文 / 本刊記者 趙子垚
智能網聯汽車已成為汽車產業轉型發展的戰略方向和重要引擎,而汽車軟件是智能網聯汽車創新發展的核心要素。如今,在這一領域的開發實踐中,又呈現出怎樣的發展動向?
以“軟件定義汽車(SDV)”,構建智能汽車新生態,正成為汽車產業發展的新共識。如何抓住汽車產業數字化轉型機遇,提升汽車軟件技術創新能力,打造更加智能化和高質量的汽車軟件產品,已成為汽車企業提升競爭力的關鍵。
11 月3 日,在2023 中國汽車軟件大會的“智能重塑生態,軟件賦能轉型”主題論壇上,中國汽車工業協會軟件分會理事長、中汽創智首席執行官李豐軍,同濟大學汽車學院教授朱西產,蔚來汽車有限公司高級總監黃亮,零束科技有限公司軟件平臺及解決方案總監承建興,華為技術有限公司智能汽車解決方案軟件平臺部部長崔愛國,寧德時代(上海)智能科技有限公司首席技術官蔡建永,德勤中國管理咨詢總監周全,易特馳汽車技術有限公司虛擬化技術專家葉舒,蘇州智行眾維智能科技有限公司副總經理付耿,科世達(上海)管理有限公司開發四部部長程暉等專家、學者與企業精英作現場發言,聚焦汽車軟件開發技術與實踐經驗等相關話題,深入探討SDV 發展現狀,探究行業前沿技術趨勢,分享創新技術實踐案例。該主題論壇由德國汽車工業協會中國區副總裁、中德智能網聯汽車推廣應用中心項目聯合管理辦公室主任張琳主持。
高新汽車軟件技術的發展不僅推動著汽車智能新生態構建,也更新著行業從業者與消費者對汽車的定義和認知。李豐軍在致辭中表示,當前,以軟件技術引領的汽車產業重大變革,在促使汽車產品呈現出前所未有的智能化體驗同時,也正帶來關于汽車軟件技術路線、商業模式與實踐的全新挑戰。而在此汽車軟件技術發展的關鍵時期,需要產學研各方積極努力,特別是要重視基礎理論的研究,共同推進汽車軟件生態的協同發展。
借此時機,李豐軍謹代表中國汽車工業協會軟件分會發出倡議:一是重視基礎研究,推動全面創新。加強汽車軟件基礎研究,帶動汽車軟件前沿技術、共性關鍵技術全面突破創新;二是加強技術成果轉化,推動產業鏈上下游協同。基于核心關鍵技術和原創技術,打造標桿技術產品,加強技術產業化落地。匯聚“產學研用”資源,倡導產業鏈上下游企業合作,共同推動我國汽車軟件產業快速發展;三是鼓勵國內外企業交流合作,共同研究制訂技術標準,共同打造技術創新平臺,推動中國與世界汽車軟件產業協同融合發展。“中國汽車工業協會軟件分會將持續做好服務工作,搭建好汽車軟件技術交流平臺和技術成果轉化平臺”。
對于新一代架構下車企在軟件研發管理方面所面臨的挑戰這一話題,黃亮表示,在汽車軟件研發實際中,性能和功能上的優勢、效率可擴展性以及低成本,是整個平臺數字化建設過程中非常重要的三個指標。不過,盡管新架構帶來了美好和“炫酷”的前景,但在實際研發過程中也帶來了巨大挑戰。“首先,ECU 的軟硬一體化縱向被打破;其次,跨域融合加強,工具鏈的橫向標準化面臨很多挑戰;再次,需要支持多車型、并行開發;最后,軟件架構的復雜化加大了對軟件能力的挑戰。”
為了應對這一挑戰,黃亮認為需要在組織流程和評價體系上進行工作。在組織上,必須使交付的研發組織能夠適應新的軟硬件架構,從過去的域縱向一體化團隊轉向分層化、模塊化的交付團隊。其次,解耦后,需要建立橫向的標準化知識團隊,包括架構和工具鏈。在流程上,針對新的平臺研發,需要建立一套流程框架和評價體系,從功能交付、平臺性能、使用效率和效益四個維度進行評價,并建立層次化的多版本和敏捷迭代的協同機制。
承建興對此表示贊同,他認為優秀的軟件平臺有助于汽車行業全面構建智能車進化能力,推動技術產品化,加速產品商業化的落地進程。他強調,在實踐過程中,模塊化的實現在很大程度上取決于軟件架構的能力。“同時,考慮到未來自動駕駛生態的兼容性,為了讓更多算法能夠在軟件平臺上運行,需要在異構芯片、異構OS 的架構上靈活配置SOMEIP、DDS、SHM 等多種通信方式,以提高軟硬集成的效率。”
崔愛國認為,當前探討智能汽車服務化分層解耦的核心話題應該集中在構建開放穩定的數字底座,以促使汽車軟件的高效開發。他建議通過設備標準API 定義汽車外設硬件,如燈、座椅、后視鏡、雨刮等,將應用功能封裝成可復用的原子服務,并通過標準化API 接口向應用層提供服務和支持。
然而,構建這一架構所面臨的挑戰主要來自協同流程的不暢通。崔愛國指出,首先,行業缺乏真正實現服務化的全流程供應鏈,需要形成鏈式開發效應;其次,由于各公司獨立運營,知識產權保護可能導致開發過程中缺乏共享基礎或形成壁壘;第三,設計周期相對較長。因此,他強調對軟件的抽象能力需要行業共識,共同定義標準化接口,實現原子服務和設備的真正標準化,從而將汽車軟件開發周期縮短超過40%。

“智能重塑生態,軟件賦能轉型”主題論壇嘉賓合影
蔡建永分享了他對滑板底盤的EEA(電子電器架構)和軟件開發的思考。他指出,一臺高性能的智能汽車,不僅需要具備良好的軟件基礎,還需要考慮硬件與軟件如何更好地兼容。對于行業目前多采用的垂直模式造車,他提出了兩則實踐問題:首先,私有化接口導致每個供應商與車企之間的適配問題出現壁壘;其次,上下車體的耦合使得新車型和平臺開發的周期和時間較長,代價較高。
此外,蔡建永表示滑板底盤的高度集成化和上下解耦、對外開放的特點,也意味著機械接口、電子電器接口、控制和數據接口可以并行開發、獨立演進,甚至支持場景造車。“這樣的特性吸引了更多參與者,構建了一個更為開放的生態系統。”因此,在他看來滑板底盤不僅可以引領平行造車模式,實現智能電動汽車全生命周期價值最大化,同時還能打造一體化智能底盤軟件開放框架,加速整車廠軟件的快速開發。
透過對特斯拉數據場景、軟件技術、商業模式等進行詳細分析,朱西產分享了他對AI 賦能智能汽車發展趨勢及量產落地的思考,為相關技術的發展提供了建設性意見。他指出,隨著AI 在智能汽車中的應用比例不斷增加,今年產業各方紛紛在“卷”云端大模型,開始賦能智能駕駛這一領域。盡管車端實際應用仍受制于車端算力的提升情況,但從特斯拉對汽車產業的顛覆來看,商業邏輯正在逐漸從僅賣車掙錢轉向通過數據、軟件和FSD 實現盈利的全新模式。
然而,智能駕駛的發展現狀是在封閉路況上并無大問題,而在城市路況上仍存在一定難度。朱西產提到:“現在已裝車的AI 軟件模型基本上都是預測式AI,而預測式AI 強烈依賴標簽,因此標簽缺失、識別錯誤就會有問題。智能駕駛的難點就在于還有長尾問題的安全性需要解決。”他還指出,各企業目前基本都在建立場景庫和數據集,但隨之而來的問題是道路采集數據標記成本居高不下。他認為,這些難點有望隨著AI 大模型的出現真正實現擺脫標簽的突破,“如果能夠實現擺脫標簽,那么邊緣場景問題可能會得到解決”。
周全從汽車軟件生態新價值的視角分享了德勤方面的研判。他指出,SDV 已逐漸成為行業共識,對企業價值、品牌價值和產品價值產生深刻影響。德勤認為未來中國汽車軟件的價值滲透率將非常高,如今中國智能車的軟件推廣數量已經達到了300 多億。
不過,周全也表示,盡管整車廠已經“勾勒”出在2030 年之前在汽車軟件領域的期望位置,但需要注意四個優先事項,方才能為大規模推動SDV 做足準備:首先,采用以軟件為主導的產品開發思維,實現汽車行業內企業的敏捷性和適應性;其次,簡化平臺和軟件改革,升級車輛電氣和電子架構,支持SDV,實現功能可升級性,減少硬件組件數量;第三,以質量為導向的轉型,滿足客戶對功能和服務的高期望,質量管理和軟件缺陷修復變得關鍵;第四,使用云環境連接生態系統,加速汽車產品開發工作流程的轉型,建立一致的平臺促進“一次構建,隨處部署”的方法。
身為虛擬化領域深度研究者,葉舒表示虛擬化技術的應用將助力汽車軟件開發工作,“通過虛擬仿真平臺完成大部分軟件測試,可以降低硬件成本、提高研發效率,并提升產品質量。”她強調虛擬化測試解決了許多測試效率方面的難題,相比實車測試,虛擬化測試更迅速、更容易發現問題,同時減少了硬件成本,提高了開發效率。“同時,引入虛擬化實驗還能夠迅速完成大數據的累積,為打磨軟件質量提供有力支持。”
葉舒指出,所有傳統控制器都能采用數字化、虛擬化的方式,通過VECU 虛擬控制器控制平臺,從而將每個傳統控制器嵌入式軟件打造成虛擬化節點。而這些虛擬節點可以以開放接口的形式兼容第三方模型,從而使得傳統領域使用的測試設備和測試軟件在這個平臺上實現兼容使用。
在SDV 前提下,軟件測試驗證同樣成為軟件開發的關鍵環節。付耿認為,隨著軟件代碼復雜度的不斷提高,對軟件測試的重視度也需要相應提升,以確保軟件質量和整車質量的可信性。在面向智能汽車的端到端功能安全軟件測試中,他強調首先要注重對代碼的靜態檢查,“這不僅是為了形式合規,更重要的是通過靜態檢查提升軟件質量,增進整個開發和測試團隊對軟件質量的理解,從而使質量意識融入團隊和企業的基因中。”此外,對于代碼動態測試,他認為還要測量結構化的覆蓋率,包括語句覆蓋、MC/DC 等標準。
付耿還提到軟件故障注入測試的問題,并表示這是測試實踐中常常容易被忽視的部分。他強調在這方面,需要結合功能安全分析來識別可能的故障,實現全局的故障注入,并檢查故障的識別和處理機制是否符合預期。
隨著新一代電子架構的推進,區域控制架構正變得炙手可熱。由此,在車身域實現新的電子電氣架構,整合產品以提供更出色的使用體驗已成為程暉在SDV 實踐中的主要關注方向。基于在車身域SDV 實踐的總結,他提出建議探索在中央計算之外從傳感器到執行器的直接協同工作過程,使得區域控制器能夠繞過中央計算單元,實現真正的邊緣計算功能。
另一方面,由于目前大多數車企采用中央計算+四個區域控制器的架構形式,再加上傳感器和執行器。在新的架構下,程暉建議考慮引入更多的區域控制器,以減少與周圍傳感器連接的線束長度,從而降低開發復雜度、減輕軟件測試工作負擔,以簡化車身域SDV 整體開發和時間管理的復雜性。