夜雨聆风增速放缓之后，反而是应用爆发的开始
今年模型能力的提升曲线其实在放缓。参数堆得再大，跑分再涨几个点，对日常开发的边际帮助已经没那么明显了。真正在往前拱的是另一件事：agent harness已经成熟（DSH）。上下文管理、工具调用、多轮任务编排、失败重试，这些以前只有大厂能自己攒的基础设施，现在框架和范式都稳定下来了。
这意味着垂直领域可以开始把AI真正嵌进具体工作流，而不是停留在聊天窗口里问答，或者只是用来写代码了。
汽车软件这几年一直是AI渗透比较慢的领域，安全认证摆在那，谁都不敢让模型直接改代码。但这半年能感觉到，ASPICE评估、代码开发、静态分析、单元测试、BSW配置——几乎同时开始出现真正能落地的AI用法。
Autosar组织也在开始积极评估AI相关的影响。
AI-ASPICE
传统的痛点
ASPICE最头疼的从来不是流程，是证据。SWE.2到SWE.6一路做下来，架构、需求、设计、代码、测试之间要建立完整的追溯关系，评估的时候查的就是这条链有没有断。现实是，需求写在一个文档里，设计评审记录在另一个地方，测试用例又是在第三个工具里维护，工程师大量时间花在手工对照、补追溯矩阵、把散落的证据拼成评估能看的样子上。
AI能加速的点思路
追溯关系本质上是结构化信息之间的映射，这恰好是AI擅长的事：读需求文档、读设计文档、读测试记录，把它们之间的引用关系自动关联起来，缺口在哪里直接标出来。不是让AI替你做设计决策，而是把"人工对照Excel"这种体力活变成AI先跑一遍、人再复核的模式。评估前最后一周疯狂补文档的场景，理论上可以往前提，边开发边生成证据链。
个人观点：其实ASPICE非常适合AI，ASPICE要求是层层递进，环环相扣，多Agent互相Review，避免了从需求直接到代码的不可控，同时又有足够的测试把关，可以方向大胆的让AI改我们的代码。
AI-ASW
传统的痛点
应用软件层的开发，很大一部分工作是把功能需求翻译成SWC结构：定义端口、写Runnable、配置RTE接口，可以还要手动维护ARXML里对应的软件组件描述。这套流程重复度高，但又不能出错——接口签名对不上、事件触发条件配错，问题往往要等到集成阶段才暴露，返工成本很高。
AI能加速的点思路
"从需求描述生成SWC骨架"这件事已经具备条件：给一句功能描述，AI生成端口定义、Runnable框架、对应的ARXML片段，甚至直接接入仿真环境跑一遍协议栈的行为对不对。价值不在于少打几行代码，而在于把"写代码→配ARXML→连仿真环境"这几个过去要来回切换工具才能完成的步骤拢到一起，尽早暴露接口层面的问题，而不是拖到集成测试才发现。
AutoC正在做的
AutoC，也在积极加速这个方向的开发，目前已经支持:
AI-QAC
传统的痛点
静态分析工具本身很成熟，规则库也很全，但用起来的体验一直不轻松：跑完一次扫描动辄几百上千条diagnostic，工程师要一条条看、判断哪些是真问题、哪些是误报，再去查规则文档理解为什么违规、该怎么改。规则越严格（比如MISRA、AUTOSAR C++编码规范），噪音往往越大，真正花时间的不是分析本身，是筛选和理解分析结果。
AI能加速的点思路
把"审阅缺陷"这道工序变成对话式的：用自然语言批量查询和过滤缺陷（比如"只看这个模块里P0级别的内存越界问题"），AI给出结合上下文的修复建议而不是干巴巴的规则条文。另一个值得关注的方向是可追溯性——AI生成代码越来越多之后，谁写的、为什么这么改、有没有过静态检查，这条审计链条本身也需要工具化，尤其是在强监管行业里。
最新版本的 Perforce QAC 已经支持 MCP，但是你知道到的，升级又得花钱。。
AI-TESSY
传统的痛点
TESSY这类单元测试工具已经把"执行"和"报告"两端自动化得很好：自动生成测试驱动、自动打桩、一键跑完整个测试周期、自动出覆盖率报告。但测试用例设计这一步基本还是人工——工程师读需求、读代码，凭经验想边界条件、想异常路径，再手动录入或者从Excel导入。这一步没有自动化，前后两端做得再快也卡在中间。
AI能加速的点思路
从需求文档直接生成测试用例草案，是目前明显还没被填满的空白。给AI需求描述加函数签名，让它推理边界值、异常输入、等价类划分，产出初版测试用例，再由工程师复核补充，理论上能把SWE.4/SWE.6里最耗人力的这部分明显压缩。覆盖率分析同理——不只是报告哪里没覆盖到，而是直接建议该补哪种输入组合。
AI-BSW
传统的痛点
BSW配置这块。EB tresos、DaVinci Configurator功能强大，但学习曲线陡——新人光搞懂ECUC树形结构、模块之间的参数依赖关系，可能就要两三个月。配置本身还有很强的耦合性：改一个CanIf的参数，可能影响到PduR和Com的映射关系，出了问题往往要等到集成的时候才报错，定位起来很费时间。
AI能加速的点思路
让AI直接读懂ECUC参数结构，用自然语言完成CanIf、PduR、Com这些模块的配置和跨模块一致性检查。
AutoC已经有的
AutoC对BSW的支持已经非常完善，可以支持所有BSW模块的配置，支持（EB，Davinci，ISOLAR)。
当然我们也一种优化和完善BSW配置工程，最近新增了增加模块和删除模块的功能
| 模块添加 | ||
| 模块删除 | ||
| 参数配置 | ||
| 依赖管理 | ||
| 配置验证 |
工程师该怎么办
首先，先给自己打个分：
1. 最近一行代码都不写了，完全交给AI来写（100）2. 只写1%的代码，剩下的交给AI来写（90）3. 只写10%的代码，剩下的交给AI来写（70）4. 其他（0）
低于70分以下的工程师要高度注意。
1. 一定要让自己快速AI化2. 公司没条件的一定要想办法创造条件3. 能用token解决的问题都不是问题4. 不要觉得嵌入式，汽车软件开发门槛高，AI分分钟吊打你。
但是也不要特别焦虑，因为AI的进化非常快，学得慢，可以跳过之前的一部分过时的技术和框架。但是正如我开头所说的，大模型增速放缓，agent框架成熟，是时候开始学了。
写代码：Codex，ClaudeCode，Cursor
配置AUTOSAR: AutoC
用起来！！！
