在车载软件向智能化快速迭代的背景下，ASPICE 作为汽车软件过程评估核心标准，对需求的完整性、无歧义、可追溯提出严苛要求。传统人工处理需求，容易出现需求描述模糊、遗漏衍生需求、追溯链路断裂等问题，AI 大模型正在成为 ASPICE 需求工程降本增效的重要工具。

第一个核心场景是需求解析与结构化拆解。来自客户、整车接口、系统规格的原始需求往往是非结构化自然语言文本。借助大模型可以把业务类原始需求，拆解为系统需求、软件需求，输出符合 ASPICE SYS.2、SWE.2 过程域规范的结构化条目，区分功能需求、非功能需求、接口需求，减少人工整理的重复工作量。企业需要注意，大模型输出仅作为初稿，必须由需求工程师完成审核确认，保证输出内容满足汽车安全业务逻辑。

第二是需求歧义检测与缺陷识别。ASPICE 明确要求需求必须清晰、无歧义、可验证。大模型能够批量扫描大批量需求文档，识别模糊词汇，例如 “大概”“尽可能”“较好” 这类不符合车载规范的表述，标记矛盾需求、缺失的性能约束、边界条件，提前规避后期开发阶段才暴露的需求缺陷，降低后期变更成本。

第三是需求追溯关系辅助构建。ASPICE 高度重视双向可追溯性，手动维护追溯矩阵耗时耗力。大模型可以基于需求文本语义，辅助建立上层系统需求到下层软件需求的映射关系，生成初步的追溯矩阵草稿。工程师基于草稿修正、确认链路，大幅缩减追溯文档编制周期，满足 SYS.2、SWE.2 可追溯性产出物要求。

需要明确，AI 大模型不能替代 ASPICE 工程师的专业判断。所有经过大模型生成、修改的需求条目，都要纳入版本管控，完成评审与签字确认，保障产出物具备过程证据效力。合理用好大模型辅助能力，可以在不降低 ASPICE 合规质量前提下，缩短需求阶段周期。