透過確定性工程建立對AI的信任

隨著軟體定義汽車（SDV）程式的演進，汽車開發正處於重大轉折點。在功能更新週期縮短、系統間互動日益複雜的同時，滿足對安全性、可靠性及長期可維護性的嚴格要求變得比以往任何時候都更加重要。在這樣的環境下，生成式AI已經開始被整合到工程工作流程中。雖然它有助於提升開發速度，但由於其非確定性行為、缺乏對物理特性的理解以及可追溯性限制等特點，直接應用於重視安全性的系統被認為相當困難。如果毫無限制地引入生成式AI的輸出，確保驗證、認證和可追溯性將成為重大挑戰。

基於模型的設計（Model-Based Design）透過確定性執行、可執行的規格以及基於物理定律的模擬來應對這些挑戰。MathWorks整合了這些優勢，將生成式AI輔助功能直接嵌入基於模型的設計工具中，實現了工作流程的加速，並同時兼顧汽車軟體所需的長期可靠性和認證要求。

作為信任基礎的模擬

在運用生成式AI的工程中，可靠性的基礎在於模擬。模擬提供了一個可以及早且反覆驗證系統行為的環境。在基於模型的設計中，可以在持續的開發管道中執行閉環模擬，這使得即使是涉及生成式AI的產出，也能在軟體實際安裝到硬體之前，及早於虛擬環境中進行持續驗證。

閉環模擬能夠揭露不穩定性、時序問題、飽和與積分誤差等缺陷，這些問題通常只有在軟體、硬體與物理動態的即時互動中才會顯現。與單獨驗證程式碼邏輯的傳統軟體測試不同，模擬能在現實的操作條件下，針對需求規格驗證系統的整體行為，並能在更早的階段檢測出直接關係到安全性與效能的問題。

在先進的組織中，「左移（Shift-Left）」並非一次性的舉措。虛擬驗證被直接整合到持續整合與持續交付（CI/CD）管道中，並針對每一次變更執行自動建置與模擬。透過針對代表性情境與判定標準不斷評估模型，驗證不再是斷斷續續的工作，而是一項持續的活動。

因應不斷演進的E/E架構的擴展性開發

汽車的電機/電子（E/E）架構正從以ECU為中心的配置，轉向區域型與集中型的運算平台。軟體不能受限於特定硬體，必須能夠在從小型控制器到高性能車載電腦的異質運算資源上可靠地運行，並具備可移植性與擴展性。

基於模型的設計透過將系統行為與軟體意圖從硬體實作中分離出來，以滿足此一需求。工程師建立可執行的模型，作為可靠的「單一事實來源」。從這些模型中，可以為各種處理器與作業系統（包括GPU、DSP、NPU等硬體加速器與AI推論引擎）生成可用於量產的程式碼。這種方法允許在系統層級開發和驗證基於AI的功能（如虛擬感測器），在最小化針對各目標重新設計演算法的需求的同時，提高跨平台的效率與一致性。

透過基於模型的設計強化協作

在複雜性不斷增加的情況下，工程組織需要徹底改變協作方式。將模擬、虛擬化與自動驗證直接整合到CI/CD工作流程中，可針對軟體、AI模型與硬體加速策略進行快速迭代。以模型為中心的方法在維持穩健性、安全性與長期可維護性的同時，提高了組織在軟體定義與AI驅動的車輛開發中的敏捷性。

將AI整合至確定性工作流程

在汽車開發中，當AI被嵌入確定性建模框架中時，才能發揮最大效用。在基於模型的設計工具中，生成式AI所生成的內容會自動與現有的介面、資料定義及架構限制相關聯。Model Context Pro