当前位置: 首页 > java >正文

【活动回顾】“智驱未来,智领安全” AI+汽车质量与安全论坛

【活动回顾】“智驱未来,智领安全” AI+汽车质量与安全论坛

2025年8月22日,第三方认证机构雅析安全系统(上海)有限公司(简称“exida”)联合OpenCSG(开放传神)、中国SPICE评估师联盟CSN、西岸科创、阶跃星辰等单位,于西岸成功举办**“智驱未来,智领安全”软件质量与安全workshop,以“软件及AI定义汽车背景下的软件质量及安全管理”**为主题,汇聚了来自西岸AI企业、传统主机厂、零部件供应商及第三方咨询认证机构等多方50多位专家参与。

与会者聚焦AI算法突破、AI与传统质量多标准融合、认证等关键议题,旨在推动汽车质量体系的安全跃迁与发展升级。

现场实拍


大咖云集:智驱未来,智领安全

分享嘉宾

01

exida首席执行官林誉森先生致欢迎辞并首次公开披露了公司在AI算法领域的重要突破,该算法旨在革新基础神经元算法,实现从当前基于静态架构计算权重,转向在动态变化架构中自动生成神经元连接并计算权重,并进一步支持在推理阶段持续学习。目前,团队正与西岸相关科学家及产业化专家论证从技术->工程化->产业化应用前景。

02

周晓黎女士代表CSN国内首发《ASPICE经验和盈利能力调研结果报告》主题演讲,从Automotive SPICE的实施价值、项目经验及盈利能力(ROI)之间关系入手,围绕调查抽样、ASPICE实施状态、经济性分析,量化展示ASPICE如何提升盈利能力等几个维度进行了深入浅出的剖析,为企业优化流程、提高效率提供有力支持。很多观点及点评得到了现场来宾的一致认可与广泛赞同。

03

模速空间的两家AI明星企业也分别展示了基础大模型及大模型工具的研发成果。OpenCSG(开放传神)产品及战略负责人陈放在《企业级大模型开发的新实践-AgenticOps》的分享中,大模型要真正成为企业的生产力,从B端用户在AI赋能业务过程中的实际痛点出发,AgenticOps方法论:以业务目标驱动模型与数据匹配,构建贯穿开发、托管、部署、运维的全周期智能体操作系统。核心包括三点:

  1. 模型资产管理,从海量基础模型库中衍生并持续优化;
  2. 数据资产化,实现高质量数据的治理与利用;
  3. 智能体团队化,通过Co-Agent协同和A2A协议,让AI从单一助手走向团队化执行。

陈放强调,开源协作与企业级落地是唯一可持续的路径,AgenticOps将助力企业完成从“用模型”到“造智能体”的跨越。

04

“AI北斗七星之一”的阶跃星辰汽车&具身智能行业解决方案负责人袁俊杰以《AI定义汽车:智能座舱赋能实践研发创新与场景化应用落地》为题发表演讲,系统梳理了汽车座舱大模型的发展脉络,重点介绍了强基座模型的构建,并深入剖析了AI安全体系建设与研发创新过程中的关键技术及典型应用场景。

05

在题为《网络安全审核及供应商质量管理之路》,一汽大众供应商审核负责人邵奇围绕大众汽车在软件质量管理方面的整体体系、实践方法和未来发展方向,系统阐述了从传统软件开发到机器学习软件的质量管控路径。大众将软件开发视为“标准化烹饪”,通过严格流程、数据驱动和动态审核,确保从传统ECU到AI模型的所有软件均达到“零缺陷”释放标准。

06

在题为《智驾合规双体系解析:从ISO 21448预期功能安全到ISO/PAS 8800人工智能》,exida技术总监张志翰AI高级安全专家朱春林深度剖析了ISO 21448预期功能安全标准导入的价值意义、存在的三大典型问题及解决方案。AI高级安全专家朱春林结合exida8800认证项目实战经验,重点阐述了ISO/PAS 8800、ISO 26262、ISO 21448之间关系、AI系统开发的生命周期、DNN架构、AI安全分析、8800认证流程等内容。

07

在题为《从合规到卓越:软件研发质量与安全融合的高阶实践》,exida高级认证顾问李小锋提出高阶实践的质量理念,通过导入体系的广度与深度+品质追求的高度,让所有质量体系最终服务于用户极致体验,推动传统质量观念从被动合规“不犯错、及格就好”,转向主动追求“做得更好,追求卓越”的质量理念。她概括介绍了从组织顶层路线图设计到执行落地的全过程(ASPICE与安全多标准融合为例),并指出满足ISO标准并不等同于符合GB国标要求。因此,在体系导入阶段必须统筹最低与最高要求,国际与国内要求,实现“一次导入、全面合规、赋能业务”。


圆桌论坛

在圆桌讨论环节,现场专家与嘉宾积极互动、热烈交流。首先,西岸科创生态市场负责人宁梅解答了嘉宾的现场提问,并介绍了AI产业生态及其配套政策和服务。讨论的重点集中在AI对咨询评估行业的革命性变化,特别是AI Agent在提升效能方面的应用。

雅析AI工具开发工程师陆圣来分享了exida在AI Agent自动生成评估报告方面的实战经验,并坦言在数据不足的情况下,难以训练出“专家级”Agent的困惑与挑战。最终,大家一致提出并期待团结相关资源,倡议“联合数据共享、共同打造适用于本领域的专业智能体”,并以此圆满收尾。


结语

通过此次交流,西岸AI企业与传统汽车企业在合作中揭开了“软件研发过程的神秘面纱”。在思维的碰撞中,双方跨界学习与共创,充满热情地迎接一切新生事物,一同拥抱“AI+安全”。

http://www.xdnf.cn/news/19131.html

相关文章:

  • Labview邪修01:贪吃蛇
  • 数据结构:归并排序 (Iterative Merge Sort)
  • 非支配排序遗传算法进化多目标优化算法
  • 【混合开发】Android+webview模拟crash崩溃补充说明
  • 【LeetCode每日一题】141. 环形链表 142.环形链表 II
  • Rspack
  • Kafka入门指南:从安装到集群部署
  • Mock 在 API 研发中的痛点、价值与进化及Apipost解决方案最佳实践
  • 【Docker/Redis】服务端高并发分布式结构演进之路
  • RS485、RS232、RS422协议
  • 若依微服务一键部署(RuoYi-Cloud):Nacos/Redis/MySQL + Gateway + Robot 接入(踩坑与修复全记录)
  • 云手机的安全性如何?
  • LeetCode Hot 100 第8天
  • 群组分析 (Cohort Analysis)——哪批用户最优质?
  • 【Spring底层分析】Spring AOP补充以及@Transactional注解的底层原理分析
  • 12大主流本地文档管理系统功能与价格对比分析
  • 如何设置阿里云轻量应用服务器镜像?
  • v-model与v-bind区别
  • LG P5386 [Cnoi2019] 数字游戏 Solution
  • CesiumJS 介绍以及基础使用
  • 【完整源码+数据集+部署教程】硬币分类与识别系统源码和数据集:改进yolo11-SWC
  • GoogLeNet:深度学习中的“卷积网络变形金刚“
  • 从“安全诉讼”说起:奖励模型(Reward Model)是LLM对齐的总阀门(全视角分析)
  • 如何在实际应用中选择Blaze或Apache Gluten?
  • 【拍摄学习记录】06-构图、取景
  • 表复制某些字段的操作sql
  • LeetCode - 283. 移动零
  • 【lua】Lua 入门教程:从环境搭建到基础编程
  • 【面试场景题】dubbo可以使用自定义的序列化协议吗
  • 【ACP】2025-最新-疑难题解析-11