日期：2023/02/14
2023年春節(jié)后，人工智能在國內(nèi)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(chǎn)力的潛力。但是單獨(dú)AI模型的突破只是第一步，真正要形成生產(chǎn)力，導(dǎo)入到一個(gè)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(gè)細(xì)分領(lǐng)域，談?wù)勆墒紸I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(jìn)行探索和實(shí)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(shù)來優(yōu)化汽車軟件開發(fā)過程，打造“超級大腦”，實(shí)現(xiàn)人機(jī)協(xié)同的智能化軟件開發(fā)。
為推進(jìn)智能化開發(fā)平臺的建設(shè)，光庭成立了“超級軟件工場實(shí)驗(yàn)室”，專注和探索汽車領(lǐng)域智能化軟件開發(fā)研究。過去一年來，實(shí)驗(yàn)室從自身汽車軟件開發(fā)的業(yè)務(wù)場景出發(fā)，探索AI如何能夠?qū)浖a(chǎn)力帶來提升。
本文將從4個(gè)部分結(jié)合生成式AI模型，探討如何面向汽車軟件業(yè)務(wù)這個(gè)細(xì)分領(lǐng)域，構(gòu)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(gòu)想：簡述智能化軟件開發(fā)過程構(gòu)建的具體實(shí)施路徑。
3、生成式AI在汽車軟件開發(fā)過程中的探索實(shí)踐：結(jié)合具體的業(yè)務(wù)場景例子，展示生成式AI模型如何在具體的工作中應(yīng)用，融入到汽車軟件開發(fā)業(yè)務(wù)流程中，構(gòu)建人機(jī)協(xié)同的工作流程。
4、生成式AI在軟件工程中如何落地？
一、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(shí)代，軟件體驗(yàn)逐漸成為汽車的核心競爭力，軟件在汽車中承擔(dān)的責(zé)任越來越大。面對不斷增加的復(fù)雜性需求，當(dāng)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(shí)，軟件定義汽車時(shí)代下汽車行業(yè)的協(xié)作結(jié)構(gòu)也在發(fā)生著改變。汽車行業(yè)以往協(xié)作模式是主機(jī)廠做整車設(shè)計(jì)和集成，Tier1供應(yīng)商提供各類零部件和解決方案。但在軟件為主的時(shí)代，要實(shí)現(xiàn)產(chǎn)品的差異化，大型主機(jī)廠以及新勢力都開始布局構(gòu)建自身軟件能力，所謂要把“靈魂”掌握在自己手上。
但構(gòu)建強(qiáng)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(jī)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(wǎng)行業(yè)的開發(fā)體系。同時(shí)軟件人才的爭奪也是非常內(nèi)卷，復(fù)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(chǎn)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(jīng)驗(yàn)與積累，結(jié)合多年的行業(yè)經(jīng)驗(yàn)，我們希望能夠在AI逐步普及的時(shí)代，探索新的軟件開發(fā)模式。
我們設(shè)想了數(shù)字化、知識化、智能化三個(gè)階段目標(biāo)，實(shí)現(xiàn)超級軟件工場整體構(gòu)想：
數(shù)字化：構(gòu)建一個(gè)軟件全生命周期的開發(fā)運(yùn)維平臺，實(shí)現(xiàn)軟件開發(fā)過程數(shù)據(jù)的數(shù)字化，其目標(biāo)是實(shí)現(xiàn)對于軟件開發(fā)質(zhì)量、效能、運(yùn)行狀況的全面數(shù)據(jù)分析以及軟件資源的充分復(fù)用；
知識化：基于特定領(lǐng)域技術(shù)和業(yè)務(wù)文檔開展概念及關(guān)系抽取，構(gòu)建圖譜化的知識庫，系統(tǒng)性地實(shí)現(xiàn)軟件開發(fā)運(yùn)維知識的沉淀和共享，為軟件開發(fā)和運(yùn)維提供所需要的領(lǐng)域和背景知識。并結(jié)合開發(fā)人員的行為進(jìn)行知識推送，實(shí)現(xiàn)讓知識找人；
智能化：通過在軟件工程各個(gè)任務(wù)階段導(dǎo)入AI能力，實(shí)現(xiàn)人機(jī)協(xié)同的軟件開發(fā)，從以人為主導(dǎo)的軟件開發(fā)過程逐步過渡到以機(jī)器為主導(dǎo)的軟件開發(fā)過程；
二、智能化軟件開發(fā)的分級構(gòu)想
超級軟件工場最終的目標(biāo)是實(shí)現(xiàn)機(jī)器主導(dǎo)的智能化開發(fā)過程。作為長遠(yuǎn)目標(biāo)，這個(gè)過程就像汽車要完全實(shí)現(xiàn)自動駕駛，需要一步步分階段實(shí)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(jìn)行等級劃分，從L0到L5級，定義出可分階段實(shí)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(biāo)準(zhǔn)（比如CMMI / ASPICE）要求的流程進(jìn)行軟件開發(fā)活動。在這個(gè)階段，雖有標(biāo)準(zhǔn)，但是執(zhí)行上需依靠經(jīng)過訓(xùn)練能夠遵循流程進(jìn)行軟件開發(fā)活動的人員，以及標(biāo)準(zhǔn)的過程文檔來保證軟件開發(fā)活動的有序執(zhí)行，本質(zhì)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(gòu)建端到端的全生命周期軟件開發(fā)云平臺，組織依賴這個(gè)開發(fā)平臺來執(zhí)行任務(wù)跟蹤，進(jìn)行流程要求的各項(xiàng)活動，提交的制品也都納入平臺管理。相比L0級要依靠訓(xùn)練有素的人來保障流程實(shí)施，本階段可依賴開發(fā)平臺流程來推動流程實(shí)施。
L2 數(shù)字化
本階段會對軟件開發(fā)平臺進(jìn)行數(shù)字化增強(qiáng)，增強(qiáng)軟件開發(fā)過程的數(shù)字化，建立對軟件過程中產(chǎn)生的成果物單元的演化過程構(gòu)建追溯關(guān)系，將代碼變更同具體人的行為和任務(wù)建立關(guān)聯(lián)，實(shí)現(xiàn)代碼問題追溯，技術(shù)債度量，對軟件開發(fā)進(jìn)度和質(zhì)量實(shí)現(xiàn)可量化的度量。
L3 知識化
本階段為特定領(lǐng)域的業(yè)務(wù)與技術(shù)背景構(gòu)建知識圖譜，同時(shí)對軟件過程成果物（需求、設(shè)計(jì)方案、實(shí)現(xiàn)代碼、測試用例、Bug等）之間建立追蹤和語義關(guān)聯(lián)。并支持智能化的知識推薦和問答系統(tǒng)。同時(shí)實(shí)現(xiàn)軟件開發(fā)資源的自動化抽取，動態(tài)構(gòu)建技術(shù)貨架，最大化實(shí)現(xiàn)軟件開發(fā)資源的復(fù)用。
L4 智能化
在數(shù)字化和知識化的基礎(chǔ)上，將智能化能力導(dǎo)入到軟件開發(fā)流程，構(gòu)建一個(gè)人機(jī)協(xié)同開發(fā)平臺來整合人和AI。從以人為主導(dǎo)的開發(fā)過程逐步過渡到以AI為主導(dǎo)的開發(fā)過程。
人機(jī)協(xié)同分兩個(gè)階段，先以人主導(dǎo)，機(jī)器輔助。經(jīng)過一段時(shí)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(zhuǎn)向機(jī)器主導(dǎo)，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(shè)計(jì)方案，甚至進(jìn)行具體的設(shè)計(jì)編碼執(zhí)行，但對最終結(jié)果負(fù)責(zé)的是人，對方案最終拍板的是人，對測試結(jié)果最終評價(jià)的是人。
L5 智慧化
進(jìn)入以機(jī)器為主導(dǎo)的開發(fā)階段，就能產(chǎn)生一個(gè)能夠把控軟件項(xiàng)目全局的AI，可以稱為超級大腦，由它來把控整個(gè)軟件開發(fā)和維護(hù)過程。
以上的分級設(shè)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(gòu)想，為了能夠逐步實(shí)現(xiàn)這個(gè)愿景，光庭正在協(xié)同高校科研單位及產(chǎn)業(yè)上下游伙伴，共同探索面向汽車軟件開發(fā)業(yè)務(wù)這個(gè)細(xì)分領(lǐng)域，構(gòu)建智能化開發(fā)平臺的理論研究和工程實(shí)踐。
2022年，光庭和武漢大學(xué)計(jì)算機(jī)學(xué)院成立了“武漢大學(xué)-光庭信息智能軟件工場聯(lián)合實(shí)驗(yàn)室”。2023年同復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院開展了《光庭智能網(wǎng)聯(lián)汽車超級軟件工場白皮書》的編寫合作，構(gòu)建超級軟件工場的理論基礎(chǔ)。
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(dāng)在2021年底提出這個(gè)構(gòu)想時(shí)，我們也面臨很多來自內(nèi)部和外部的質(zhì)疑：“真的能夠讓AI來主導(dǎo)軟件開發(fā)嗎？”，是不是有些異想天開？軟件開發(fā)是復(fù)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(xué)術(shù)界在智能軟件開發(fā)領(lǐng)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(wù)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(xiàng)任務(wù)過程其工作量占比并不大。所以我們希望利用AI技術(shù)來改造汽車軟件開發(fā)過程，要依靠人工智能技術(shù)的發(fā)展推動效率提升。面對質(zhì)疑，只能說，道阻且長，行則將至......
2022年12月，生成式AI技術(shù)終于有了新的突破，新技術(shù)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(jié)果的能力，真正讓我看到人機(jī)協(xié)同開發(fā)場景有了落地的可能。
之前，同學(xué)術(shù)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(yīng)用還存在一定的距離，效果也有局限，泛化能力不足。老實(shí)說對于這種正向研究成果，用到具體的工程化場景，實(shí)現(xiàn)智能化，難度大，效果差。
而依靠神經(jīng)網(wǎng)絡(luò)自身的優(yōu)化迭代，經(jīng)過大數(shù)據(jù)量的訓(xùn)練，經(jīng)過大數(shù)據(jù)量的訓(xùn)練，生成式AI大模型確實(shí)具備自身識別一些規(guī)律，并對軟件工程的各項(xiàng)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。
三、生成式AI在汽車軟件開發(fā)過程中的探索實(shí)踐
談到汽車軟件開發(fā)，包含的內(nèi)容很多，汽車軟件復(fù)雜多樣，從底層OS到上層應(yīng)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(jìn)行分類，我們定義了5類開發(fā)平臺。
其中越下層的應(yīng)用開發(fā)，遵循的標(biāo)準(zhǔn)越規(guī)范，也是越能發(fā)揮當(dāng)前AI能力的地方。以下我們根據(jù)當(dāng)前軟件開發(fā)流程的階段，對需求、設(shè)計(jì)、編碼、測試等各個(gè)階段AI能夠提供的支持進(jìn)行測試。
產(chǎn)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(chǎn)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、異常恢復(fù)這些標(biāo)準(zhǔn)段落結(jié)構(gòu)進(jìn)行分解描述。當(dāng)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(nèi)容還比較單薄。在寫這篇文章的同時(shí)，微軟改良后的AI也在新必應(yīng)上上線，我們可以看看新必應(yīng)的表現(xiàn)：
改良的模型給出了更詳細(xì)的內(nèi)容，不過標(biāo)準(zhǔn)文檔中很多信息都是使用圖表來表達(dá)的，當(dāng)然這點(diǎn)AI可以很快調(diào)整：
在形式上，AI具備輸出產(chǎn)品需求的能力。不過在內(nèi)容上，AI給出的內(nèi)容不能說錯(cuò)誤，但是不能夠精確匹配到一個(gè)具體業(yè)務(wù)場景的編寫需求，畢竟有很多項(xiàng)目背景知識并沒有完整提供給它。匹配具體業(yè)務(wù)場景是AI落地的難點(diǎn)，這點(diǎn)后面再談。
但是AI給出的結(jié)果，還是具有一定參考價(jià)值的，可能會補(bǔ)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(diǎn)就是開發(fā)過程成果物的數(shù)字化，對于軟件需求這個(gè)成果物來說，一個(gè)需求文檔文件還不能算數(shù)字化，要把需求內(nèi)容條目化，規(guī)范化，對象化，并用易于跟蹤的半結(jié)構(gòu)化方式進(jìn)行存儲，才能夠滿足數(shù)字化的要求。
光庭和武漢大學(xué)建立的聯(lián)合實(shí)驗(yàn)室，有一個(gè)子課題就是設(shè)計(jì)《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(jié)構(gòu)化軟件需求轉(zhuǎn)換的指南。根據(jù)規(guī)范，可以從分章節(jié)表達(dá)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(zhuǎn)化，形成半結(jié)構(gòu)化需求。這種統(tǒng)一、規(guī)范的半結(jié)構(gòu)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(guān)系自動生成等，皆成為可能。
設(shè)計(jì)過程
汽車底層軟件開發(fā)有相應(yīng)的行業(yè)標(biāo)準(zhǔn)，比如AOTUSAR CP/AP，這類開發(fā)過程遵循標(biāo)準(zhǔn)的設(shè)計(jì)和接口規(guī)范，是基于模型驅(qū)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(jìn)行參數(shù)設(shè)計(jì)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(biāo)平臺代碼。
這個(gè)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(gè)測試中，先輸入一段車燈的控制服務(wù)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(gè)文件結(jié)構(gòu)，設(shè)計(jì)一個(gè)車窗控制相關(guān)的服務(wù)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(wù)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(guān)車窗方法：OpenWindow，CloseWindow
這段AutoSAR配置參數(shù)的自動生成表現(xiàn)不錯(cuò)，特別注意開關(guān)車窗這兩個(gè)方法加入了一個(gè)speed的接口參數(shù)，這很符合業(yè)務(wù)場景。這些方法是沒有給參考輸入，是由AI自動產(chǎn)生，并且符合車窗控制的相關(guān)功能。MDD開發(fā)過程中，AutoSAR配置是個(gè)很繁瑣的過程，對工程師要求也較高，要了解很多業(yè)務(wù)背景知識才能勝任。如果能夠?qū)崿F(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(dāng)前AI模型對輸入和輸出信息的長度限制較大，這點(diǎn)在很大程度限制了業(yè)務(wù)落地的可用性。一個(gè)稍稍復(fù)雜的ARXML配置文件，動輒上萬上十萬行，當(dāng)前AI無法實(shí)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(wù)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(zhuǎn)為代碼，整體正確性基本OK，但要符合特定目標(biāo)平臺，細(xì)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(zhǔn)確描述代碼需求是更值得討論的問題。與機(jī)器對話交流也是一個(gè)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(shí)，發(fā)現(xiàn)因工程師的表達(dá)和語言組織能力參差不齊，會出現(xiàn)各種不同的答案結(jié)果。有的工程師將AI當(dāng)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(jié)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(gè)人都能正確進(jìn)行人機(jī)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(dāng)前AI對局部代碼進(jìn)行注釋的能力已經(jīng)很優(yōu)秀了，但是整體項(xiàng)目工程的內(nèi)容學(xué)習(xí)和架構(gòu)文檔生成，還無法進(jìn)行測試。另外，對于較復(fù)雜代碼，AI在給輸入的代碼加注釋時(shí)，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(shí)際業(yè)務(wù)導(dǎo)入時(shí)，要對其加了注釋之后的代碼進(jìn)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(bǔ)充和完善用例，特別是最后對于項(xiàng)目命名不能含有數(shù)字這個(gè)條件，補(bǔ)充的用例覆蓋面很不錯(cuò)，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(chǎn)生相比這類對話描述更復(fù)雜，對于車載軟件，很多都是上千行復(fù)雜的表格來管理各種參數(shù)組合構(gòu)成的用例，雖然看上去AI寫的的測試用例很靠譜，但是導(dǎo)入到實(shí)際業(yè)務(wù)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(gè)業(yè)務(wù)階段能夠介入的能力。但是AI的能力，如果進(jìn)行的是瀏覽器中的聊天窗口，對軟件生產(chǎn)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(wù)數(shù)據(jù)無縫流動起來，才能實(shí)現(xiàn)人機(jī)的高效協(xié)同。
這一點(diǎn)，可以參考工作流程自動化平臺make，AI嵌入到業(yè)務(wù)流程的節(jié)點(diǎn)，打通各個(gè)服務(wù)節(jié)點(diǎn)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(gè)環(huán)節(jié)和工具鏈包裝成為不同的模組節(jié)點(diǎn)，讓數(shù)據(jù)流動起來。
（將AI能力導(dǎo)入 make.com 流程引擎示例展示）
除了業(yè)務(wù)流集成問題之外，AI還要更理解和匹配業(yè)務(wù)場景。
OpenAI已發(fā)布的GPT3模型接口中，有提供Fine-turning(模型微調(diào))功能，支持使用定制化數(shù)據(jù)進(jìn)行針對性調(diào)整，這為特定業(yè)務(wù)場景的優(yōu)化提供了可能。但這個(gè)微調(diào)能夠達(dá)到什么效果，還是我們持續(xù)研究的課題。
回看人類進(jìn)入工業(yè)時(shí)代標(biāo)志，蒸汽機(jī)驅(qū)動的珍妮紡紗機(jī)，依賴于人力驅(qū)動手工紡織機(jī)器來織布，而動力驅(qū)動工業(yè)紡織機(jī)出現(xiàn)后，人類不再通過手工織布，而是維護(hù)機(jī)器的運(yùn)作，進(jìn)入了織布行業(yè)的人機(jī)協(xié)同時(shí)刻。
當(dāng)前，雖然我們主要還是依靠程序員手工編碼來實(shí)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(chǎn)力的曙光，我們可以期待脫離手工編寫代碼的時(shí)代，將進(jìn)一步解放人力。
但這里有一個(gè)概念要澄清，我們經(jīng)常說軟件研發(fā)，其實(shí)研和發(fā)是有區(qū)別的。研究是設(shè)計(jì)新方法，新算法。而開發(fā)是基于成熟的技術(shù)，算法，組件庫，工具鏈，標(biāo)準(zhǔn)，來實(shí)現(xiàn)軟件功能。AI能加速的是后者，前沿領(lǐng)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(gòu)，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(shù)的進(jìn)步，需要新的編程模式來對軟件工程進(jìn)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(gòu)建和進(jìn)化，打造超級大腦來主導(dǎo)未來的汽車軟件開發(fā)過程。去年底的AI技術(shù)突破掀起的這股人工智能新一波浪潮，更是加強(qiáng)了團(tuán)隊(duì)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(wù)都限制了中國區(qū)域的使用，未來平臺產(chǎn)品化，必須整合中國的AI模型服務(wù)來發(fā)布。
文末彩蛋
最后，我們也讓AI出馬，給它相同的題目，看看它是如何思考回答這個(gè)問題吧！
（圖中內(nèi)容為新必應(yīng)的聊天AI完成）
作者：陳治
光庭智能網(wǎng)聯(lián)汽車軟件研究院 副院長（超級軟件工場實(shí)驗(yàn)室主任）
超級軟件工場實(shí)驗(yàn)室是光庭公司基于“超級軟件工場”戰(zhàn)略設(shè)立的實(shí)驗(yàn)室，是獨(dú)立于研究院外的一級實(shí)驗(yàn)室，負(fù)責(zé)公司開發(fā)平臺的數(shù)字化建設(shè)，知識庫構(gòu)建和智能化算法開發(fā)。團(tuán)隊(duì)成員主要是云平臺開發(fā)技術(shù)人員及NLP算法專家組成，期待有更多數(shù)字化專家人才來加入我們。
目 錄
業(yè) 務(wù)
<fieldset id="qaxhj"><var id="qaxhj"></var></fieldset>