在汽車(chē)產(chǎn)業(yè)向軟件定義加速演進(jìn)的時(shí)代，人工智能技術(shù)正以前所未有的深度融入研發(fā)流程，重塑著傳統(tǒng)的工程方法論。面對(duì)AI編碼帶來(lái)的效率革命與質(zhì)量挑戰(zhàn)，如何構(gòu)建一個(gè)能夠有效訓(xùn)練、驗(yàn)證AI代理，并確保其輸出符合汽車(chē)產(chǎn)業(yè)高安全、高可靠要求的工程環(huán)境，成為行業(yè)亟待探索的前沿課題。
2026年3月18日，KPIT中國(guó)區(qū)CTO陳毅馳在第七屆軟件定義汽車(chē)論壇暨AUTOSAR中國(guó)日上表示，AI正在深刻沖擊傳統(tǒng)的工程服務(wù)模式，為應(yīng)對(duì)這一變局，KPIT正在超越單純的軟件集成商角色，致力于構(gòu)建一個(gè)開(kāi)放、高效的“工程練習(xí)場(chǎng)”，旨在為AI代理理解和優(yōu)化汽車(chē)電子電氣架構(gòu)提供一個(gè)接近真實(shí)的、可迭代驗(yàn)證的沙盒環(huán)境，助力行業(yè)在擁抱AI加速的同時(shí)，守住質(zhì)量與成本的平衡。
陳毅馳認(rèn)為AI將重塑汽車(chē)工程服務(wù)組織形態(tài)。隨著大語(yǔ)言模型能力提升，工程師角色正從“執(zhí)行者”轉(zhuǎn)向“審閱者”與“決策者”，企業(yè)內(nèi)部的組織效率和認(rèn)知帶寬成為新瓶頸。KPIT將繼續(xù)以開(kāi)源為基礎(chǔ)，攜手行業(yè)客戶探索AI在EEA開(kāi)發(fā)中的實(shí)際應(yīng)用，助力中國(guó)汽車(chē)產(chǎn)業(yè)實(shí)現(xiàn)“降本增效、保質(zhì)保量”的可持續(xù)發(fā)展目標(biāo)。
陳毅馳 | KPIT中國(guó)區(qū)CTO
以下為演講內(nèi)容整理：
戰(zhàn)略轉(zhuǎn)型：從集成到解決方案伙伴
KPIT正經(jīng)歷一次深刻的品牌與戰(zhàn)略重新定位，其核心目標(biāo)是從傳統(tǒng)的軟件與系統(tǒng)集成合作伙伴，全面升級(jí)為深度整合人工智能的解決方案伙伴。這一轉(zhuǎn)型并非孤立之舉，而是深刻回應(yīng)了汽車(chē)產(chǎn)業(yè)變革的多重驅(qū)動(dòng)力：日益?zhèn)€性化和快速迭代的消費(fèi)端創(chuàng)新需求，對(duì)解決方案與核心軟件棧擁有更好控制權(quán)與所有權(quán)的行業(yè)共識(shí)，以及向新出行生態(tài)和相鄰高價(jià)值市場(chǎng)拓展的必然趨勢(shì)。為此，KPIT在全球范圍內(nèi)進(jìn)行了一系列具有戰(zhàn)略協(xié)同性的投資與布局，例如收購(gòu)Technica Engineering以增強(qiáng)在車(chē)載網(wǎng)絡(luò)、原型開(kāi)發(fā)及安全測(cè)試領(lǐng)域的實(shí)力，從而加速客戶向軟件定義汽車(chē)的轉(zhuǎn)型；與集團(tuán)合資成立QORIX，專(zhuān)注于開(kāi)發(fā)開(kāi)放、可靠且符合車(chē)規(guī)的世界級(jí)中間件基礎(chǔ)軟件棧。
同時(shí)，KPIT也戰(zhàn)略性地投資于艙內(nèi)游戲與沉浸式體驗(yàn)、汽車(chē)底層操作系統(tǒng)軟件以及基于云的遠(yuǎn)程診斷與服務(wù)等關(guān)鍵增長(zhǎng)領(lǐng)域。這些舉措相互關(guān)聯(lián)，共同構(gòu)成了一個(gè)從底層硬件參考設(shè)計(jì)、基礎(chǔ)軟件到上層應(yīng)用服務(wù)的增強(qiáng)型能力矩陣。所有行動(dòng)都緊密對(duì)齊并前瞻于客戶的技術(shù)發(fā)展路線圖，其根本目的在于綜合利用包括生成式人工智能在內(nèi)的前沿技術(shù)，系統(tǒng)性應(yīng)對(duì)研發(fā)成本飆升、軟件復(fù)雜度激增與開(kāi)發(fā)周期漫長(zhǎng)的核心挑戰(zhàn)，最終實(shí)現(xiàn)研發(fā)成本顯著優(yōu)化、產(chǎn)品上市周期實(shí)質(zhì)性縮短以及開(kāi)發(fā)流程根本性精簡(jiǎn)的戰(zhàn)略目標(biāo)。這一從“交付執(zhí)行”到“聯(lián)合創(chuàng)新”的全新定位，為KPIT構(gòu)思并構(gòu)建面向未來(lái)的、賦能人工智能的工程環(huán)境奠定了堅(jiān)實(shí)的戰(zhàn)略與能力基礎(chǔ)。
圖源：演講嘉賓素材
構(gòu)建工程練習(xí)場(chǎng)：開(kāi)源軟硬件與數(shù)據(jù)模型
承接從解決方案伙伴的定位出發(fā)，為具體應(yīng)對(duì)人工智能對(duì)傳統(tǒng)工程服務(wù)模式與成本的沖擊，KPIT創(chuàng)新性地提出并構(gòu)建了一個(gè)名為“工程練習(xí)場(chǎng)”的綜合性沙盒環(huán)境。其核心立意在于超越單純提供工具，轉(zhuǎn)而打造一個(gè)高度仿真的、對(duì)AI代理友好的工作與驗(yàn)證平臺(tái)，類(lèi)似于整車(chē)測(cè)試所需的物理場(chǎng)地，旨在將友好的上下文和環(huán)境設(shè)計(jì)深度融入工程實(shí)踐的每個(gè)環(huán)節(jié)，最終目標(biāo)是在整個(gè)車(chē)輛項(xiàng)目生命周期內(nèi)降低長(zhǎng)期的綜合成本與工程精力投入高達(dá)百分之三十至四十。這一環(huán)境并非封閉的專(zhuān)有系統(tǒng)，其強(qiáng)大之處與開(kāi)放性正源于主要建立在開(kāi)源與模塊化組件的基礎(chǔ)之上。
在硬件與系統(tǒng)平臺(tái)層面，KPIT打造了名為“Automotive Smart Core”的實(shí)體參考平臺(tái)，并已在CES等國(guó)際展會(huì)上進(jìn)行展示。該平臺(tái)集成了NVIDIA Jetson系列的高性能計(jì)算單元與NXP S32G系列區(qū)域控制器，形成了覆蓋中央計(jì)算與區(qū)域控制的硬件骨架，同時(shí)集成了車(chē)載以太網(wǎng)10BASE-T1S和智能電子保險(xiǎn)絲等關(guān)鍵部件。
其設(shè)計(jì)目標(biāo)是構(gòu)建一個(gè)成熟、可裁剪的模塊化參考架構(gòu)，使OEM和供應(yīng)商能夠在此平臺(tái)上提前驗(yàn)證整體的電子電氣架構(gòu)設(shè)計(jì)、網(wǎng)絡(luò)拓?fù)浼凹夹g(shù)選型，從而基于真實(shí)的測(cè)量數(shù)據(jù)與性能表現(xiàn)提前發(fā)現(xiàn)并消除架構(gòu)風(fēng)險(xiǎn)，從根本上削減后期變更導(dǎo)致的昂貴研發(fā)成本。此平臺(tái)重點(diǎn)集成了KPIT在車(chē)載通訊與時(shí)間敏感網(wǎng)絡(luò)等領(lǐng)域的先進(jìn)技術(shù)，為上層軟件與AI代理提供了穩(wěn)定可靠的底層硬件載體。
圖源：演講嘉賓素材
在軟件中間件層面，KPIT依托其與采埃孚集團(tuán)合資成立的QORIX公司，深度集成并貢獻(xiàn)于開(kāi)源的Eclipse S-CORE解決方案。該方案提供了從經(jīng)典平臺(tái)到自適應(yīng)平臺(tái)的全面中間件棧，包括通信中間件、持久化、安全與診斷等核心服務(wù)，其優(yōu)勢(shì)在于企業(yè)可獲得完整的源代碼所有權(quán)，從而避免了從零開(kāi)始構(gòu)建內(nèi)部中間件系統(tǒng)所需承受的巨額初始投入與長(zhǎng)期維護(hù)負(fù)擔(dān)，同時(shí)能借助活躍的全球開(kāi)源社區(qū)力量持續(xù)獲得功能增強(qiáng)、安全修復(fù)與性能優(yōu)化，顯著加速了創(chuàng)新迭代的進(jìn)程。這一堅(jiān)定選擇開(kāi)源基礎(chǔ)軟件的策略，源于KPIT對(duì)當(dāng)前軟件定義汽車(chē)時(shí)代代碼高速迭代趨勢(shì)的深刻洞察，即重新審視企業(yè)內(nèi)部私有代碼庫(kù)在不斷變化的開(kāi)源生態(tài)中的核心價(jià)值與持續(xù)維護(hù)的成本效益，旨在構(gòu)建一個(gè)更加開(kāi)放、靈活的基座，以便更敏捷地整合與適配業(yè)界廣泛認(rèn)可的最佳實(shí)踐和標(biāo)準(zhǔn)。
在此堅(jiān)實(shí)的基礎(chǔ)上，KPIT進(jìn)一步注入了自身在二十余年工程服務(wù)中積累的獨(dú)特知識(shí)產(chǎn)權(quán)，構(gòu)建了名為“Aurora”的測(cè)試調(diào)度與管理系統(tǒng)。該系統(tǒng)深度融合了KPIT在為全球眾多主機(jī)廠提供高級(jí)輔助駕駛、智能座艙及三電系統(tǒng)等服務(wù)過(guò)程中所沉淀的海量電子電氣架構(gòu)認(rèn)證用例庫(kù)，全面覆蓋了上電時(shí)序、功能安全、網(wǎng)絡(luò)安全等關(guān)鍵驗(yàn)證領(lǐng)域，并承載了公司推動(dòng)測(cè)試向“百分百可追溯、百分百覆蓋、百分百自動(dòng)化”愿景邁進(jìn)的內(nèi)部目標(biāo)。
然而，面對(duì)AI代理如何理解復(fù)雜車(chē)輛架構(gòu)這一核心挑戰(zhàn)，KPIT創(chuàng)新性地引入了FLYNC數(shù)據(jù)模型。該模型旨在破解一個(gè)關(guān)鍵工程難題：當(dāng)將包含ARXML、DBC、各類(lèi)測(cè)試矩陣、JSON文件以及可視化架構(gòu)圖等多種異構(gòu)格式的龐雜EEA設(shè)計(jì)知識(shí)庫(kù)直接提交給大語(yǔ)言模型時(shí)，其有限的上下文窗口難以有效消化和處理如此復(fù)雜且非結(jié)構(gòu)化的信息。FLYNC通過(guò)一種“配置即代碼”的工程化方法，將這些多源異構(gòu)的設(shè)計(jì)數(shù)據(jù)轉(zhuǎn)換并組織為對(duì)AI代理而言清晰、一致且易于理解的上下文語(yǔ)義，從而極大地提升了AI在針對(duì)特定車(chē)型電子電氣架構(gòu)進(jìn)行設(shè)計(jì)生成、代碼編寫(xiě)或問(wèn)題診斷時(shí)的輸出相關(guān)性與任務(wù)成功率，使得AI代理能夠在接近真實(shí)的工程上下文中進(jìn)行有效“練習(xí)”。
圖源：演講嘉賓素材
未來(lái)挑戰(zhàn)與展望：與AI協(xié)作的困境與平衡
盡管AI代理帶來(lái)了前所未有的自由度與執(zhí)行速度，但其深度融入工程流程也引發(fā)了新的組織與管理困境。KPIT在實(shí)踐中觀察到三大核心挑戰(zhàn)。首先是認(rèn)知帶寬的挑戰(zhàn)。當(dāng)大語(yǔ)言模型能夠快速產(chǎn)生海量、詳盡、啟發(fā)性的方案與代碼時(shí)，研發(fā)團(tuán)隊(duì)是否具備足夠的認(rèn)知帶寬去消化、評(píng)估這些數(shù)字資產(chǎn)，成為了新的瓶頸。在追求質(zhì)量與安全的汽車(chē)行業(yè)，即便是經(jīng)驗(yàn)豐富的工程師，面對(duì)AI高速生成的代碼進(jìn)行評(píng)審也感到壓力巨大。其次是決策成本的挑戰(zhàn)。當(dāng)?shù)时对?、迭代范圍擴(kuò)大時(shí)，決策的頻率和速度也必須跟上。
然而，傳統(tǒng)的決策流程可能無(wú)法匹配這種高速迭代，導(dǎo)致“執(zhí)行非瓶頸，決策成瓶頸”的局面，并可能在頻繁嘗試中消耗大量資源。最后是組織效率的挑戰(zhàn)。當(dāng)上游的智能革命已經(jīng)啟動(dòng)，下游的執(zhí)行效率被最大化，處于中游的組織管理流程是否能與之匹配，成為價(jià)值實(shí)現(xiàn)的關(guān)鍵。
KPIT認(rèn)為，當(dāng)前與AI協(xié)作的核心矛盾，在于自由度與邊界、執(zhí)行速度與認(rèn)知負(fù)荷、開(kāi)發(fā)效率與質(zhì)量保障之間的平衡。為此，KPIT將其角色定位為行業(yè)的共同探索者與賦能者。其構(gòu)建的“工程練習(xí)場(chǎng)”，正是這樣一個(gè)以開(kāi)源為基礎(chǔ)的平臺(tái)，它可能短期內(nèi)無(wú)法直接產(chǎn)出符合車(chē)規(guī)要求的解決方案，但卻為行業(yè)提供了一個(gè)低成本、高效率的試驗(yàn)場(chǎng)，讓企業(yè)與工程師能夠在此安全地探索AI在EEA設(shè)計(jì)等工程領(lǐng)域的應(yīng)用邊界、有效方法和潛在風(fēng)險(xiǎn)。KPIT希望通過(guò)分享其在利用AI降本增效、保質(zhì)保量方面的經(jīng)驗(yàn)，特別是結(jié)合其在服務(wù)海外客戶過(guò)程中積累的工程與資源整合能力，助力更多中國(guó)汽車(chē)企業(yè)在智能化與全球化的浪潮中，穩(wěn)健前行。