Perforce此前發(fā)布了《2025年汽車軟件開發(fā)現(xiàn)狀報告》，龍智作為Perforce中國授權合作伙伴，將基于該報告的數據和見解，為您深入解讀AI在汽車軟件開發(fā)中的演進趨勢、制造商面臨的挑戰(zhàn)，以及靜態(tài)代碼分析在AI驅動系統(tǒng)中的關鍵作用。

自汽車首次面向消費者銷售以來，汽車制造商就一直在競爭誰能提供最新穎的功能和最優(yōu)質的駕駛體驗。如今，這種競爭已不再局限于車輛的物理特性，而是更多地轉向如何讓汽車變得更智能、更好地與外部世界互聯(lián)。

在全球成千上萬的汽車型號和配置中，如何脫穎而出成為了一場激烈的競爭。隨著消費者對網絡互聯(lián)、交互式儀表盤和自動駕駛功能的需求不斷上升，制造商越來越依賴于軟件開發(fā)，而人工智能（AI）在設計、制造和更新車輛的過程中扮演著核心角色。

然而，汽車領域的AI應用同樣面臨挑戰(zhàn)。隨著全球監(jiān)管機構和消費者對AI應用的關注日益加強，制造商必須制定新的策略，以確保在創(chuàng)新的同時兼顧安全與可擴展性。

AI在汽車行業(yè)的應用保持穩(wěn)定增長

基于對全球650多名汽車行業(yè)從業(yè)者的深入調研，《2025年汽車軟件開發(fā)現(xiàn)狀報告》提供了關于AI對汽車行業(yè)影響的重要洞察。其中，提供新穎功能已成為推動AI發(fā)展的關鍵因素之一。受訪者中，有58%認為“保持行業(yè)競爭力”是當前最大的市場挑戰(zhàn)，該數據較去年增長了28%。

這一問題在一級和二級供應商中尤為突出，分別占比28%和25%。

調查中，大多數受訪者（42%）表示在全自動駕駛汽車的設計中使用了AI；另有38%表示AI被用于部分自動駕駛組件的開發(fā)。與去年相比，AI在自動駕駛方面的應用增長了5%，這表明AI的發(fā)展勢頭穩(wěn)定。但隨著技術與市場的演變，未來重點是否會發(fā)生轉移仍然有待觀察。

從地域來看，AI的應用情況各不相同。調研顯示，北美、中東、非洲和大洋洲在全自動駕駛設計中更積極地采用AI，而歐洲、亞洲和拉丁美洲則更多地將AI用于支持特定的功能組件，而非實現(xiàn)整車自動駕駛。

AI在汽車領域的優(yōu)勢

AI在現(xiàn)代汽車開發(fā)中的應用非常廣泛，其中最廣為人知的是高級駕駛輔助系統(tǒng)（ADAS）。隨著系統(tǒng)日益智能化，ADAS不僅提升了駕駛安全性，也簡化了駕駛體驗。常見的應用包括車道保持、自適應巡航控制、駕駛員監(jiān)測以及泊車輔助。

AI支持自動駕駛功能的例子，包括車載的全球導航衛(wèi)星系統(tǒng)（GNSS）和慣性導航系統(tǒng)（INS）。這些組件會生成大量的傳感器數據，需要依靠AI進行解讀和實時決策，來實現(xiàn)車輛的精確控制和移動。

AI還改變了車輛與制造商之間的通信方式。它支持基于實時診斷和駕駛行為的智能OTA（空中下載）更新，還能通過算法實現(xiàn)個性化設置，例如根據駕駛習慣自動調整座椅位置、空調溫度和多媒體偏好等。

AI在連接功能方面的作用也不容忽視：41%的受訪者表示，AI對車輛的連接功能產生了一定影響，39%表示AI直接推動了連接設計的決策。

AI在軟件開發(fā)中的作用

AI為汽車行業(yè)帶來的價值早在車輛上路前就已經顯現(xiàn)。調研中，49%的受訪者認為“最大限度利用現(xiàn)有資源”是主要挑戰(zhàn)之一，排在第二位。隨著預算收緊和產品復雜度的提升，越來越多的開發(fā)團隊開始借助AI來使用更少的資源完成更多任務，尤其是在需要遵循MISRA?和ISO 26262等標準的情況下。

生成式AI工具可以協(xié)助開發(fā)者進行代碼的編寫、重構、測試以及語言轉換。這些工具能夠根據提示生成代碼、補全語句，并對舊系統(tǒng)進行現(xiàn)代化處理，而無需全部重寫。

在嵌入式開發(fā)環(huán)境中，生成式AI的應用價值更為細致。它可以幫助編寫適用于資源受限系統(tǒng)（如ADAS平臺）的優(yōu)化代碼。但由于生成的結果不可預測且缺乏可解釋性，其應用仍受到一定限制。

生成式AI也可用于文檔編寫，包括API文檔、用戶手冊和代碼注釋，有助于提高代碼的一致性、可維護性，并減少新開發(fā)人員的上手時間。

汽車行業(yè)對AI的擔憂

盡管AI潛力巨大，汽車制造商仍需要謹慎對待。調查顯示，安全性和安全性風險是受訪者最為關注的問題：“自動駕駛/半自動駕駛車輛中AI算法的安全決策”和“在引入先進AI技術的同時避免漏洞和網絡攻擊”，這兩項分別位居前列。

AI為汽車軟件開發(fā)帶來了新的挑戰(zhàn)，系統(tǒng)在部署前必須經過嚴格的驗證以確保其安全性。具體挑戰(zhàn)包括：

• 缺乏確定性：諸如自動駕駛等功能必須在實時場景中作出可預測的反應。然而基于機器學習的AI模型，在相同條件下可能會輸出不同的結果，難以滿足功能安全標準對可預測性的要求。
• 代碼可見性有限：ISO 26262等標準要求開發(fā)過程具有完整的可追溯性和透明性，MISRA?合規(guī)標準也要求代碼的可見性。但許多AI組件是以“黑盒”形式運行的，這種可見性的缺乏使測試用例的生成和驗證變得更為復雜，尤其是對于那些具有較高ASIL等級的組件，需要更加嚴格的測試流程。
• 汽車安全風險增加：AI模型容易受到對抗性攻擊的影響，其中微小和惡意的輸入可能會導致不良行為。在安全關鍵型系統(tǒng)中，這種操控很可能帶來災難性的后果，例如誤導傳感器輸入或繞過安全控制機制。

有趣的是，盡管整體上代碼質量仍是首要關注點（占比29%），但大多數的受訪者并未將“AI生成的代碼質量”視為重大風險（見上圖）。這可能表明，在適當的應用場景下，業(yè)內對AI工具的信心正在逐步建立。

汽車行業(yè)如何適應AI發(fā)展

隨著AI在汽車系統(tǒng)中的深入應用，相關的安全標準也在不斷演變。傳統(tǒng)的功能安全框架正在被重新審視，以應對與AI相關的新型風險。

其中一項最新進展是 ISO/DPAS 8800 ，即針對道路車輛中AI應用的安全規(guī)范。該標準為AI驅動的系統(tǒng)提供了一套安全措施和驗證指導，是確保AI組件在功能安全框架下可靠運行的重要一步。

為了降低AI系統(tǒng)在開發(fā)和合規(guī)方面的風險，汽車開發(fā)團隊正越來越多地采用靜態(tài)分析工具，例如Perforce QAC 和 Perforce Klocwork ，以便在軟件開發(fā)生命周期的早期發(fā)現(xiàn)潛在問題。

Perforce靜態(tài)分析工具能夠在代碼進入測試或部署階段之前識別缺陷、漏洞以及合規(guī)性問題。靜態(tài)分析作為一種獨立的安全保障和合規(guī)檢查機制，可幫助開發(fā)團隊維護代碼質量，確保軟件符合功能安全要求。

結語

汽車行業(yè)已邁入“軟件優(yōu)先”的時代，AI正在改變開發(fā)者思考和實現(xiàn)新功能的方式。從車輛設計、個性化駕駛體驗到持續(xù)的維護更新，AI正在助力團隊打造更智能、更安全、更具市場競爭力的汽車產品。

調研結果顯示，制造商普遍意識到，在擁抱AI創(chuàng)新的同時，也必須加強對安全性、可預測性和合規(guī)性的重視。采用如Perforce QAC 和 Klocwork 等專業(yè)級的靜態(tài)分析工具，正成為領先企業(yè)應對復雜開發(fā)挑戰(zhàn)、加速滿足功能安全標準（如MISRA?與ISO 26262）要求的重要策略。

Perforce中國授權合作伙伴——龍智，致力于為國內車企提供全方位的一站式服務，幫助團隊以更高效、安全的方式在AI浪潮中把握先機。