然而，聯網車輛的出現以及來自多種來源的數據(如客戶使用數據和車隊數據)的產生，已顯著改變了行業格局。過去，數據需要被主動生成，而如今，行業借助這些來源產生的海量數據，在實時環境中訓練人工智能模型，從而提升開發流程的效率。

　　人工智能在汽車行業中的應用

　　人工智能對汽車行業的影響是復雜的。區分不同的人工智能應用至關重要，例如用于增強物理模型的機器學習模型、提升軟件開發效率的大型語言模型，以及輔助理解和處理文檔的人工智能工具。這些應用在汽車開發的各個方面都發揮著關鍵作用，從提升用戶界面到實現自動駕駛。

　　將人工智能(AI)集成到汽車開發中的主要挑戰之一是管理海量數據。傳統數據驗證和處理方法已不再足夠。相反，需要先進的基礎設施和平臺來有效處理和過濾這些數據。盡管存在這些挑戰，人工智能的優勢是顯而易見的，可以顯著減少與手動流程相關的時間和成本。例如：

　　來自單一數據源的數據可以被不同團隊以多種方式使用(例如校準和軟件開發)。

　　測試流程可以優化。

　　開發活動可以得到優化并持續運行。

　　人工智能在軟件開發與測試中的應用

　　在軟件開發和測試領域，人工智能工具多年來一直是提升效率和可靠性的關鍵工具。例如，人工智能能夠根據需求自動生成測試用例，從而減少手動流程所需的時間并降低潛在錯誤。畢竟，人工智能可以全天候運行，但與任何數據驅動的技術一樣，其結果和分析的質量取決于所使用的數據質量。

　　此外，人工智能可以分析視頻并從無法通過物理手段測量且成本過高的真實世界場景中生成合成數據，從而提升測試覆蓋率并增強測試結果的可靠性。它在利用需求生成測試用例方面也具有重要價值。過去，這是一個手動過程，工程師需要閱讀并解讀需求，然后手動創建測試用例。借助人工智能，整個過程可以實現自動化，顯著減少所需時間并降低錯誤或誤解的風險。

　　然而，在軟件開發和測試中，我們不能走捷徑。人工智能在安全關鍵領域(如自動駕駛)的集成，需要嚴格的驗證和測試，以確保可靠性和安全性。因此，目前人工智能只是一個工具，用于縮短開發時間并增強對測試結果的信心。

　　人工智能在汽車行業的未來

　　展望未來，人工智能在汽車行業中的潛在應用極為廣泛。隨著計算能力的不斷提升和成本的降低，人工智能在汽車研發和測試中的作用將進一步擴大。例如，由于車輛內部的計算能力有限，企業正探索將計算能力擴展至云端。

　　然而，該行業必須解決監管和責任問題，特別是涉及自動駕駛車輛的問題。如果發生錯誤導致事故，責任應由誰承擔?是車輛制造商(OEM)、軟件供應商還是其他方?這是一個復雜的問題，隨著自動駕駛技術的發展，行業必須逐步解決。

　　這引發了一個問題：我們前進的速度有多快?沒有人希望落在最后，但前進得太快可能會導致對正在發生的事情失去部分控制，而涉及安全時，這是不可接受的。由于ETAS的工作涉及車輛安全，我們專注于如何使車輛安全可靠，因此我們需要對AI工具的輸出保持控制并依賴其結果。我們展望未來，認為在利用人工智能提升效率與通過嚴格驗證流程確保安全可靠性之間，將實現一種平衡。

　　ETAS的人工智能解決方案

　　ETAS 處于將人工智能(AI)融入汽車開發的前沿，我們對創新的承諾確保我們在不斷發展的汽車 AI 領域中將繼續發揮關鍵作用。我們的方法包括利用 AI 處理和優化數據、生成測試用例以及提升模型可靠性。例如，我們在開發鏈的兩端都應用了 AI 工具：

　　左側/編碼：生成式 人工智能與聊天機器人工具可協助開發人員在使用ETAS工具鏈時解決AUTOSAR、C代碼生成、ARXML文件及基礎軟件配置等常見問題。在此過程中，人工智能工具會學習常見問題，對于已知問題直接提供答案，或在遇到未記錄問題時，幫助人類開發者更輕松地接手處理。

　　右側/驗證：在 AI校準套件中， 通過利用大量數據并結合實際世界信息來優化校準過程。傳統上，這是一個耗時且需要人工操作的流程。通過引入AI技術，不僅顯著提升了效率，而且確保了知識的傳承，避免了因關鍵人員離職而導致的知識流失。

　　另一個例子是ETAS嵌入式AI編碼器，它能夠安全、快速且高效地在電子控制單元(ECU)上部署AI功能。通過利用該工具的先進性能，開發時間顯著縮短，從而釋放出原本用于生成C代碼的傳統資源。此外，當集成ETAS的ASCMO時，可生成適用于多個領域的AI模型，為模型開發和C代碼生成提供一站式解決方案。通過協同工作，這些工具擴展了嵌入式編碼器生態系統，使非AI專家也能進行模型生成。

　　人工智能(AI)及其工具正在深刻變革汽車行業，為效率提升和創新帶來前所未有的機遇。隨著行業持續發展，人工智能的深度融合將在塑造汽車研發與測試的未來中發揮關鍵作用。ETAS通過積極擁抱人工智能技術，充分展現了這些技術在打造更安全、更高效車輛方面的變革潛力。