? ? ? ?當汽車行業加速駛入“軟件定義”的時代，軟件已成為決定車輛競爭力的核心要素。從智能座艙的多場景交互到自動駕駛的復雜決策邏輯，汽車軟件的代碼量逐年遞增，復雜度呈指數級攀升，傳統研發流程深陷困境：

• 代碼質量管控滯后，大量依靠人工評審和后期專業工具測試
• 服務器、測試設備、軟件license等軟硬資源長期處于 “忙閑不均” 的狀態
• 故障日志排查淪為“體力博弈”，人工手動排查篩選海量日志
• 無法快速掌控、分析當前研發效能狀態

? ? ? ?這些痛點如同隱形的枷鎖，嚴重影響著車企的研發效率。在此背景下，經緯恒潤基于多年汽車軟件研發領域的技術沉淀，推出“AI驅動的智能CI/CD全棧解決方案”。該方案以經緯恒潤自研的汽車軟件CI/CD平臺INTEWORK-PET為技術底座，通過融合AI大模型使汽車軟件研發流程更加自動化和智能化。PET平臺在傳統持續集成基礎上深化了研運一體化（DevOps）的概念，高效地將嵌入式軟件研發涉及到的ALM平臺、倉庫、模型/代碼、軟件集成、編譯構建、HIL測試、版本管理以及發布等環節打通，實現從研發到交付的全流程自動化，是針對汽車行業的DevOps平臺。

智能代碼護航：做到“事前防御”

? ? ? ?代碼質量是軟件研發的生命線，也是軟件研發過程質量關注的核心， AI+PET平臺的方案中，能夠在開發者提交代碼階段自動化完成代碼掃描：不僅能識別語法錯誤、變量未定義等基礎問題，更能基于百萬級汽車軟件缺陷案例庫，預判可能導致功能安全風險的邏輯風險。同時，AI會根據代碼修改范圍自動優化測試用例，提高測試覆蓋率，讓存在缺陷的代碼在提交階段就被攔截。

自適應流水線：讓資源“按需流動”

? ? ? ?傳統CI/CD流水線中，資源分配依賴CI/CD引擎的隨機分配策略，往往出現“關鍵任務等資源、閑置資源無人用”的窘境。AI+PET方案的智能調度系統通過實時分析任務優先級、歷史執行時長、硬件負載等數據，動態調整資源分配策略。當檢測到大規模仿真測試、大量消耗資源的編譯任務或大范圍、多規則集的代碼靜態掃描任務時，會自動選用硬件資源配置高的服務器，而對于小型功能模塊的集成和測試任務，則智能分配輕量計算節點，提高資源利用率。

預見性運維：提前預警運維故障

? ? ? ?汽車行業需要用到很多商業軟件，這些軟件往往分布式部署在不同服務器，而這些服務器的穩定性直接影響用戶體驗。AI+PET方案能夠實時采集CPU占用、內存泄漏、網絡延遲等多項指標，AI結合服務器歷史資源占用情況構建出動態預警模型。當發現某服務器的資源出現異常波動占用時，系統會在提前發出資源預警，并精準定位到可能引發資源預警的流水線，告知工程師提前干預，降低運維故障率，避免服務器運維故障導致CI/CD資源不可用的風險。

問題智能定位：讓日志“自己說話”

? ? ? ?當流水線產生故障日志時，在大量日志中人工排查定位根因如同“大海撈針”。AI+PET方案能通過從海量非結構化日志中提取關鍵信息，自動關聯代碼提交記錄、測試報告等數據，分析故障日志原因，幫助快速定位問題根源。

效能智能洞察：用數據驅動決策?

? ? ? ?研發效能的提升需要精準的“數字畫像”。AI+PET方案的效能度量模塊會自動匯總全流程數據，根據用戶需要生成各式數據看板：從“代碼提交到構建成功的平均時長”到“缺陷修復的閉環周期”，從“各團隊測試用例復用率”到“資源成本占比”，以及項目測試缺陷趨勢等，直觀呈現研發流程中的瓶頸。并且AI分析當前研發數據情況，生成多維度效能數據分析報告，給出優化建議。