GB 44721‑2026 明确约束自动驾驶机器学习模型的训练、迭代、OTA 更新行为，要求管控模型变更带来的安全风险，防止模型迭代引入未知危险。对于搭载 AI 算法的自动驾驶产品，单纯管控传统软件已经不够，必须对机器学习模型本身建立标准化过程，ASPICE MLE 为模型全生命周期管控提供成熟的过程框架。

ASPICE MLE‑2 模型开发过程域，覆盖模型设计、训练、调优、验证全活动，能够和 GB 44721‑2026 的安全要求深度结合。在模型开发之初，需要基于国标安全需求定义模型性能指标，不只是识别准确率，还需要定义失效容忍边界、异常输出约束，把安全类指标纳入模型训练的验收条件。

模型训练阶段，完整记录训练参数、超参数、训练数据集版本、评估数据集版本，所有训练实验记录纳入 ASPICE 配置库管理。每一次模型迭代不能只看算法指标提升，必须评估本次变更对原有安全目标、ODD 边界的影响，开展风险评估，这也是 GB 44721‑2026 的强制要求。

不少企业在模型迭代时存在痛点：算法团队快速调参迭代，变更缺少评审，没有评估安全风险，模型版本与软件版本无法对应，造成合规证据链断裂。借助 ASPICE MLE 的变更管理机制，模型的每一次迭代都需要执行需求对齐、风险分析、评审确认，将模型变更纳入整体软件变更管控。

当涉及 OTA 模型升级场景，需要按照 GB 44721‑2026 要求完成升级前安全确认，复用 ASPICE 的回归测试、变更追溯机制，保证模型迭代不会破坏原有系统安全目标。通过 ASPICE MLE 规范模型开发活动，解决 AI 算法迭代快、管控难的痛点，满足强制国标的监管诉求。