近年来,关于软件定义汽车(Software-defined Vehicles)的讨论非常多。但事实上,其他电子产品也早已越来越多地依赖软件。这对制造商而言意味着:他们必须掌控全新的开发流程,以确保透明度、可追溯性与合规性。
在灵活的敏捷方法(Agile)与 V 模型的严格规范之间取得平衡,是专注于自动驾驶系统开发的 Navya 面临的最大挑战。该公司推出过首款可商业化的自动驾驶接驳车。其软件团队采用敏捷方法,与许多其他企业一样使用多种工具组合。然而团队之间的同步不足,没有必须遵守的流程,也缺乏对开发过程的可视性。这与移动出行行业在功能安全方面严格的监管要求相冲突。
Medtronic 医疗科技公司神经调节部门面临着类似的状况。开发团队虽然对功能性满意,但孤立的、手动整合的工具削弱了透明度,使得从需求到源代码的可追溯性,以及向 FDA 提交合规审计所需文档的导出变得困难。
他们需要的,是一个应用生命周期管理(Application Lifecycle Management,ALM)解决方案。ALM 是软件生命周期的组织支柱,从最初的需求收集,到设计、测试,再到部署和维护。通过整合各个阶段,ALM 能帮助企业优化流程,支持参与开发的所有部门协作,并显著提升产品质量。
ALM 系统的关键功能
要满足当前制造标准的要求,一个 ALM 系统应具备若干核心功能。最关键的是全面的文档管理和细粒度的可追溯性,以确保符合所有相关监管要求。
此外,与现有 IT 系统的集成也十分重要。ALM 系统必须能够在无人工干预的情况下同步来自不同来源的数据。只有这样,才能确保所有相关数据在一个集中平台上被一致、准确地管理,并让所有参与者访问最新、正确的信息。
强大的 ALM 还应支持 Scrum 或 Kanban 等敏捷开发方法,使团队能够以短迭代方式工作、快速整合反馈并实时进行调整。
Medtronic 神经调节部门在评估 ALM 软件时确定了以下标准:
此外,ALM 软件还必须具备完整集成、稳健、灵活、云端化等特点。Navya 的要求也几乎完全一致——最终,两家公司都选择了 PTC 的 Codebeamer。
Medtronic 神经调节部门的患者护理软件总监 Sarb Singh-Kaur 说道:“我们必须从客户需求一直追溯到产品需求、设计、测试和源代码。Codebeamer 是唯一能让我们顺畅实现这一点的工具。” 对于 Navya 来说,环境配置与动态对象的灵活性是其做出选择的主要原因。
成功实施 ALM
引入 ALM 系统往往不可能没有挑战。其中最常见的就是员工的抵触情绪。要缓解这种状况,需要全面的变革管理(Change Management),将所有相关人员积极纳入变革过程,并提升他们对新系统益处的认知。
此外,将流程调整为适应 ALM 系统的要求至关重要。企业越愿意批判性地审视现有工作流、必要时重新设计并打破既有结构,成功程度就越高。
在 Medtronic 神经调节团队那里,流程变革与 ALM 软件的导入同步进行。为了构建新的内部流程,公司配置了追踪器、项目、角色与工作流。Sarb Singh-Kaur 表示:“我们彻底重塑了流程,并将 Codebeamer 作为推动变革的工具。不到 30 天我们就准备就绪了。”
另一个重要方面是数据迁移:必须谨慎迁移现有数据,并将系统与现有 IT 基础设施集成。只有这样才能确保所有重要信息保持集中、一致、随时可访问,ALM 系统才能成为规划、开发与管理的可靠基础。
打通软件与硬件
因为软件定义的电子产品仍然离不开硬件,因此必须尽可能无缝地连接软件、电子和机械三个开发团队。如果他们各自孤立工作,工程师和开发人员就需要花大量时间寻找所需信息——而且往往无法确认数据是否最新。当相关数据发生变更却无法及时查看时,错误与不一致会被延迟发现,从而导致延期与成本上升。
许多企业在硬件开发中已采用 PLM(产品生命周期管理)系统。通过整合 ALM 与 PLM,他们能够解决上述所有问题,使产品的数字与物理组件在全生命周期中保持一致。他们拥有一条“数字主线”(Digital Thread),有助于保障产品质量、以更高效的流程实现创新,并缩短上市时间。数字主线实现了可追溯性,从而支持需求、变更、配置与测试的管理,并确保符合法规要求。
嵌入式软件仍然是重要的创新驱动力。能够让团队高效协作的企业,将在创新竞赛中领先。
好文章,需要你的鼓励
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。