在汽車行業向智能化加速轉型的浪潮中，一場關于軟件研發模式的變革正在悄然發生。吉利汽車與阿里云通義靈碼的合作，為這場變革提供了鮮活的實踐樣本——當智能汽車的代碼量突破億行，當電子電氣架構從分布式向中央計算演進，傳統開發模式已難以應對復雜度指數級增長的挑戰。

吉利汽車數智中心AI產品專家阮航透露，過去五年間，其內部軟件開發人員占比從不足10%躍升至40%，研發體系需同時支撐座艙域的Linux/Android、智駕域的QNX以及車身控制域的AUTOSAR平臺。這種異構系統協同的復雜性，在面向服務架構（SOA）的引入下進一步加劇——應用層與底層分別依賴Java/Python和C/C++，不同芯片生態間的數據流轉與安全保障成為核心痛點。

傳統汽車開發遵循的V模型周期以年計，而智能汽車需支撐月級甚至周級的OTA迭代，這迫使吉利轉向“敏捷+DevOps”模式。但快速迭代與嚴苛的安全標準形成天然矛盾：ISO 26262功能安全、ISO/SAE 21434信息安全及ASPICE認證要求底層代碼必須遵循MISRA C/C++等規范，這與敏捷開發的靈活性存在張力。如何平衡效率與安全，成為橫亙在研發團隊面前的首要難題。

通義靈碼的介入為破解這一困局提供了新路徑。在應用層開發場景中，工程師通過自然語言描述需求，AI可自動生成智能座艙HMI、車聯網服務等模塊的模板代碼與數據轉換邏輯；嵌入式開發領域，AI重點提升代碼合規性，例如在調用吉利內部車控服務API時，能精準提示參數規范與錯誤處理機制；算法研發環節，AI則承擔起PB級雷達點云數據的清洗工作，將工程師從重復勞動中解放。

一個具體項目案例印證了AI的提效價值：某30天周期的項目中，編碼實現環節從5人天縮減至4人天，注釋補全從1.5人天降至0.5人天，單元測試與代碼優化時間分別減少20%與50%，整體效率提升達10%。阮航強調，這種提升在吉利龐大的研發體系中具有乘數效應——“當數百個項目同時推進時，累計收益將非常可觀。”

但規模化應用的關鍵，在于解決通用大模型的“水土不服”問題。阿里云通義靈碼解決方案專家賈彬指出，通過RAG技術與MCP協議，模型可深度融合企業私有知識庫，而吉利構建的包含代碼庫、API文檔與技術規范的專有知識庫，則為AI提供了精準的上下文環境。這種“企業定制化”部署模式，確保了核心代碼資產不出內網，同時通過VPC專線實現全球研發中心的安全接入。

AI的價值遠不止于效率提升。在質量保障環節，吉利正推動“質量左移”策略——通義靈碼在代碼合并請求階段自動執行初步審核，檢查變量命名、異常處理等基礎規范，使資深工程師得以聚焦于系統架構設計。這種轉變重構了工程師的角色定位：從“代碼執行者”轉向“規則制定者”，負責定義審核標準與業務邏輯，而AI則承擔具體執行工作。

這場變革正在重塑工程師的能力模型。阮航觀察到，未來競爭力將取決于“定義問題、拆解任務與評估結果”的能力，而非單純的代碼實現技能。“我們希望員工成為AI的指揮官，從設計視角定義需求，讓AI完成執行操作。”他透露，吉利正構建智能化軟件平臺，逐步實現從需求分析到測試部署的全流程自動化，最終邁向“黑燈研究院”的終極愿景——一個由人類與AI協同驅動的自動化研發環境。

然而，產業轉型也帶來新的挑戰。阮航在云棲大會上呼吁共建AI編程安全標準、共享優質實踐并共育交叉人才。當前，既懂機械硬件又精通軟件系統的復合型人才缺口，已成為制約行業發展的關鍵因素。但隨著AI降低軟件開發門檻，更多機械背景的工程師有望參與其中，而吉利與阿里云的合作，正在為這種可能性提供實踐注腳——當車企以軟件思維重構研發體系，當云廠商深入制造業場景，產業邊界的模糊或許正是創新誕生的契機。