莱科德：架构到代码，赋能数字化转型

如何看待完整的数字化转型？2023年9月18日，在2023第二届汽车数字化转型大会上，莱科德信息科技汽车事业部CTO孙川翔表示，首先是关于数据，包括汽车数据和数据科学的需求梳理、基础设施的扩容与升级、新的能力的建立与自动化以及打造开放的数据平台和生态。其次用数据平台承载数据流，对研发、制造、生产、营销提供支撑和迭代，并将数据循环闭环到消费端，让消费者感知到价值。

莱科德信息科技汽车事业部CTO

以下为演讲内容整理:

近期，数字化转型话题越来越热，我们的很多客户以及业内的公司都成立了数字化小组、数字化部门，甚至独立的公司，以推进从公司到集团的数字化转型。

如果将数字化转型成功的终局视作汽车行业的下一个阶段，那么所有的商业目标都应该围绕着核心的生产资料——“数据”，进行商业目标的设定。

汽车行业的数据流代表着未来的价值流。由于汽车行业的特性，从整车研发、生产制造到销售、售后，再到长期的运维，再到终端消费者的支付习惯，甚至到社群营销，价值链是一个完整的数据流。

锚定整车研发制造，我们需要做哪些提升来支持行业完成数字化转型？

数字化转型回顾

温故而知新。过去一段时间，中国汽车行业飞速增长，并取得了举世瞩目的成就。过去，在设定商业目标时，都有个成熟且完整的体系能支撑我们快速的达成目标。但在数字化转型过程中，我们投入很大，但回环的价值量很小。过去成熟的、成功的体系，很难支撑我们达成新的商业目标。因此，我们需要寻找新的完整体系。

产业的升级需要考虑到方方面面，它是个多元且丰富的转型过程。现在，车内已经从原来的分布式走向集中式，我们会谈到HPC高性能计算平台，会谈到区域控制、功能开发，会做整个软件平台的开发。同时我们也需要涉及不那么熟悉的领域，比如软件开发的流程体系、工具链、算力数据，需要对IT资源进行支持、升级，能够支持实时的车云反馈，支持大数据的承载，包括车队的运营管理。

如何看待数字化转型？首先不管是软件定义汽车还是数字化转型，在变革过程中我们都是创新者和加速者，不是颠覆者。

莱科德丰富多面能力组成的系统

莱科德总部在瑞士，分部在欧洲、北美、中国等地。我们已经深耕汽车行业18余年，在全球有17810+员工，团队中有几千名员工来自全球主机厂、tier1，他们懂车、了解车，是传统汽车的专家，这帮助我们锚定了一个思想——汽车是个庞然大物，以百公里的时速飞驰在人群中，它区别于一般消费品。

基于此，我们在数字化转型、软件定义汽车过程中，从顶层设计到分块咨询，再到和客户融合团队、交付落地，进行全流程转型的能力提升。

汽车行业有很多部门墙，我们则是非常垂直的分布。先以自己为试验，我们将内部解决方案水平横向打通，跨越赋能在整车软件平台、电子电气架构，数字平台等。在此视角上，基于自身的经验，我们把不同的能力打破，再重新将其布局在完整的平面上。

如果要达到整车研发的数字化转型终局，整车从底层的电子电气架构，到中间件，再到分域的功能开发都需要做相应的工作，车的价值不是终于销售，而是成为产生数据，并且持续产生数据的源头。我们在抓取数据后传到大数据平台，同时整合开发平台，将这些数据进行机器学习、仿真测试，或者对ECU进行更新迭代，完成这些工作后再将数据回环到车端，这也印证了上述内容——数据流就是价值流，我们将最底层的价值回环给客户，这是我们视角中数字化转型的终局。

怎样进行数字化转型？

数字化转型的抓手是什么？过去两三年，主机厂，在各个方面、各个项目中发力定位，希望对数字化转型进行赋能和相应的开发。无论是从分布式到集中式的电子电气架构进行模型化的开发，还是有了HPC以后，建设跨越异构的整车软件平台，帮助产品快速面世，亦或是崭新的自动化、智能化工具链来支撑我们的活动，再到团队组织的更新迭代、开放式的生态化数据平台……每个部分都可以作为切入点，形成抓手，去帮助我们落地数字化转型。

接下来我将以数据平台的切入点进行分享。首先谈到数据，我们需要考虑很多工作，包括工作板块、需求梳理，这需要集成汽车行业传统知识，数据科学经验，我们需要知道采集哪些数据？用哪些数据？将带来怎样的价值？锚定数据后，IT系统需要对应的升级，以支持海量数据量，支持越来越高的自动化要求和智能化要求。

其次我们需要建立新的能力。在海量数据背后，难点是如何快速精准的抓取想要的数据，并从中提炼出价值。综合各种能力，我们的目标是建设开放的、生态化的数据平台。生态化概念意味着数据平台不仅仅是存储数据，更重要的是每一台销售到市场上的车都会长时间作为数据源存在，需要有标准的接口接入数据平台。另外，任何可以给企业提供有价值数据的第三方，也应该是生态环节的一部分，都应该在适当的时机、用合适的权限范围接入平台。这种数据平台本质上是支撑数据流的循环。

拥有数据后，有很多种使用方法，我们可以将其作为生产资料，对已有的软件、产品进行建模、训练，对产品进行迭代，最终回环部署到车端；也可以将其作为监控者，在研发、制造、生产乃至销售的全过程帮助我们进行决策。

数据流既然是价值流，当创造了新价值以后，我们希望它能够回环到、循环到、闭环到终端消费者，在消费者中体现出价值，这也能帮我们迭代出更多的商业模式。

系统思维下的PMT

完成数据闭环后，无论是数据流还是价值流，都是看不见、摸不着的。在数字化转型中，数据概念、价值概念和现实世界中的载体和交互到底是什么？这就要提到PMT——流程、方法(Methods)、工具链(Tools)。

流程、方法、工具链是数据和价值流的载体。在一些落地项目中，我们获得了很多需求，这些“需求”需要成熟的工具链来适应开发，提高自动化效率，最好有成功的模式，可以直接拿来用。但很少有人会谈流程、方法，从莱科德的角度而言，在前期和客户共建，我们就会把两者结合成一个整体。核心原因在于P和M的目标是解决研发制造中遇到的问题，更加集中在人——需要一个什么角色的人？拥有怎样的能力？如何输入？用什么方法做什么事？得到怎样的输出？最后传递给谁？基于上述框架为接下来工具链的选择保驾护航。

当我们做了正确的工具链选择，基于该框架还能够做二次开发，极大提升组织的效率和效能，完成闭环。另外，如果我们有了更好的工具，也可以对P和M进行迭代升级。二者之间相互促进，形成完整的内部闭环，只有双方不停地循环增长才能开发出最好的工具链和流程体系。

以系统软件开发需要的数据，接下来介绍端到端PMT的基础模型。这种开发基础模型无外乎三方面，需求，开发和验证是最基础的模型。人工智能可以帮助人们在更高、更抽象的层面上思考代码，开发者更多地关注要构建的内容。莱科德在2022年就已经深入投入这一板块，我们认为这可以将开发人员从编写代码的角色中抽离出来，更多的是对解决方案和工具的整合与管理。

如果将AI真正用于商业目标，POC走向量产阶段，还需要考虑很多部分，包括前期该选择何种大数据模型来生成软件？除生成代码外，能否考虑将已有代码生成可读性佳的文档，提升团队能力？值得关注的是，生成代码后如何规避IP问题？在过去两年，莱科德已经与欧洲、北美的头部科技公司以及主机厂进行了深度研发，有相对成熟的使用方法。

EEA的系统化思维

回到基础模型，其要点在于如果成功就直接回馈。但倘若在测试过程中，出现测试失效或故障时，如何快速反馈到开发端？如何快速通知到需求端和架构侧？如何精准定位到问题出现的位置？首先我们需要数字孪生平台，进行虚拟化测试，支持快速迭代，从而减少现实世界中的测试量和测试时间。

当我们把上述需求回环到架构端和需求端时，架构开发的模型化是必须要讨论的话题。在完成数据闭环之后，电子电气架构需要为数字化转型以及产业升级做些什么？除了功能架构、网络架构、诊断架构、安全架构等经典工作，在数字化转型期间，更需要考虑的是跨域异构的软件平台架构。当集成化发展越来越成熟，软件平台的架构成为重中之重。另外，如何定义中间件的扩展服务、整车服务以及功能开发的服务，SOA架构等都是重中之重。

现在，国内很多客户在做系统性开发时，还是以文档为驱动。相较而言，模型化的一致性比文档好很多，其交互透明度也更佳。但不得不提的是，模型化也会带来成本的增加，前期投入会很大。这要需要定义清晰的基础模型，严整的建模步骤，以及团队能力的升级，并且当我们完成模型化之后，对企业的价值回环时间相当久，需要一段空档期。

我们认为，MBSE除了上述肉眼可见的优点外，更是数字孪生，虚拟化的基石。从功能选择、功能定义，到逻辑架构，到SOA架构，再到软件架构，落地到实体硬件架构上，MBSE模型化帮我们打通了从需求文档到软件的墙。有了MBSE全新的方法论后，才能做到全新的虚拟化整车平台，从而实现虚拟测试以及测试结果的回环。

同时，MBSE也是真正通向软件世界，精确定位哪里出现问题的方法论。曾经很长一段时间，汽车行业的接口是在网络层面；而今后我们想将大规模的软件堆栈打散，定义清晰的、标准的、适合企业的接口，从而实现高频迭代的应用层和稳定中间件的软硬件解耦。

基于此，技术链的选择要实现数字化转型的目标，而数字化转型面对的是产业升级，面对下一代商业模式的形成。

总结与展望

所有的技术选择，小到技术栈，中到零部件，大到模式更新，都是为了实现商业目标，这是我们一以贯之的底层逻辑。

同时，没有任何技术是一座孤岛，一定要放在整体商业目标之下去看待每个技术部分，每个技术环节间关联，我们需要建立生态化大数据平台。因此，工具链需要升级，以支持我们实现新的想法、功能；组织架构需要越来越敏捷，去配合使用工具链，应对新的商业模式。

所以，每个环节都是在有机的整体中、完整的顶层设计后往下走，才能落到具体的项目上，帮助主机厂、客户保障前进的路线和想要实现的数字化转型。

最后，我们的项目起点是顶层设计，包括电子电气架构、MBSE模型化、SOA、跨域异构软件平台、数字孪生虚拟平台、自动化测试平台等，我们在全球范围内和很多主机厂以及科技公司都有很扎实的落地项目，希望今后与更多的行业伙伴合作，从顶层设计到落地具体项目。