随着软件定义汽车（SDV）程序的演进，汽车开发正处于重大转折点。在功能更新周期缩短、系统间交互日益复杂的同时，满足对安全性、可靠性及长期可维护性的严格要求变得比以往任何时候都更加重要。在这样的环境下，生成式AI已经开始被集成到工程工作流程中。虽然它有助于提升开发速度，但由于其非确定性行为、缺乏对物理特性的理解以及可追溯性限制等特点，直接应用于重视安全性的系统被认为相当困难。如果毫无限制地引入生成式AI的输出，确保验证、认证和可追溯性将成为重大挑战。 基于模型的设计（Model-Based Design）通过确定性运行、可运行的规格以及基于物理定律的仿真来应对这些挑战。MathWorks集成了这些优势，将生成式AI辅助功能直接嵌入基于模型的设计工具中，实现了工作流程的加速，并同时兼顾汽车软件所需的长期可靠性和认证要求。 作为信任基础的仿真 在运用生成式AI的工程中，可靠性的基础在于仿真。仿真提供了一个可以及早且反复验证系统行为的环境。在基于模型的设计中，可以在持续的开发管道中运行闭环仿真，这使得即使是涉及生成式AI的产出，也能在软件实际安装到硬件之前，及早于虚拟环境中进行持续验证。 闭环仿真能够揭露不稳定性、时序问题、饱和与积分误差等缺陷，这些问题通常只有在软件、硬件与物理动态的即时交互中才会显现。与单独验证代码逻辑的传统软件测试不同，仿真能在现实的操作条件下，针对需求规格验证系统的整体行为，并能在更早的阶段检测出直接关系到安全性与性能的问题。 在先进的组织中，「左移（Shift-Left）」并非一次性的举措。虚拟验证被直接集成到持续集成与持续交付（CI/CD）管道中，并针对每一次变更运行自动建置与仿真。通过针对代表性情境与判定标准不断评估模型，验证不再是断断续续的工作，而是一项持续的活动。 因应不断演进的E/E架构的扩展性开发 汽车的电机/电子（E/E）架构正从以ECU为中心的配置，转向区域型与集中型的运算平台。软件不能受限于特定硬件，必须能够在从小型控制器到高性能车载电脑的异质运算资源上可靠地运行，并具备可移植性与扩展性。 基于模型的设计通过将系统行为与软件意图从硬件实作中分离出来，以满足此一需求。工程师创建可运行的模型，作为可靠的「单一事实来源」。从这些模型中，可以为各种处理器与操作系统（包括GPU、DSP、NPU等硬件加速器与AI推论引擎）生成可用于量产的代码。这种方法允许在系统层级开发和验证基于AI的功能（如虚拟传感器），在最小化针对各目标重新设计算法的需求的同时，提高跨平台的效率与一致性。 通过基于模型的设计强化协作 在复杂性不断增加的情况下，工程组织需要彻底改变协作方式。将仿真、虚拟化与自动验证直接集成到CI/CD工作流程中，可针对软件、AI模型与硬件加速策略进行快速迭代。以模型为中心的方法在维持稳健性、安全性与长期可维护性的同时，提高了组织在软件定义与AI驱动的车辆开发中的敏捷性。 将AI集成至确定性工作流程 在汽车开发中，当AI被嵌入确定性建模框架中时，才能发挥最大效用。在基于模型的设计工具中，生成式AI所生成的内容会自动与现有的接口、数据定义及架构限制相关联。Model Context Pro