1975年，IBM工程師Fred Brooks在《人月神話》中提出軟件工程的核心難題：隨著系統規模和團隊規模增長，復雜度會呈指數級上升。他的結論是，軟件工程“沒有銀彈”，沒有單一技術能帶來數量級的生產力提升。

50年后，汽車行業正在經歷軟件工程史上最大規模的挑戰之一。

吉利汽車數智中心AI產品專家阮航透露了一組數字：過去幾年，吉利內部軟件開發人員占比從不到10%躍升至40%。當一輛智能汽車的代碼量突破億行，當座艙、智駕、底盤等異構系統需要在不同芯片上協同工作，Brooks描述的復雜度問題被放大了數百倍。

不過這一次，車企找到了不同的應對方式。自2025年上半年開始，短短幾個月時間，吉利汽車已有數千人研發使用通義靈碼，AI生成占比超過30%，尤其在通用代碼邏輯開發、代碼檢查測試環節，代碼開發效率提升20%。

與阿里云通義靈碼的深度合作，正在探索一個可能：AI會是Brooks說的那個“銀彈”嗎？

01“軟件”汽車

人員結構的劇變，映射的是汽車產業本質的轉變。

“過去汽車是硬件主導，軟件只是輔助。現在軟件決定了產品的核心體驗。”阮航說。這種轉變帶來的，是開發模式和產品復雜度的“Double Kill”。

首先是迭代速度的加快。傳統面向硬件的V模型開發周期以年計，如今要支撐月級甚至周級的OTA迭代，必須轉向“敏捷+DevOps”模式。與此同時，產品復雜性也在同步增長。汽車行業正經歷電子電氣架構從分布式ECU向中央計算和區域架構的演進，面向服務架構（SOA）的引入，讓系統集成的復雜度呈指數級增長。

以吉利為例，研發體系需要同時應對座艙域的Linux/Android、智駕域的QNX，以及車身控制域廣泛采用的AUTOSAR平臺。應用層多用Java/Python，底層則依賴C/C++。如何讓這些異構系統在不同芯片生態上高效、安全地協同工作，是極其復雜的系統工程。

更具挑戰性的是守住安全底線。汽車軟件開發必須遵從ISO 26262功能安全、ISO/SAE 21434信息安全，以及ASPICE等極其嚴格的國際認證標準。特別是在底層開發中，還需要遵循MISRA C/C++等嚴苛的編碼規范。這些標準確保了汽車的極致安全，但也天然地與快速迭代的敏捷開發模式存在張力。

看清了系統性挑戰的本質后，吉利明確了以AI技術提升研發效率的路線，與阿里云通義靈碼的深度合作隨即展開。一系列采訪之后，我們得到了一個工程師變身“指揮官”的故事。

02 全方位AI

談AI落地，首先要談場景。所以，我們先呈現一個完整的場景概括，吉利的研發體系涵蓋應用層軟件研發、嵌入式開發和算法研發三大板塊。一言以蔽之：目前通義靈碼等AI手段正在全面滲透。

其中，應用層軟件研發團隊對通義靈碼的應用最為深入，覆蓋了智能座艙HMI、車聯網服務等場景的快速開發。工程師們頻繁使用通義靈碼來生成新服務的模板代碼和數據轉換邏輯。

嵌入式開發是汽車軟件的“深水區”，以C/C++為主，對實時性、內存管理要求極高。在這一板塊，吉利正探索將AI能力引入底層開發場景，重點在于提升代碼質量和合規性。

算法研發領域，通義靈碼正在協助團隊處理PB級的雷達點云數據和視頻數據清洗工作。工程師可以通過自然語言描述數據清洗規則，AI自動生成對應的復雜數據處理腳本。

對于最受關注的提效指標，阮航給我們講了一個項目案例。一個原本30天的項目，通過通義靈碼加成，原本耗時10天的“編碼實現”環節，編寫代碼從5人天縮減為4人天，注釋補全從1.5人天縮減為0.5人天，單元測試從2.5人天縮減為2人天，代碼優化從1人天縮減為0.5人天。編碼階段效率提升30%，帶動項目整體提效10%。考慮到吉利汽車是一個相當龐大的組織，眾多項目累加可得的收益是相當可觀的。