MappingSpace ALM

平台把大型語言模型用在整個研發流程上。工程師在 MappingSpace 內生成需求、架構與測試案例，直接推成可追蹤的任務。AI 補充會把既有文件補完整，AI 繪圖把架構描述轉成可編輯的靜態與動態架構圖，AI 程式則依詳細設計產出程式骨架。重點就是省下 ASPICE 向來要花掉的大量文件工時。

需求把產品定義接到開發流程。工作項追蹤與版本控管並列在旁，每一條需求都能保留它與設計、測試的連結。文件以思維導圖而不是扁平階層來組織，需求樹再大也讀得清楚，追溯關係也不因規模成長而斷掉。

測試管理涵蓋完整循環：建立測試計畫、執行案例、產出報告。每個測試都接回它所涵蓋的需求，覆蓋率的缺口會在發布關卡前浮現，而不是等到稽核才發現。測試案例可以用 AI 生成，之後再像一般文件一樣編輯。

基線管理讓版本迭代有秩序。需求一變動，系統就複製一份並觸發審查流程，變更是受控的，不會悄悄發生。從提出原因到最終決策，完整變更歷程都留了下來，這正是 ASPICE 追溯要求的重點。

鏈路的終點是標準化的發布流程。已驗證的基線會走過既定關卡，平台保留出貨內容與其所依據版本的紀錄。不全程照 ASPICE 走的團隊，可以裁剪流程，只留自己真正需要的部分。

平台支援私有化部署，原廠也提供終生免費的私有化部署版。AI 功能可對接客戶自行託管的模型，敏感研發文件因此留在內部基礎設施上。這在汽車業特別要緊，因為文件往往不能離開公司網路。

程式碼倉庫透過 GitLab 對接，API 測試在平台內執行。這套工具鏈是專為汽車打造，另外也提供航電與醫療器材的加值方案。代表性客戶涵蓋拓普、福爾達等零組件與系統供應商，原廠也發布汽車基礎軟體與研發流程管理相關的白皮書。