软件降本：三大维度重构软件开发

龚淑娟 AI汽车制造业 2025-08-21

《汽车制造业》特别策划了本期增刊，聚焦“降本增效”的企业迫切需求，特别邀请了6位汽车行业专家，一起探讨降本增效之道，希望能够为业内企业带来一些思考和启发。本篇特邀专家为东风汽车集团有限公司研发总院软件工程研究中心总工程师、《汽车制造业》编委会委员张凡武。

张凡武，东风汽车集团有限公司研发总院软件工程研究中心总工程师、《汽车制造业》编委会委员

AI：当今汽车行业，软件开发任务激增、成本激增，同时快速变化的市场还要求大幅缩短开发周期。作为智能软件领域的技术专家，您对这一矛盾有什么切身的体会和看法？

张凡武：在“软件定义汽车”的新时代，车企软件开发成本激增的核心矛盾，我认为主要在于传统开发模式与智能化需求的错配。传统开发的“V”形瀑布式开发模式已经不再适用新的时代。因为这种模式下，各开发部分相对独立，缺乏全局观，容易造成队列效应，导致开发周期长、开发成本高。

对于开发周期或者开发效率，“软件定义汽车”要求缩短产品上市周期、支持不断迭代、快速响应市场需求。如何提高效率、缩短周期？敏捷开发模式是关键，这种开发模式可以使软件开发和版本迭代时间大幅缩减。目前汽车界，特斯拉等新势力企业已经能够较好地应用敏捷开发模式，而很多传统车企还需要进一步研究并掌握。

成本方面，造成开发成本高的原因主要有三：传统车企软件技术投入和成熟度不高，战略不清、组织分工不明；对市场需求理解不足；与软件开发商、服务提供商的合作模式尚未成熟。

AI：这样的情况下，如何系统性地降低软件开发的成本呢？

张凡武：想要系统地降成本，需要从技术架构、开发流程、生态协作三个维度重构软件开发，但每个方向都同时暗藏陷阱，需要批判性看待，合理布局。

1. 技术架构——软硬解耦与模块化的双重博弈

技术架构的理想路径是通过软、硬件分层解耦实现“硬件预埋+模块化复用代码+软件迭代”。

但现实情况却面临很多困境，比如：初期投入的悖论——模块化需要前期投入大量资源定义接口标准，如果因模块划分不合理导致返工，成本一般要增加30%；硬件冗余的隐性成本——为支持OTA预埋过多硬件，可能导致单车成本增加数千元，且用户实际使用率不足20%；安全与灵活的冲突——OTA升级虽提升保值率，但因软件漏洞引发的召回事件频发。

面对这些问题，建议采用“核心模块自研+边缘模块开源”的混合架构，比如基于中国电科普华开源车用操作系统核心代码，车企可开发差异化功能，这样既避免了重复“造轮子”，又保留了自主创新的空间。

2. 开发流程——敏捷开发与合规性的惊险平衡

曾经一度，敏捷开发被寄予厚望，通过双态开发（敏捷+V模型）可将需求响应速度提升50%。但汽车行业的特殊性使其落地困难，主要的问题在于：合规性陷阱——ASPICE认证要求文档的完备性，敏捷开发可能不能及时归档，从而导致认证延迟；测试成本飙升——L2+辅助驾驶系统的代码超过1亿行，传统测试方法难以覆盖，需要采用新的测试方法，通常企业的测试成本要占到开发总成本的40%；组织惯性阻力——传统车企的敏捷转型中，常常会因为部门壁垒而导致需求传递效率下降。

针对这些问题，我的建议是：构建自动化测试中台，通过容器化管理多个域控制器，回灌测试效率可提升数倍；仿真替代物理测试，比如虚拟仿真平台，日均测试里程可达数百万公里，算法迭代周期从可从1周缩至1天。

3. 生态协作——开源共享与知识产权的生死时速

开源模式能大幅降低基础软件成本，但风险同样致命，比如：许可证合规雷区——有车企因未正确标注开源协议，被开源社区起诉巨额索赔；供应链安全黑洞——海外开源组件断供风险加剧，某车企就曾因依赖某欧美开源软件，导致项目交付延迟了3个月；核心技术空心化——如果过度依赖开源，可能丧失底层的创新能力，比如使用第三方自动驾驶框架，差异化功能开发受限。

AI：在这样的一个复杂的系统工程中，核心破局点是什么？

张凡武：软件降本的破局点，首先是开源治理体系，其次是自主可控的生态。

开源治理体系方面，车企可以通过采用悬镜源鉴SCA工具，实现开源组件漏洞修复时间的缩短，且许可证合规。

自主可控的生态方面，国内普华基础软件联合行业共建车用操作系统开源社区，既降低了重复投入，又掌握了技术话语权。

AI：软件降本，还有哪些快速有效、简单易行的落地举措？

张凡武：从软件开发方面快速有效地控制成本、节约成本，可以利用“人才、工具与数据”的三重杠杆同时施策。

人才策略方面，一是人才技能转型，车企通过培训工程师的创新思维，将传统机械工程师转型为“懂软件的汽车工程师”，以降低人力成本；二是寻求外部合作，由合作单位定向输送相关专业的优秀人才，降低招聘成本。

工具革新方面，一是采用低代码平台，比如使用OdooERP系统，可使供应链协同效率提升，定制化开发成本降低；二是采用云原生架构，比如用云原生技术将智能座舱算力转移至云端，可使硬件成本下降一半，功能迭代速度提升3倍。

数据资产化方面，一是数据反哺开发，通过用户数据优化算法，将自动驾驶功能迭代周期缩短；二是数据合规变现，通过合规数据交易，用收益反哺软件开发投入。

岚图 FREE 318 辅助驾驶

AI：想要在提高效率和降低成本之间找到平衡，需要注意哪些问题？

张凡武：我们要批判性地看待成本降低与效率提升的破局之道。企业需要注意五个方面的问题。一是过度追求技术先进性；二是忽视隐性成本，比如模块化设计虽降低开发成本，但维护成本可能增加；三是低估组织变革难度，因为敏捷开发需要打破部门墙；四是陷入开源依赖症，过度使用开源组件可能丧失技术壁垒；五是测试简化风险，比如为压缩周期减少测试用例，导致量产车软件故障率增加，售后成本飙升。