随着“软件定义汽车”逐渐成为行业共识，越来越多的车企开始调整核心战略，旨在打造杰出的软件能力，提供卓越的客户体验，提升品牌整体竞争力。
然而，什么样的软件能力才称得上高水准？对车企而言，高效的开发流程不可或缺。“需要重新审视和塑造现有的软件开发体系，以应对软件定义汽车趋势。”8月3日，在2022 MathWorks中国汽车年会召开期间，MathWorks中国区汽车技术经理董淑成在与媒体代表交流时表示。
汽车行业两次数字转型
汽车行业有两次数字转型，第一次是用软件提升硬件，主要是软件结合硬件，提升像发动机排放、底盘操控稳定性等一些车辆环保、安全基础功能问题。
随着“新四化”的推进，汽车行业正在经历第二次数字转型，业内称之为“软件定义汽车”。在这个过程中，软件和硬件地位已经发生了变化：硬件变成软件载体，软件为客户提供更多的体验和服务。
从软件架构来讲，已从面向信号变成面向基于以太网的SOA服务。以智己L7多样化的场景模式为例，无论是刺激的超跑模式，还是舒心的小憩模式，这些功能的背后都离不开强力的底层构建——SOA服务的支持。现在，汽车变成了一个带着四个轮子的手机。面向信号的软件架构已经没法应对目前这种软件的复杂程度，SOA把软件模块应用化了，变成一个个APP嵌入到各控制器中。在SOA架构下，各模块功能之间的松耦合有利于软件的开发和维护。
第二次数字转型对软件开发体系提出了挑战，主要表现在缺少跨学科专业知识、硬件原型不足且昂贵、缺陷发现时间太晚、如何符合行业标准等方面。
重塑软件开发体系
“以前的开发模式难以应对第二次数字转型。”董淑成表示，“需要重新审视和塑造现有的软件开发体系，重点关注系统工程、软件工厂、数据驱动、虚拟车辆四个方面。”
系统工程把每个产品作为一个整体来理解，如何有效评估架构、如何开展权衡分析、如何进行组件选型、如何构建方案原型、如何前置集成测试等一系列问题都要统筹兼顾。
最近几年里，不少传统车企宣称自己是软件公司或者向软件公司转型，软件工厂概念应运而生。以前开发一款新车型可能需要5年时间，现在则大大缩短，可能只需2年，甚至1年多时间就能推出一款新车。从持续集成到开发运营，软件工厂被要求具有持续快速交付高品质软件产品的能力。因为软件复杂度提升、上市时间缩短、预算有限、软硬件生命周期分离，汽车软件开发融合敏捷开发理念和流程，从自动生成代码到建模和仿真，再到测试和验证，可将开发效率和实施速度大幅提升。
数据驱动是指集成AI算法赋能系统。将采集到的大量数据进行清洗和预处理，通过AI建模、仿真、测试、验证和确认，将优化后的算法部署到CPU、GPU、FPGA等嵌入式设备，服务器和云端。
虚拟车辆让功能设计者在几分钟内集成系统、软件和数据，创建出一辆虚拟车辆，用于对功能进行仿真，从而开展原型设计、虚拟标定和虚拟验证。
系统工程、软件工厂、数据驱动、虚拟车辆四个方面并不是孤立运作的，系统工程、数据驱动、虚拟车辆是形成软件工厂能力的基础。系统工程有助于从多方面、多视角制订合理的软件目标和软件开发计划，权衡软硬件实现比例，从系统层面上降低产品成本。而数据驱动开发可以通过实车行驶数据不断优化软件算法，同时，数据也可以不断优化车辆模型，让虚拟车辆更接近于实车数据。高精度的虚拟车辆模型不仅可以用于控制算法的功能测试，而且可以帮助工程师实现控制优化或者控制参数标定。
关键在于整合系统、软件和数据
董淑成表示，软件定义汽车的关键是整合系统、软件和数据。把系统、软件、数据叠加在一起，借助一些方法、工具，优化算法，快速交付软件。作为合作伙伴，MathWorks对车企建设软件开发体系的建议是：集成系统工程与软件开发；融合敏捷开发与汽车软件开发；选择流程中的自动化步骤；培养内部AI专家和开发能力；集成模型驱动和数据驱动流程；提前考虑云解决方案；应用标准化软件工厂中的工具链。
值得一提的是，使用标准工具链能让工程团队专注于价值创造，高效应对标准的合规性。汽车行业是大量采用基于模型设计的传统行业。MathWorks开发的仿真集成平台Simulink和面向工程的AI开发工具MATLAB在汽车行业有广泛应用，它们成功地将基于模型设计引入到产品化软件开发中，实现基于模型设计的流程部署和优化。更重要的是，借助MathWorks开发工具，汽车行业具有车辆背景的工程师也可以从事汽车软件的开发。
