2025年汽车行业趋势解读：AI在汽车软件开发中的应用、代码安全挑战等（附Perforce QAC / Klocwork工具推荐）

Perforce此前发布了《2025年汽车软件开发现状报告》，龙智作为Perforce中国授权合作伙伴，将基于该报告的数据和见解，为您深入解读AI在汽车软件开发中的演进趋势、制造商面临的挑战，以及静态代码分析在AI驱动系统中的关键作用。

自汽车首次面向消费者销售以来，汽车制造商就一直在竞争谁能提供最新颖的功能和最优质的驾驶体验。如今，这种竞争已不再局限于车辆的物理特性，而是更多地转向如何让汽车变得更智能、更好地与外部世界互联。

在全球成千上万的汽车型号和配置中，如何脱颖而出成为了一场激烈的竞争。随着消费者对网络互联、交互式仪表盘和自动驾驶功能的需求不断上升，制造商越来越依赖于软件开发，而人工智能（AI）在设计、制造和更新车辆的过程中扮演着核心角色。

然而，汽车领域的AI应用同样面临挑战。随着全球监管机构和消费者对AI应用的关注日益加强，制造商必须制定新的策略，以确保在创新的同时兼顾安全与可扩展性。

AI在汽车行业的应用保持稳定增长

基于对全球650多名汽车行业从业者的深入调研，《2025年汽车软件开发现状报告》提供了关于AI对汽车行业影响的重要洞察。其中，提供新颖功能已成为推动AI发展的关键因素之一。受访者中，有58%认为“保持行业竞争力”是当前最大的市场挑战，该数据较去年增长了28%。

这一问题在一级和二级供应商中尤为突出，分别占比28%和25%。

调查中，大多数受访者（42%）表示在全自动驾驶汽车的设计中使用了AI；另有38%表示AI被用于部分自动驾驶组件的开发。与去年相比，AI在自动驾驶方面的应用增长了5%，这表明AI的发展势头稳定。但随着技术与市场的演变，未来重点是否会发生转移仍然有待观察。

从地域来看，AI的应用情况各不相同。调研显示，北美、中东、非洲和大洋洲在全自动驾驶设计中更积极地采用AI，而欧洲、亚洲和拉丁美洲则更多地将AI用于支持特定的功能组件，而非实现整车自动驾驶。

AI在汽车领域的优势

AI在现代汽车开发中的应用非常广泛，其中最广为人知的是高级驾驶辅助系统（ADAS）。随着系统日益智能化，ADAS不仅提升了驾驶安全性，也简化了驾驶体验。常见的应用包括车道保持、自适应巡航控制、驾驶员监测以及泊车辅助。

AI支持自动驾驶功能的例子，包括车载的全球导航卫星系统（GNSS）和惯性导航系统（INS）。这些组件会生成大量的传感器数据，需要依靠AI进行解读和实时决策，来实现车辆的精确控制和移动。

AI还改变了车辆与制造商之间的通信方式。它支持基于实时诊断和驾驶行为的智能OTA（空中下载）更新，还能通过算法实现个性化设置，例如根据驾驶习惯自动调整座椅位置、空调温度和多媒体偏好等。

AI在连接功能方面的作用也不容忽视：41%的受访者表示，AI对车辆的连接功能产生了一定影响，39%表示AI直接推动了连接设计的决策。

AI在软件开发中的作用

AI为汽车行业带来的价值早在车辆上路前就已经显现。调研中，49%的受访者认为“最大限度利用现有资源”是主要挑战之一，排在第二位。随着预算收紧和产品复杂度的提升，越来越多的开发团队开始借助AI来使用更少的资源完成更多任务，尤其是在需要遵循MISRA?和ISO 26262等标准的情况下。

生成式AI工具可以协助开发者进行代码的编写、重构、测试以及语言转换。这些工具能够根据提示生成代码、补全语句，并对旧系统进行现代化处理，而无需全部重写。

在嵌入式开发环境中，生成式AI的应用价值更为细致。它可以帮助编写适用于资源受限系统（如ADAS平台）的优化代码。但由于生成的结果不可预测且缺乏可解释性，其应用仍受到一定限制。

生成式AI也可用于文档编写，包括API文档、用户手册和代码注释，有助于提高代码的一致性、可维护性，并减少新开发人员的上手时间。

汽车行业对AI的担忧

尽管AI潜力巨大，汽车制造商仍需要谨慎对待。调查显示，安全性和安全性风险是受访者最为关注的问题：“自动驾驶/半自动驾驶车辆中AI算法的安全决策”和“在引入先进AI技术的同时避免漏洞和网络攻击”，这两项分别位居前列。

AI为汽车软件开发带来了新的挑战，系统在部署前必须经过严格的验证以确保其安全性。具体挑战包括：

• 缺乏确定性：诸如自动驾驶等功能必须在实时场景中作出可预测的反应。然而基于机器学习的AI模型，在相同条件下可能会输出不同的结果，难以满足功能安全标准对可预测性的要求。
• 代码可见性有限：ISO 26262等标准要求开发过程具有完整的可追溯性和透明性，MISRA?合规标准也要求代码的可见性。但许多AI组件是以“黑盒”形式运行的，这种可见性的缺乏使测试用例的生成和验证变得更为复杂，尤其是对于那些具有较高ASIL等级的组件，需要更加严格的测试流程。
• 汽车安全风险增加：AI模型容易受到对抗性攻击的影响，其中微小和恶意的输入可能会导致不良行为。在安全关键型系统中，这种操控很可能带来灾难性的后果，例如误导传感器输入或绕过安全控制机制。

有趣的是，尽管整体上代码质量仍是首要关注点（占比29%），但大多数的受访者并未将“AI生成的代码质量”视为重大风险（见上图）。这可能表明，在适当的应用场景下，业内对AI工具的信心正在逐步建立。

汽车行业如何适应AI发展

随着AI在汽车系统中的深入应用，相关的安全标准也在不断演变。传统的功能安全框架正在被重新审视，以应对与AI相关的新型风险。

其中一项最新进展是 ISO/DPAS 8800 ，即针对道路车辆中AI应用的安全规范。该标准为AI驱动的系统提供了一套安全措施和验证指导，是确保AI组件在功能安全框架下可靠运行的重要一步。

为了降低AI系统在开发和合规方面的风险，汽车开发团队正越来越多地采用静态分析工具，例如Perforce QAC 和 Perforce Klocwork ，以便在软件开发生命周期的早期发现潜在问题。

Perforce静态分析工具能够在代码进入测试或部署阶段之前识别缺陷、漏洞以及合规性问题。静态分析作为一种独立的安全保障和合规检查机制，可帮助开发团队维护代码质量，确保软件符合功能安全要求。

结语

汽车行业已迈入“软件优先”的时代，AI正在改变开发者思考和实现新功能的方式。从车辆设计、个性化驾驶体验到持续的维护更新，AI正在助力团队打造更智能、更安全、更具市场竞争力的汽车产品。

调研结果显示，制造商普遍意识到，在拥抱AI创新的同时，也必须加强对安全性、可预测性和合规性的重视。采用如Perforce QAC 和 Klocwork 等专业级的静态分析工具，正成为领先企业应对复杂开发挑战、加速满足功能安全标准（如MISRA?与ISO 26262）要求的重要策略。

Perforce中国授权合作伙伴——龙智，致力于为国内车企提供全方位的一站式服务，帮助团队以更高效、安全的方式在AI浪潮中把握先机。