1975年，IBM的工程师FRed Brooks在《人月神话》中提出了软件工程的核心难题：随着系统和团队规模的扩大，复杂度会呈现指数级增长。他得出的结论是，软件工程“没有银弹”，即没有一种技术能够显著提升生产力。
如今，汽车行业正面临软件工程史上最大的挑战之一。
吉利汽车数智中心的AI产品专家阮航分享了一组数据：在过去的几年中，吉利内部的软件开发人员比例从不足10%上升至40%。随着一辆智能汽车的代码量超过亿行，座舱、智驾、底盘等异构系统需要在不同芯片上协同工作，Brooks所描述的复杂度问题被放大了数百倍。
然而，这一次，汽车制造商找到了一种新的应对方式。从2025年上半年开始，吉利汽车在短短几个月内，数千名员工开始研发使用通义灵码，AI生成的代码占比超过30%。尤其是在通用代码逻辑开发和代码检查测试环节，代码开发效率提升了20%。
与阿里云通义灵码的深入合作，正在探索AI是否可以成为Brooks所说的“银弹”。
“软件”正在重新定义汽车
人员结构的变化，反映了汽车产业本质的转变。
阮航指出：“过去，汽车是以硬件为主，软件只是辅助。现在，软件决定了产品的核心体验。”这种转变让开发模式和产品复杂度面临“双重挑战”。
首先，迭代速度加快。传统的硬件导向V模型开发周期通常以年为单位，而现在必须支持月甚至周的OTA迭代，这需要转向“敏捷+DevOps”模式。同时，产品复杂性也在同步增加。汽车行业正在经历电子电气架构从分布式ECU向中央计算和区域架构的演变，引入面向服务架构（SOA），使得系统集成的复杂度成倍增长。
以吉利为例，研发体系需同时应对座舱域的Linux/Android、智驾域的QNX和广泛使用AUTOSAR平台的车身控制域。应用层多使用Java/Python，而底层则依赖C/C++。如何在不同芯片生态上高效、安全地协同工作，这是一个极其复杂的系统工程。
更具挑战的是保持安全底线。汽车软件开发必须遵循ISO 26262功能安全、ISO/SAE 21434信息安全及ASPICE等严格的国际认证标准，尤其在底层开发中，还需遵循MISRA C/C++等严格的编码规范。这些标准确保了汽车极致的安全性，但也与快速迭代的敏捷开发模式产生了矛盾。
了解系统性挑战的本质后，吉利明确了通过AI技术提升研发效率的方向，随即与阿里云通义灵码展开深入合作。在一系列采访中，我们获得了一个工程师转型为“指挥官”的故事。
全方位应用AI
谈到AI的应用，首先需要讨论应用场景。吉利的研发体系涵盖了应用层软件开发、嵌入式开发和算法研发等三大板块，通义灵码等AI技术正在全面渗透。
其中，应用层软件研发团队对通义灵码的应用最为深入，涉及智能座舱HMI、车联网服务等场景的快速开发。工程师们频繁使用通义灵码生成新服务的模板代码和数据转换逻辑。
嵌入式开发是汽车软件的“深水区”，主要使用C/C++，对实时性和内存管理要求极高。在这一领域，吉利正在探索将AI能力引入底层开发，以提升代码质量和合规性。
在算法研发方面，通义灵码正在协助团队处理PB级的雷达点云数据和视频数据清洗工作。工程师可以通过自然语言描述数据清洗规则，AI自动生成相应的复杂数据处理脚本。
谈及提效指标，阮航分享了一个项目案例。原本需要30天的项目，通过通义灵码的加成，编码实现环节的时间从10天缩短为4天，注释补全从1.5天缩减至0.5天，单元测试从2.5天缩减为2天，代码优化从1天减至0.5天，编码阶段效率提升了30%，推动项目整体提效10%。考虑到吉利汽车作为一个庞大的组织，众多项目的累加收益相当可观。
每位深度使用AI的工作者都提到大模型的“幻觉”问题。实际上，描述为“模型对不熟悉的事物容易胡说”的说法更能引起共鸣。
因此，规模化应用也引出了另一个关键问题：通用大模型需要精准理解吉利的技术栈和业务逻辑。如果AI生成的代码不符合企业规范或者无法调用内部API，其价值将大大降低。阮航表示：“我们需要AI能够理解吉利的业务上下文，而不仅仅是通用代码。”
不过，阿里云与吉利汽车的能力组合，在很大程度上克服了这一障碍。
阿里云通义灵码解决方案专家贾彬介绍，该解决方案本质上是一个高级的编码智能体，结合检索增强生成（RAG）和模型上下文协议（MCP）等技术，能够深度融合企业的私有知识库。
吉利的工作则是构建一个高质量的“专有知识库”，其中包含私有代码库、API文档和技术规范，以为大模型提供背景信息。这可以建立一个高度精准的上下文环境，充分利用大模型的推理能力解决研发问题。
这种配合机制确保了AI不仅“会写代码”，还“会写吉利的代码”。例如，工程师在调用吉利内部的车控服务API时，通义灵码能够准确提示API的调用方式和参数规范，并遵循统一的错误处理机制。
此外，为了适应吉利复杂的开发环境和高安全要求，通义灵码支持企业专属版部署，确保核心代码资产不出企业内网。双方通过VPC专线等方式实现了网络隔离与安全接入。
不仅仅是效率提升
因此，大规模的用户使用使AI工具的价值在多个维度上显现。
最直观的是效率的提升。大量模板化和重复性的工作交由AI完成，工程师可以将精力集中于系统架构设计和核心业务逻辑的创新。质量方面的改善同样明显，通过与CI/CD流水线等研发工具链的集成，通义灵码可以在编码阶段进行逻辑预检，从而提升代码的规范性和健壮性。
然而，效率和质量的提升并不是AI工具的全部价值。
软件工程领域有一个著名的概念叫“技术债”，即因过去的妥协而积累的未来维护成本。对于汽车这种长生命周期的产品，庞大的遗留系统是主要的“债务”来源。维护和迭代这些遗留代码面临严峻挑战，许多代码的存在或许是为了绕过特定的硬件限制，或处理某些复杂的工况。
如果不理解原来的设计意图而盲目修改，极有可能引入安全隐患。因此，开发者之间常常半开玩笑地说：“能跑就别动，动了就出事。”
知识的传递依赖于人，但人员流动使得“偿还技术债”变得更加困难，形成了所谓的“代码考古”困境。
贾彬表示：“但这对AI来说不是问题，因为它能快速读取代码，帮助解释遗留系统的复杂逻辑，理解他人的开发逻辑。”
阮航分享了一个实例：一位新入职的工程师需要修改一个有数年历史的核心模块，通过通义灵码的代码解释功能，他快速理解了原作者的设计意图和复杂的依赖关系，将原本预估需要一周的熟悉过程缩短至两天。在这里，AI扮演了“知识管家”，甚至是“任意门”的角色，让经验得以沉淀和复用，使沉寂的代码以新方式重生。
这种知识传递能力在吉利的全球化协作中更为明显。作为一家在瑞典、德国、意大利等地设有研发中心的全球化企业，吉利通过推进统一代码仓、统一研发工具和统一协作平台解决跨地域协同的问题。AI在其中的角色日益重要，促进了全球团队在统一的AI辅助环境下工作，客观推动了编码规范和研发流程的标准化。
依托阿里云的全球基础设施，通义灵码支持吉利在多个研发中心实现“多地部署、就近接入”，确保全球开发者都能获得低延迟体验，同时满足各地的数据合规要求。
AI的介入也在改变人类角色。
以质量保障为例。传统的代码评审是在提交后进行，由技术负责人手动审核。这种模式的问题在于：当问题被发现时，代码已完成，修复成本高，可能影响进度。阮航介绍，吉利正在推动质量“左移”，在开发早期阶段发现并修复问题。
具体做法是：工程师在提交代码合并请求时，系统会自动调用通义灵码的API，让AI代替技术负责人完成初步的高频审核工作。例如，检查变量命名是否规范、是否有充分的异常处理、是否符合安全编码要求等。
这一转变使得资深工程师的角色发生变化，他们从“执行者”转变为“规则制定者”，负责定义审核标准，再交由AI高效执行。同时，他们可以专注于更复杂的系统架构和业务逻辑审核。
从执行者到指挥官
因此，AI对开发场景的影响是全面的，AI对“人与代码”、“人与人”、“人与组织”的关系影响也是全方位的。
这引发了一个行业广泛关注的问题：“AI是否会取代人类程序员？”阮航在采访中分享了他的观点，他认为，未来职业生涯受到挑战的其实是不使用AI的工程师。
他表示：“在我们内部，一直在推的一个思维就是：所有员工都是LeadeR。我们要领导谁？就是AI。我们要指挥AI，把原先我们自己在做的工作做得越来越好。”
从“一线执行者”到“AI指挥官”，人与AI显然不是取代关系。这意味着工程师的核心能力要求正在从“实现能力”转向“定义问题、拆解任务和评估结果”的能力。在这种模式下，工程师更多是从设计、架构和验收的角度定义需求，而真正的执行和操作则交给AI。
阮航表示：“当前工程师和AI可能各占一半，但未来，我们希望工程师主导规则制定，AI承担更多执行工作。”
吉利的最终愿景是实现“黑灯研究院”：一个高度自动化的研发环境，从需求提出到部署交付的全流程由AI与人类工程师协同完成。阮航表示：“目前我们已搭建起智能化软件平台，实现从需求到交付链路的点状能力闭环，接下来希望将点状能力连接成线状能力，即实现从需求分析、代码生成到测试部署的自动化工作流，最终实现端到端的自动化交付。”
贾彬观察到：AI正在向“自主智能体”演进。随着模型在长期记忆、规划与决策能力的提升，未来的智能体将能够承担长时程任务，自动进行复杂的任务分解、资源调度与工作流编排。同时，异步编程与云端Agent的兴起允许将子任务委派到云端并行执行，工程师负责高层目标与策略的制定，可以同时指挥多个Agent，实现更高的并行性与可扩展性，同时通过人类监督与回滚机制保证可控性与安全性。
然而，这种“指挥官”角色的崛起，也引发了产业中的“人才稀缺”问题。
阮航在云栖大会的公开发言中提出呼吁：共同建立AI编程的安全标准，分享优质的研发实践，共同培养新型人才。
这一呼吁反映了对行业共同挑战的认识。对汽车行业而言，既懂机械硬件又精通软件系统工程的交叉人才，是当前最迫切的需求，而这个人才缺口并不是个别企业能解决的。
不过，对AI来说，跨界从来不是问题。或许，在AI降低了软件开发的技术门槛后，更多机械背景的工程师也能参与到软件开发中。
吉利与阿里云的合作正在验证这种可能性。当汽车制造商开始以软件的方式思考问题，云服务商深入制造业的具体场景时，产业边界的模糊或许正是创新发生的地方。
50年前，Brooks说软件工程没有银弹。今天，AI或许不是那颗银弹，但它正在改变我们寻找答案的方式。
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
