工程師轉型AI指揮官：吉利與阿里雲共創開發新紀元

AI能否成為軟體工程的「銀彈」？吉利汽車與阿里雲的實踐答案

1975年，IBM工程師Fred Brooks在《人月神話》中提出：隨著系統與團隊規模擴大，軟體複雜度將呈指數級上升。他斷言，軟體工程「沒有銀彈」——意即不存在單一技術能帶來數量級的生產力突破。

半個世紀後，汽車產業正迎來史上最嚴峻的軟體工程挑戰。而吉利汽車的實踐，正在重新定義這個命題的可能性。

「軟體定義汽車」時代的來臨

「過去汽車是硬體主導，軟體只是輔助；現在，軟體決定了產品的核心體驗。」吉利汽車數智中心AI產品專家阮航指出。

這一轉變背後，是開發模式與產品複雜度的「雙重暴擊」。傳統以硬體為核心的V模型開發週期以「年」計算，如今智能汽車需支援「月級甚至周級」的OTA更新，迫使開發必須轉向「敏捷＋DevOps」模式。

同時，電子電氣架構正從分散式ECU向中央計算與區域架構演進，加上面向服務架構（SOA）的引入，系統整合複雜度急劇攀升。

億行代碼的協同挑戰

以吉利為例，其研發體系需同時應對：

• 座艙域：Linux／Android
• 智駕域：QNX
• 車身控制域：AUTOSAR平台
• 應用層：Java／Python
• 底層：C／C++

如何讓這些異構系統在不同晶片生態上安全、高效協同，已成極致複雜的系統工程。

更嚴峻的是安全門檻。汽車軟體必須符合ISO 26262功能安全、ISO/SAE 21434資安標準、ASPICE流程規範，底層開發還需遵循MISRA C/C++等嚴格編碼規則。這些要求雖保障了極致安全，卻也與快速迭代的敏捷開發形成張力。

AI提效實證：從30天到27天的跨越

面對系統性挑戰，吉利選擇以AI破局。自2025年上半年起，數千名研發人員開始使用阿里雲通義靈碼，AI生成代碼占比超過30%，整體開發效率提升20%。

一個典型案例顯示：

• 編碼實現：5人天 → 4人天
• 註釋補全：1.5人天 → 0.5人天
• 單元測試：2.5人天 → 2人天
• 代碼優化：1人天 → 0.5人天

編碼階段效率提升30%，項目整體提效達10%。在龐大的組織規模下，累積效益極為可觀。

從「通用AI」到「懂吉利的AI」

然而，通用大模型存在「幻覺」問題——對不熟悉的技術容易「胡說八道」。若AI生成的代碼不符企業規範或無法調用內部API，價值將大打折扣。

為此，吉利與阿里雲攜手打造「專屬AI」：

• 吉利提供高質量私有知識庫：包含內部代碼庫、API文檔與技術規範
• 通義靈碼結合RAG（檢索增強生成）與MCP（模型上下文協議），深度融合企業語境

結果是：AI不僅「會寫代碼」，更能「寫吉利的代碼」。例如調用車控服務API時，能精準提示參數與錯誤處理機制，確保合規與一致性。

此外，通義靈碼支援企業專屬部署，通過VPC專線實現網絡隔離，確保核心代碼資產不出內網，滿足極高安全要求。

不只是提效：AI破解「技術債」與「代碼考古」困局

汽車產品生命週期長，累積大量遺留系統，形成沉重的「技術債」。許多代碼因歷史硬體限制或特殊工況而存在，若未理解原始設計意圖便修改，極易引發安全風險。

開發者常戲稱：「能跑就別動，動了就出事。」

而AI打破了這一困境。透過通義靈碼的代碼解釋功能，新進工程師可在兩天內掌握原本需一週才能理解的複雜模組邏輯，大幅縮短學習曲線。

AI在此扮演「知識管家」與「任意門」角色，讓經驗得以沉澱與復用，讓沉默的代碼重獲新生。

全球化協同中的AI樞紐作用

作為在瑞典、德國、義大利設有研發中心的全球企業，吉利推動「三統一」策略：統一代碼倉、統一研發工具、統一協同平台。

AI成為跨地域協作的關鍵樞紐：

• 促進全球團隊在統一AI輔助環境下工作
• 推動編碼規範與研發流程標準化
• 依托阿里雲全球基礎設施，實現「多地部署、就近接入」，兼顧低延遲與數據合規

從「執行者」到「AI指揮官」的角色重塑

AI不僅改變代碼，更在重塑「人」的角色。

傳統代碼審核多於提交後由資深工程師手動完成，問題發現晚、修復成本高。吉利推動「品質左移」（Shift Left），在開發早期即引入AI預審。

具體做法：提交合併請求時，系統自動觸發通義靈碼API，進行初步審核，涵蓋：

• 變數命名規範
• 異常處理完整性
• 安全編碼合規性

這使得資深工程師從「執行者」轉為「規則制定者」，專注於系統架構與核心邏輯審查。

未來工程師的新定位：Lead AI

「未來受威脅的，不是程式設計師，而是不用AI的工程師。」阮航強調。

吉利內部提倡：「每位員工都應是Leader，我們要Lead誰？就是AI。」

工程師的核心能力正從「實現能力」轉向：

• 定義問題
• 拆解任務
• 評估結果

「當前工程師與AI各占一半，」阮航說，「但未來，我們希望工程師主導規則制定，AI承擔更多執行工作。」

黑燈研究院：端到端自動化的終極願景

吉利的終極目標是實現「黑燈研究院」——高度自動化的研發環境，從需求提出到部署交付全流程由AI與人類協同完成。

目前，已實現從需求到交付的「點狀能力閉環」；下一步是串聯成「線狀能力」，建立從需求分析、代碼生成到測試部署的自動化工作流，最終達成端到端自動化交付。

阿里雲通義靈碼解決方案專家賈彬觀察到：AI正向「自主智能體」演進。未來的智能體將具備長期記憶、規劃與決策能力，可自動分解任務、調度資源、編排工作流。

異步編程與雲端Agent興起，讓工程師能同時指揮多個Agent並行執行子任務，自身專注於高層目標與策略制定，並透過人工監督與回滾機制確保安全性。

跨界人才缺口與產業共創的呼聲

然而，「AI指揮官」的定位也凸顯了「一將難求」的困境。既懂機械硬體又精通軟體系統工程的跨領域人才，已成產業最迫切需求。

阮航在雲棲大會呼籲：共建AI編程安全標準、共享研發最佳實踐、共育新型人才。

值得期待的是，隨著AI降低開發門檻，更多具備機械背景的工程師也有機會參與軟體開發。

吉利與阿里雲的合作，正是製造業與雲端AI深度融合的典範。當車企以軟體思維重構產品，當雲廠商深入產業場景，邊界模糊之處，或許正是創新爆發的起點。

50年前，Brooks說軟體工程沒有銀彈。今天，AI或許不是那顆銀彈，但它正在徹底改變我們尋找答案的方式。