隨著汽車智能化程度的不斷提高，傳統(tǒng)的車輛功能已經(jīng)逐漸向復(fù)雜的軟件系統(tǒng)轉(zhuǎn)型。尤其在智能座艙領(lǐng)域，從多屏交互到增強(qiáng)現(xiàn)實(shí)（AR）的廣泛應(yīng)用，各類新技術(shù)層出不窮，這也使得軟件測(cè)試面臨著前所未有的挑戰(zhàn)。

在此背景下，AI大模型作為一種強(qiáng)大的工具，有望提升自動(dòng)化測(cè)試效率、改善用戶體驗(yàn)，進(jìn)而推動(dòng)整個(gè)行業(yè)的發(fā)展。

01 智能座艙軟件測(cè)試現(xiàn)狀

智能座艙嵌入了大量的軟件系統(tǒng)，包括娛樂(lè)信息、導(dǎo)航、安全監(jiān)測(cè)、車手互聯(lián)、多屏互動(dòng)以及AR技術(shù)等多個(gè)模塊，系統(tǒng)的復(fù)雜性使得對(duì)其進(jìn)行全面和高效的測(cè)試變得越來(lái)越困難。因此，對(duì)這些系統(tǒng)進(jìn)行嚴(yán)格而有效地驗(yàn)證就顯得至關(guān)重要。

目前，一些企業(yè)已經(jīng)開(kāi)始嘗試使用人工智能和機(jī)器學(xué)習(xí)來(lái)輔助這一過(guò)程。如通過(guò)AI生成測(cè)試用例并預(yù)測(cè)缺陷，可以極大地提升工作效率。然而，這一切仍處于探索階段，需要更多成熟的方法論來(lái)支持，以確保整體軟件質(zhì)量?，F(xiàn)階段，引入標(biāo)準(zhǔn)化流程及建設(shè)完善的AI大模型將成為未來(lái)發(fā)展的方向之一。

02 自動(dòng)化測(cè)試

面對(duì)日益增長(zhǎng)且復(fù)雜的軟件需求，傳統(tǒng)的人力資源已難以滿足當(dāng)前市場(chǎng)要求，因此自動(dòng)化測(cè)試應(yīng)運(yùn)而生。一般情況下，按照整車11輪的測(cè)試下來(lái)，用自動(dòng)化的手段和傳統(tǒng)的人工方式進(jìn)行數(shù)據(jù)對(duì)比，自動(dòng)化大概比人工方式效率提升了5倍左右，相當(dāng)于可以節(jié)約500人/日的工時(shí)。

自動(dòng)化測(cè)試通過(guò)模擬用戶操作，實(shí)現(xiàn)對(duì)各種場(chǎng)景下程序行為的一致評(píng)估，大幅度提高了檢測(cè)準(zhǔn)確率與執(zhí)行速度。此外，其可重復(fù)性的特質(zhì)也讓開(kāi)發(fā)團(tuán)隊(duì)能夠更好地追蹤問(wèn)題，從而加速產(chǎn)品迭代周期。

在實(shí)施過(guò)程中，一個(gè)典型步驟包括腳本錄制，即根據(jù)業(yè)務(wù)邏輯記錄實(shí)際操作，然后轉(zhuǎn)換成可以編輯并反復(fù)運(yùn)行的代碼。這種方法能最大限度地解放人力，讓工程師能專注于更具創(chuàng)造性的任務(wù)，而非繁瑣的數(shù)據(jù)輸入。當(dāng)結(jié)合圖像識(shí)別等先進(jìn)技術(shù)時(shí)，它還能夠?qū)崟r(shí)反饋結(jié)果，比如發(fā)現(xiàn)界面上的錯(cuò)誤或異常情況，為后續(xù)改進(jìn)提供依據(jù)。

例如，在一個(gè)實(shí)驗(yàn)室環(huán)境中搭建臺(tái)架集群，可實(shí)現(xiàn)批量并行testing；在路試階段，也可設(shè)置特殊條件，如溫度變化或者遠(yuǎn)程更新(FOTA)，進(jìn)一步保障產(chǎn)品性能穩(wěn)定。

而這種全閉環(huán)、高覆蓋率的方法，無(wú)疑會(huì)為每一次發(fā)布奠定堅(jiān)實(shí)基礎(chǔ)，提高消費(fèi)者信任感，同時(shí)降低潛在風(fēng)險(xiǎn)成本。

03 引入AI大模型后的突破

3.1 自動(dòng)生成與缺陷預(yù)測(cè)

當(dāng)我們談?wù)摰紸I大模型時(shí)，不僅意味著數(shù)據(jù)處理能力的大幅提升，更代表了一種深刻理解自然語(yǔ)言及上下文關(guān)系的新方式。在這個(gè)框架內(nèi)，我們可以借助歷史數(shù)據(jù)分析來(lái)優(yōu)化我們的工作流。

例如，根據(jù)需求文檔生成具體的 test cases，以及基于過(guò)往 defects 記錄做出的精準(zhǔn)預(yù)判，都體現(xiàn)出了 AI 的價(jià)值所在。不再局限于簡(jiǎn)單規(guī)則匹配，而是真正從根源上解決問(wèn)題，將焦點(diǎn)聚集到最可能出現(xiàn)故障的位置，加快修復(fù)速度，從容應(yīng)對(duì)頻繁更新?lián)Q代帶來(lái)的壓力。

3.2用戶體驗(yàn)評(píng)估

對(duì)于強(qiáng)調(diào)人機(jī)交互（HMI）設(shè)計(jì)理念的智能座艙而言，僅靠硬件制造商自身無(wú)法完全把握用戶真實(shí)體驗(yàn)，此時(shí)需要依賴 AI 模擬不同類型駕駛者行為，以便及時(shí)捕捉潛在的問(wèn)題。

一方面能幫助研發(fā)團(tuán)隊(duì)了解哪些地方需調(diào)整，以及最終形成符合市場(chǎng)需求的新車型配置方案。而另一方面，由于是基于海量真實(shí)數(shù)據(jù)訓(xùn)練出來(lái)，所以其效果相較傳統(tǒng)調(diào)研更加科學(xué)合理，更容易獲得客戶認(rèn)同感，提高品牌忠誠(chéng)度。

3.3.性能監(jiān)控與持續(xù)集成

為了保持競(jìng)爭(zhēng)優(yōu)勢(shì)，多數(shù)公司都采用 CI/CD 流程，即持續(xù)集成/持續(xù)部署模式，把各個(gè)版本間隔縮短至幾小時(shí)甚至分鐘。但這無(wú)形之中又給 QA 團(tuán)隊(duì)施加了巨大的壓力，需要他們迅速判斷修改是否影響到了其他部分乃至整套生態(tài)鏈條。

因此，如果將 AI 大規(guī)模融入其中，就可以做到實(shí)時(shí)監(jiān)測(cè)任何代碼改變背后的影響，并提前發(fā)出警報(bào)，相比過(guò)去減少許多人力投入，同時(shí)保證上線品質(zhì)不打折扣。

04 展望

AI大模型在智能座艙軟件測(cè)試中具有一定潛力，但在實(shí)際應(yīng)用中仍面臨諸多挑戰(zhàn)，需要結(jié)合傳統(tǒng)測(cè)試方法形成成熟的解決方案，以確保全面覆蓋和準(zhǔn)確性。

目前, AI大模型在實(shí)踐過(guò)程中遇到諸多瓶頸，例如算法透明性不足導(dǎo)致決策不可解釋；亦或是由于訓(xùn)練數(shù)據(jù)來(lái)源有限造成偏差等等。

同時(shí)，團(tuán)隊(duì)?wèi)?yīng)考慮模型的訓(xùn)練數(shù)據(jù)質(zhì)量、可解釋性和安全性等因素，成功克服這些困難需要企業(yè)投入時(shí)間、資源和專業(yè)知識(shí)。

此外，高昂的人才招聘費(fèi)用也是不少公司的負(fù)擔(dān)，要想真正發(fā)揮作用必須建立跨部門(mén)協(xié)作機(jī)制，共享知識(shí)產(chǎn)權(quán)才能迎接即將到來(lái)的時(shí)代浪潮，否則很可能淪為被淘汰者行列中的一員！

因此，加強(qiáng)內(nèi)部培訓(xùn)培養(yǎng)專業(yè)人才勢(shì)必成為關(guān)鍵戰(zhàn)略之一。如果沒(méi)有足夠經(jīng)驗(yàn)積累，再優(yōu)秀的平臺(tái)也只能是一紙空談罷了。

內(nèi)容參考：

https://www.sohu.com/a/755714074_121822496#:~:text

https://zhuanlan.zhihu.com/p/367674185

https://blog.csdn.net/weixin_51954443/article/details/116127740

https://blog.csdn.net/PSP2000er/article/details/117255064

車質(zhì)網(wǎng)、凱睿賽馳《2023年智能座艙質(zhì)量現(xiàn)狀及趨勢(shì)研究》

- THE END -

審核編輯 黃宇