慧。

汽車軟件的研發(fā)，很多都屬于開發(fā)工作。比如適配新的芯片，新的體系架構，新的通訊模式等。像自動輔助駕駛這類算法為主的工作，才屬于研究范疇。伴隨人工智能技術的進步，需要新的編程模式來對軟件工程進行革新。

超級軟件工場，就是對這種新編程模式的探索，通過智能化軟件開發(fā)平臺的構建和進化，打造超級大腦來主導未來的汽車軟件開發(fā)過程。去年底的AI技術突破掀起的這股人工智能新一波浪潮，更是加強了團隊的信心。作為中國企業(yè)，我們更期待中國的生成式AI模型取得突破。畢竟國外AI服務都限制了中國區(qū)域的使用，未來平臺產品化，必須整合中國的AI模型服務來發(fā)布。

審核編輯 ：李倩