生成式 AI (GenAI) 正在从根本上加速并重塑软件开发。然而，在汽车安全关键型应用中，更快的创建速度可能会在验证、确认和可追溯性环节造成瓶颈。
GenAI 生成代码、模型、测试和文档的速度，超过了团队使用手动流程审查和评定这些输出的速度。如果没有配套的工作流，团队将面临架构脆弱、可追溯性减弱、行为不可预测，以及确认工作量超过生产力提升的风险。对于安全关键型系统，这些问题会直接影响认证准备情况和长期可维护性。
汽车团队必须确定如何部署 GenAI，同时保持工程主导权、对系统的理解以及合规性。
本白皮书阐述了基于模型的设计如何为在汽车系统与软件开发中应用 GenAI 提供结构化基础。通过将 GenAI 与基于模型的设计工作流相结合，工程团队能够加速设计与实现，同时在整个生命周期内保持可追溯性、验证和系统级确认。
GenAI 能够快速生成工件、协助使用工具，并将广泛的背景知识应用于工程任务，从而显著提升生产力。然而，在安全关键型汽车开发中，如果不在结构化工作流中加以管理，它的局限性会带来风险。
一场从独立 GenAI 工具向智能体 AI 的转变正在发生，在这种模式下，AI 智能体根据工程师定义的目标执行任务。这些智能体可以与 MATLAB® 和 Simulink® 等工具交互，使 GenAI 从辅助工具转变为开发工作流中的积极参与者。
模型上下文协议 (MCP) 与技能文件是由大语言模型 (LLM) 驱动的智能体 AI 应用的关键赋能要素。MCP 使 LLM 能够与工程工具（例如 MATLAB、Simulink 和 Polyspace® 产品）交互，将概率性推理转化为有据可依的确定性执行，并利用对物理特性的理解。技能文件是文本形式的指令，用于告诉 LLM 如何最好地完成特定任务以及应避免哪些操作。
关键问题不在于 GenAI 是否有用（显然有用），而在于如何应用它，使严谨性、信任度和工程责任制能够与速度同步扩展。如果没有相应的验证、确认和可追溯性工作流，更快的创建速度可能会将风险转移到后期集成、认证和长期维护阶段。
长期以来，基于模型的设计一直是汽车工程的基石。通过将系统表示为可执行模型，它帮助团队降低复杂性、在保证可追溯性的同时自动实现，并在问题向下游蔓延之前尽早确认系统行为。
在 GenAI 时代，基于模型的设计不仅依然重要，而且还得到了 GenAI 的增强。当 GenAI 在成熟的基于模型的设计工作流中运行时，工程师能够始终掌控系统决策和设计意图。可执行模型、基于物理特性的仿真、确定性自动代码生成以及验证工具共同构建了一个结构化环境，使 AI 辅助的变更能够被审查、测试并与证据相关联。
基于模型的设计在整个开发生命周期中将 MATLAB 和 Simulink 等工具与 GenAI 相结合。
在这种情况下，可视化、系统化的仿真驱动验证成为一项关键优势。可执行模型和仿真结果使工程师能够直观了解系统行为、理解跨领域的因果关系，并清晰地监管 AI 辅助的开发，而不必仅仅依赖生成的代码或日志。
借助 GenAI 加速设计
设计通常是工程师体验到 GenAI 优势的第一个阶段。在开发早期，大量时间被花在重复性的实现任务上，而非更高层次的系统决策上。GenAI 有助于减轻这种负担，同时工程师仍对结果负责。借助与 Simulink 相连的 AI 智能体，GenAI 专注于自动化和执行，而工程师负责定义目标、约束和权衡取舍。
工程师可以使用 AI 智能体，根据文本需求生成架构模型草稿、利用经过验证的库来组装系统，并应用一致的建模模式。在这种设置下，GenAI 在处理现有设计时同样具有价值。大型 Simulink 模型可以经过重构来改善结构和可维护性，将传统上耗时且重复的手动工作转变为更快捷的流程。
AI 可自动执行多项通常较为繁琐的设计任务，包括将需求关联到模型。
从 AI 辅助设计到产品级软件
随着开发迈向量产，来自汽车流程和标准的约束变得不容妥协。尽管 GenAI 可以协助算法开发，但产品级代码必须是确定性的、可追溯的、可认证的，并且满足实时性要求。
由此形成了一种务实的分工：GenAI 支持创造性加速，而基于模型的设计则确保产品级的严谨性。设计经过确认后，将应用成熟的代码生成、验证和合规工作流。
借助 Embedded Coder® 等工具，团队可以自动生成经过优化的 C 和 C++ 代码，以部署到生产硬件上，然后应用成熟的验证工作流，为部署建立信心。AI 智能体可以通过自动执行集成任务、构建测试接口和编排部署工作流，来简化这一阶段。重要的是，GenAI 不会取代现有的工具链，而是帮助将它们连接起来。
无论代码以何种方式生成（手动编写、由 AI 创建，或从模型生成），都必须经过检查。Polyspace 工具能够分析稳健性、检测安全漏洞、验证是否符合编码标准，并证明不存在运行时错误。这一步骤可确保 AI 辅助的开发符合汽车软件的编码标准。
采用 GenAI 的工程工作流中的确认
随着由 GenAI 创建或修改的组件越来越多，确认工作变得愈发关键。汽车系统复杂且涉及多个领域。许多缺陷不会在单个函数或组件层面显现。相反，它们会在集成过程中浮现——当软件功能彼此交互，并与传感器、执行器和真实世界的工况相互作用时。
而 GenAI 会放大这一挑战。当软件功能的某些部分被自动生成或修改时，审查人员不仅要评估变更本身，还要评估其对系统行为、接口、测试和集成假设的影响。
确认阶段正是亟需仿真的环节，因为仿真使工程师能够在物理原型问世之前，就将软件与电气、机械和环境条件一起进行仿真和测试。因此，仿真是一种能够尽早暴露集成问题并支持“流程前置”确认的机制。
MathWorks 正在加速交付 GenAI 功能，同时提供汽车工程所需的稳定性和质量。每年两次的高质量发布提供了可信赖的基础，而 GenAI 产品更快的迭代周期则使新的 GenAI 功能得以快速交付。当前的 GenAI 功能包括 MATLAB、Simulink 和 Polyspace 智能体工具包，以及 Simulink Copilot。
GenAI 正在改变汽车软件和系统的创建方式。成功取决于在创新与严谨之间取得平衡。
如果团队在应用 GenAI 时缺乏可强制执行的验证和可追溯性，就会带来在集成、认证和维护阶段进行更多返工的风险，以及高昂的词元用量。而在基于模型的设计工作流中应用 GenAI 的团队，则能够满怀信心地扩展速度，因为每一次变更都是可追溯的，并且都锚定于可执行行为和经过确认的证据。
通过将 GenAI 与基于模型的设计相结合，团队能够加速创建，同时保留安全关键型工程所需的可执行行为、验证证据、可追溯性和确定性实现。MathWorks 致力于与汽车行业携手合作，共同构建采用 GenAI 的工程环境，以满足质量预期和安全需求，并确保长期的可维护性。
