AI时代，ALM需要再造

罗宇超MS

于 2025-02-13 09:19:12 发布

阅读量769

点赞数 29

文章标签：人工智能

本文链接：https://blog.csdn.net/yuchao_luo/article/details/145604126

版权

全文结构：

为什么需要ALM？
上一代ALM缺什么？
AI时代，ALM需要再造

为什么需要ALM？

ALM（Application Lifycycle Management）作为汽车行业的一个“古老”概念，其起源可追溯至20 世纪 80-90 年代，但作为一个正式的术语和完整的管理理念，是在 2003-2004 年间逐渐形成和普及的。IBM、微软、惠普，是最早系统性地推广 ALM 概念的主要公司之一。

目前为国内用户所熟知的ALM，一般都指代IBM doors、西门子Polarion、以及PTC Codebeamer。这三款软件分别诞生于1991年、2005年、2002年。

软件名	诞生年代	被收购
Doors	1991年，Telelogic公司开发	2008年被IBM收购
Polarion	2005年，Polarion公司开发	2016年被西门子收购
Codebeamer	2002年，Intland公司开发	2022年被PTC收购

这3款软件诞生的年代，国内合资车企势头正盛，合资车企和供应商的技术，主要以跟随为主。因此，2015年以前，国内车企或供应商使用的ALM软件，大多以Doors和Polarion为主（彼时，Codebeamer尚未进入德国大众体系，产品开发自顾不暇，无力开拓国内市场）。

进入2018-2020年，国内新势力势头正盛，市值如日中天，“电动汽车弯道超车”如火如荼，大批车圈有志青年投入到正向研发的新势力车企之中。

但新势力造车与大洋彼岸的特斯拉一样，不拘一格降人才，于是车圈异常热闹，阿里系、百度系、腾讯系的互联网精英，与传统的车辆工程、机械工程、电子电器工程的人才一起，携手加入造车行列。互联网人造车不久，便引发了敏捷开发与ASPICE的大融合讨论。17年-21年，笔者在蔚来汽车与上汽零束，亲历了这波“敏捷开发与ASPICE研发理念融合”的广泛交锋与落地实践。详情请见笔者的另一篇文章：ASPICE 还值得做吗?

正是车企对于新造车热潮下全新ALM的热切需求，笔者于21年开始创业，主推国产自研、“双A加持”（Agile + ASPICE）的ALM软件。

上一代ALM缺什么？

上一代ALM诞生的时间点（1991-2005年），正是汽车行业经典开发方法论V模型大行其道的时期。2005年，德国的十几家主机厂（大众、宝马、戴姆勒等）和比较强势的供应商（博世等）一起制定了一个汽车软件流程的评价框架，后来他们背靠VDA（德国汽车工业协会）发布了这套框架，也就是今天的ASPICE。这套框架的核心便是严谨的V模型流程。而V模型流程不仅适用于汽车，同样适用于飞机、轨道交通列车、医疗器械等安全性要求极高的嵌入式软件开发行业（IEC-61508）.

可想而知，在那样的时代背景下，上一代ALM诞生的核心目的，便是帮助车企和供应商满足复杂的ASPICE标准流程。加之彼时整车开发的周期相对较长（3-5年），车载软件的迭代速度不像今天智能汽车这样，每天都能给你整几个花活儿，因此这一套ALM工具的设计理念，更多是以“建立满足标准合规的证据链”为首要目标，辅以研发协作为次要目标。可想而知，协作并不顺畅。基于SVN的数据存储方式，更是让让高并发下的数据吞吐效率捉襟见肘。

总结来讲，上一代ALM：

合规优先：为满足ASPICE认证，牺牲30%的协作效率
人肉驱动：工程师40%时间消耗在文档追溯而非技术创新

AI时代，ALM需要再造

2022年11月，ChatGPT横空出世，自此之后，每周甚至每天，都有新的AI应用出现，观众目不暇接。

当GitHub Copilot能根据注释自动生成代码片段，当Postman推出AI驱动的智能测试编排，当Jira新增自然语言转用户故事功能时，AI重构ALM的路径已清晰可见。在汽车行业，这种变革将分两个阶段展开：

1-2年内，AI将成为研发流程的"超级助手"

工程师输入"基于MappingSpace中已经存在的BMS研发数据，创建一个全新项目，包含符合ASPICE标准的BMS研发过程文档"，ALM系统即刻生成带有完整追溯矩阵的BMS研发数据；测试负责人说"生成基于A项目下智能泊车需求的功能测试用例"，AI基于企业内部已有智能泊车需求，自动生成测试用例。这如同给传统ALM装上智能语音助手，将手动点击操作转化为自然语言交互。

3-5年间，AI进化为跨系统调度员

当产品经理提出"在蔚来NT3.0平台实现自动泊车功能迭代"，ALM能自动拆解任务：调用MappingSpace生成需求基线，联动MATLAB搭建算法模型，调度Jenkins执行持续集成。此时系统已具备任务拆解能力，就像特斯拉工厂的智能调度系统，将人工协调转为API自动调用，但关键决策仍需人类确认。

这正是MappingSpace未来5年的进化路线：

这场变革的本质，是将ALM从"流程记录仪"升级为"智能加速器"。

当AI自动完成70%的文档编写

自动完成50%的测试执行

自动完成90%的追溯验证

工程师便能将精力聚焦于架构创新与场景定义。

正如AutoSAR解耦了软硬件开发，AI赋能的ALM将解绑流程合规与工程创新。

这或许才是“三A加持”（AI + Agile + ASPICE）的终极答案：

在智能体的支撑下，敏捷迭代与车规认证不再是需要权衡的单选题，而是智能研发生态的共生双翼。

【MappingSpace研发管理平台全功能永久免费版】

经过3年多的不断发展，“MappingSpace研发管理平台”获得了众多汽车产业科技研发企业的好评和深度使用。云体科技将于2025年1月1日起，正式推出“MappingSpace研发管理平台全功能永久免费版”，以支持广大制造业科技研发型企业降本增效，实现国产化自主替代。满足如下条件的企业均可在线申请（满足任意一条即可）。