【TechWeb】2022 MathWorks中國汽車年會于2022年8月2日至11日在線上舉行。本次活動包括了近30場技術演講和3場專題上機實踐活動，內容覆蓋車載軟件、自動駕駛、虛擬車輛、人工智能等多個領域。

從軟件賦能到軟件定義，汽車行業不僅需要解決諸如錯誤發現滯后帶來的高昂代價、功能融合所需的跨學科知識、功能安全與實施成本之間的權衡等老問題，也面臨著新的挑戰：軟件復雜度的不斷提升、利用數據驅動創造價值、人工智能的引入和實現、數字技術和工程能力的結合。這些問題和挑戰同樣也給予了行業審視和重塑軟件開發體系的機會，讓軟件能成為未來價值的真正驅動力。

在本次年會上，MathWorks中國首席技術專家龔小平發表了軟件定義汽車的相關演講。

(相關資料圖)

在上個世紀七八十年代，電控系統開始逐步應用到車輛。在這個階段軟件大大提升了硬件的能力，這可以看作是行業的第一次數字化轉型。在這次轉型過程中面臨了許多挑戰。比如：

在設計方面，利益相關方無法有效進行評審。

在實現方面，錯誤發現過晚導致修復成本高。

在人員方面，汽車工程師不熟悉軟件開發。

基于模型設計的方法，在這個背景下應運而生。它通過建模和仿真實現了設計的可執行和易理解。通過系統化的測試提前發現問題，通過自動代碼生成技術，把汽車工程師從代碼編寫中解放了出來。

隨著社會對清潔和交通安全期望的進一步提升，以及互聯網和移動數字體驗的深入人心，公眾希望在出行方式上保持這種體驗的連續性。在這個背景下，行業迎來了以電動化、智能化和網聯化為標志的第二次數字化轉型，軟件承擔了前所未有的技術創新的角色，以至于產生了軟件定義汽車這個概念。

軟件可以作為獨立的產品，以應用商店的形式，按需為用戶提供功能，以軟件服務訂閱的方式來收費。這樣的一個商業模式，滿足了用戶個性化和新體驗的一個期望。

這次轉型對于組織架構和開發體系有著顛覆式的影響，他要求企業組織提高虛擬化的一個開發比重，重新構建供應鏈的體系，以及加大對員工的知識技能培訓。對于軟件開發體系，算力集中化以后該如何優化系統和軟件架構，如何建立人工智能算法開發和集成能力？如何將素質能力和工程能力結合起來，構建一個虛擬化的開發流程？

對于如何解決這些問題，MathWorks認為系統工程、軟件工廠、數據驅動和虛擬車輛是比較重要的能力。

系統工程能力可以幫助軟件創新至系統級優化。

軟件工廠的能力可以幫助持續快速交付高質量的軟件產品。

數據驅動的能力將人工智能算法集成到軟件中來。虛擬車輛的能力是將以上三者進行一個整合，幫助在流程中引入虛擬原型，虛擬集成和虛擬驗證的概念。

具體來說，系統工程是用于解決復雜多學科系統設計的一個流程，復雜系統的開發通常面臨著多重約束，比如相關方對于功能和性能的期望，成本預算和進度等等項目要求，以及工程上的可實現性。在軟件定義汽車時代，車輛系統除了涉及機械電子控制等領域以外，還引入了計算機視覺信號處理，傳感器融合、路徑規劃等等新的學科。這些功能的出現讓車輛的結構和形態有了更多的可能性。

如何在開發的早期有限的信息下，找到一個既滿足約束又相對優化的方案，將合理的功能需求分配到軟件，需要依賴于系統工程的能力，將不同形態的模型貫穿到你的整個系統的需求、分析、設計、實施和驗證的生命周期中，就是所謂的基于模型的系統工程。

前面提到在第一次數字轉型過程中，基于模型的設計方法起到了重要作用，那么基于模型的設計和基于模型的系統工程有什么聯系？基于模型的設計側重在軟件，而基于模型的系統工程重心之一在進入軟件開發之前的階段，以市場需求、客戶需求、法律法規需求作為輸入，通過場景分析推導出系統應該具備的功能開展架構設計和功能分配，得到軟件的設計需求和硬件的接口規范，再進入基于模型的設計階段。

另外一個重心是系統的集成和驗證，以模型為載體，系統過程擴展了基于模型設計的范疇，構建起從系統需求、系統架構到軟件設計、軟件實現、系統集成以至于系統運營的整個系統生命周期的一個數字化線索。

軟件工廠的首要目標是持續交付高質量的軟件產品。除軟件本身還應包括文檔、報告、工件等產出。對于回歸測試、度量統計、報告生成等高頻任務也應該實現自動化。同時應該利用尚未自動化的流程探索階段盡量查找并填補標準規范中的空白。因此關鍵問題在于：什么時候在軟件工廠引入高頻任務并自動化運行這些任務？

應用基于模型設計的典型流程是首先導入設計需求，創建軟件架構，以圖形化建模的方式替代傳統的文檔設計規范，這種規范更易理解，也可以仿真。隨著越來越多的設計細節加入到可執行規范中，我們可以得到用于產品及代碼生成的模型。

經過仿真測試后，這樣的模型可以生成代碼并編譯下載到目標硬件中進行執行。在流程中仿真是關鍵，我們用它來填補需求驗證的一個空白，但是僅僅如此還是不夠的。對于安全關鍵應用的高質量軟件要求，我們要采取更為嚴格的方法進行補充，并開展一些其他的驗證活動。這些活動包括建立需求與軟件架構，軟件模塊之間的追溯關系，對作為可執行規范的模型進行評審和靜態分析，對生成的代碼進行背靠背測試，最后在單元級的驗證完成后，需要進行軟件的集成測試。

數據驅動的首要任務是是集成人工智能算法，并進一步賦能原有的系統。這中間有一些挑戰：

如何將AI與已有技術進行集成？

原始數據的復雜度和質量問題怎么解決？

現有人員缺乏人工智能算法開發的相關技能怎么解決？

對于具體的組織來說，數據驅動成功的標志就是能夠交付給市場基于AI技術的產品和服務。因此數據驅動要面對的問題是企業如何將真實系統和AI進行連接？如何讓數據科學家和工程師進行一個有效的協同工作？

對此MathWorks建議讓工程師和數據科學家將AI整合到整個系統設計的一個工作流程中，可以分成4個主要階段：數據準備、算法建模、仿真測試以及算法部署。

在數據準備期間，清洗和預處理非常重要。如果我們沒有足夠的數據，那么可以使用仿真來生成。在這個階段具有專業領域知識的工程師是處理這些數據的最佳人選。

在模型的設計和調試階段，自動化的訓練步驟可以提供可視化的方法來理解和編輯深度的學習網絡。也可以借助特定的平臺來加速訓練，并與主流的AI網絡保持一個互聯互通。算法開發完成以后，需要將它整合到更大的一個系統中進行仿真測試，讓基于AI的感知算法與定位路徑規劃，還有控制算法進行協同。

在最后的算法部署階段，對于AI算法要采用自動代碼生成技術，消除手動編碼的錯誤，同時采用靈活配置的方法，實現面向從嵌入式到企業系統或者云端的不同平臺的一個靈活部署。這樣的一個端到端的工作流是實現數據驅動落地的根基。

虛擬車輛可以讓功能設計者在幾分鐘內以適當的詳細程度集成系統、軟件和數據創建出一輛虛擬車輛，用于對功能進行仿真，從而開展原型設計、虛擬標定和虛擬驗證。

虛擬車輛實現的一個核心是仿真集成平臺，這個平臺應該具備豐富的開箱即用功能，同時要保持一個接口開放性，以便進行定制擴展，再利用集成仿真來實現最大程度的一個流程前置。

在本次大會期間，關于目前汽車領域中嵌入式軟件的發展趨勢，MathWorks中國區汽車技術經理董淑成向TechWeb表示：

我們看到目前在汽車行業最大的趨勢是軟件架構的變化。以前的軟件是面向信號的軟件架構，一個車上有很多個控制器，現在這個可能要發生變化。從軟件架構來講，要通過面向信號變成面向服務這樣一個架構。也就是我們經常提到SOA架構，從我們汽車嵌入式軟件開發來講，這是一個最大的趨勢，我看到的情況是這樣。

關于汽車行業中SOA的優勢，董淑成經理表示：

SOA的優勢可以這么說，以前面向信號的軟件架構已經是沒法應對目前這種軟件的復雜度了。SOA它把軟件模塊應用化了，我們可以大概理解成以后的軟件模塊不像以前，以前我們會把很多模塊放在一起，最后編譯成一個文件下載到控制器上去。以后我們會把一些軟件模塊應用化，變成一個個應用APP，就像我們手機APP一樣。對于開發每個APP來講，它的復雜度和開發難度會大大降低。APP之間實現一個服務接口，他們可以做到模塊之間的松耦合。

關鍵詞：