随着汽车智能化竞争进入深水区，软件研发效率正成为车企推动产品迭代、提升产品竞争力的重要因素。蔚来汽车与火山引擎展开合作，将TRAE引入智能座舱研发流程，使人工智能能力从代码生成进一步延伸至代码审查、问题定位和工程知识沉淀等环节。
智能座舱研发对协作效率提出更高要求
与通用软件开发相比，智能座舱研发往往同时涉及软硬件协同、多种技术耦合以及较长的调用链路。与此同时，多平台、多车型和多配置并存，也使研发团队需要面对更复杂的业务环境。
研发人员的工作并不只是编写代码，还包括理解系统架构、梳理历史逻辑，以及确认不同业务模块之间的关联关系。当项目持续迭代时，软件的开发、维护和多人协作都对工程效率与知识传递提出了更高要求。人工智能工具因此需要进入研发流程的多个环节，而不只是承担单一的代码编写任务。
TRAE进入智能座舱研发核心流程
在评估相关方案时，蔚来从能力、成本以及安全合规等维度进行了综合考量，最终选择部署火山引擎TRAE，推动人工智能能力进入智能座舱研发的核心生产环节。
目前，蔚来开发人员使用TRAE的日活跃率超过70%，人工智能生成代码的采纳率达到90%，相关代码入库率为19.8%。这些数据反映出，人工智能编程工具已经被纳入部分日常研发活动，并开始覆盖从个人使用到团队协作的工作场景。
从代码生成扩展到研发全流程
蔚来对TRAE的应用没有停留在辅助编写代码层面，而是进一步延伸到研发质量控制和工程知识管理。团队将相关能力封装为技能包，针对具体研发任务形成相对稳定的使用方式，以便让人工智能工具更容易融入日常开发与协作。
这一做法的重点，是把分散的个人经验转化为团队可以重复使用的研发能力。对于涉及复杂架构、历史代码和多业务关联的智能座舱项目而言，工具能否参与问题排查、质量检查和知识整理，直接关系到其在组织内部的实际使用价值。
三层代码审查机制强化质量控制
在蔚来的实践中，人工智能代码审查并非为了取代人工审查，而是试图在研发的不同阶段建立多层质量防线，让潜在问题尽可能提前暴露。当前相关机制包括以下三个层次：
本地全量审查
针对整个代码仓库开展系统性检查，重点关注架构设计、系统稳定性，以及历史业务问题是否可能重现。这类审查的频率相对较低，但覆盖范围更广，分析也更深入。
本地增量审查
在新代码提交前，自动检查本次改动，重点覆盖语法、代码规范和业务逻辑等问题，将部分风险拦截在编码阶段。
在线增量审查
在团队合并请求环节开展在线审查，依据统一标准筛选并上报实际问题，使代码在进入后续协作流程前获得进一步检查。
人工智能编程的组织化趋势
从蔚来与火山引擎的合作方式来看，人工智能编程的应用重点正在从个人开发者提效，逐步扩展到团队质量控制、流程协作和工程知识沉淀。对于智能座舱这类技术链路较长、业务组合复杂的研发场景，人工智能工具的价值不仅体现在生成代码的速度，也体现在能否以统一方式参与研发管理与质量保障。
在这一过程中，人工智能仍被放置在工程流程之中，与人工审查和既有协作机制共同发挥作用。通过分层审查和技能包等方式，企业可以进一步探索如何将个人使用经验沉淀为组织能力，这也构成了人工智能编程从个人提效走向组织智能的重要方向。