當(dāng)前，汽車行業(yè)的關(guān)鍵字毋庸置疑就是“卷”，車企在卷價格、卷老板、卷出海，卷到最后就是“內(nèi)力”的比拼，哪家研發(fā)效率高、成本控制好，就有更大的概率可以勝出。經(jīng)緯恒潤發(fā)展二十余載，對各流程、標(biāo)準(zhǔn)有豐富積累，也具備完整研發(fā)測試工具鏈，協(xié)助多個不同行業(yè)中的研發(fā)型企業(yè)進行數(shù)字化轉(zhuǎn)型。所謂PMT，分別代表了Process、Method & Model、Tools，本方案從幾個典型的研發(fā)手段透視如何開展研發(fā)數(shù)字化轉(zhuǎn)型。

研發(fā)流程先行

ASPICE是汽車產(chǎn)業(yè)的軟件流程改進和能力測定標(biāo)準(zhǔn)，目前盛行于車廠對供應(yīng)商進行軟件開發(fā)過程評估，對于車企自己的零部件產(chǎn)品研發(fā)部門同樣適用。站在車企角度，項目集成開發(fā)（IPD）作為一種綜合性方法也被更多企業(yè)關(guān)注到。然而在實現(xiàn)高效IPD的過程中，融合ASPICE和功能安全標(biāo)準(zhǔn)成為關(guān)鍵的考慮因素。經(jīng)緯恒潤綜合ASPICE評估團隊和功能安全團隊能力，為客戶提供多種流程和標(biāo)準(zhǔn)結(jié)合的研發(fā)流程優(yōu)化及評估服務(wù)，協(xié)助客戶建立具備自己組織架構(gòu)特色，又符合各項評估及認(rèn)證要求的高效研發(fā)流程。

ALM平臺支撐

流程需要工具支撐才能保證有效執(zhí)行，減少規(guī)則宣貫和人員跟進的工時損耗。比如隨著產(chǎn)品數(shù)字化、智能化程度提高，復(fù)雜度也急劇提升，企業(yè)需要更多的團隊和供應(yīng)商參與開發(fā)，以滿足多領(lǐng)域平行工程開發(fā)的需求。如果各工程團隊各自為戰(zhàn)，勢必導(dǎo)致很多信息孤島，不利于產(chǎn)品的開發(fā)效率和質(zhì)量的提高。

MBSE建模仿真

基于模型的系統(tǒng)工程（MBSE），是將我們在工作中常用到的Office文檔轉(zhuǎn)變?yōu)槟Ｐ驼Z言，作為上下游交付物來傳遞。設(shè)計團隊能夠通過更形象的模型彼此更快速、更準(zhǔn)確地理解互相的設(shè)計意圖；另一方面在設(shè)計早期就可以利用模型做驗證確認(rèn)，從而更早發(fā)現(xiàn)設(shè)計問題。

DevOps提質(zhì)增效

DevOps是一組過程、方法與系統(tǒng)的統(tǒng)稱，用于促進開發(fā)、技術(shù)運營和質(zhì)量保障部門之間的溝通、協(xié)作與整合。透過自動化“軟件交付”和“架構(gòu)變更”的流程，來使得構(gòu)建、測試、發(fā)布軟件能夠更加地快捷、頻繁和可靠，把敏捷開發(fā)部門和運維部門之間的圍墻打通，形成閉環(huán)。DevOps的主要優(yōu)勢在于：自動化流程可以比人員更快，更可靠地執(zhí)行重復(fù)操作。對于組織而言，讓開發(fā)人員或其他人員整天構(gòu)建和部署代碼既不可行，也不高效。使這些重復(fù)性任務(wù)自動化執(zhí)行，可以使開發(fā)人員騰出精力去做自己擅長的工作——修改代碼，為企業(yè)研發(fā)提質(zhì)增效。

INTEWORK-PET（Platform Eco Trace）是經(jīng)緯恒潤自主研發(fā)的汽車軟件持續(xù)集成&持續(xù)交付平臺，在傳統(tǒng)的持續(xù)集成平臺基礎(chǔ)上深化了研運一體化（DevOps）的概念，高效地將嵌入式軟件中的拉取代碼、檢查、構(gòu)建、測試、版本管理以及發(fā)布交付等環(huán)節(jié)串聯(lián)起來，實現(xiàn)從代碼到軟件交付的全流程自動化。

數(shù)據(jù)驅(qū)動研發(fā)平臺

大模型就像一把火，在過去的一年重新喚醒了幾乎快被人們遺忘的AI。據(jù)不完全統(tǒng)計，現(xiàn)階段已有遠(yuǎn)超10家汽車品牌搭載大模型，并且越來越多車企公開宣布正在進行相關(guān)領(lǐng)域的戰(zhàn)略布局，很顯然對于車企而言，大模型上車會變得更加急迫且關(guān)鍵?；跀?shù)據(jù)驅(qū)動的車輛研發(fā)，不止聚焦在當(dāng)前火爆的端到端智駕、多模態(tài)交互座艙，也有很多企業(yè)開始在電池管理、底盤件預(yù)診斷等領(lǐng)域進行探索。經(jīng)緯恒潤自主開發(fā)了全棧數(shù)據(jù)閉環(huán)工具Orienlink，集數(shù)據(jù)采集、AI標(biāo)注、AI算法訓(xùn)練、場景泛化、動力學(xué)仿真、測試管理、大數(shù)據(jù)分析及可視化于一體，以數(shù)字化支持完整的基于數(shù)據(jù)驅(qū)動的產(chǎn)品開發(fā)及測試驗證。