“你能为职业生涯做的最好的事情，就是让自己变得可有可无。”在斯泰兰蒂斯（Stellantis）位于密歇根州奥本山的克莱斯勒技术中心，这一理念正随着AI技术的深入应用而成为现实。
在一辆布满传感器的大切诺基原型车内，负责免手驾驶项目的经理Joydip Saha展示了最新的L2++系统。得益于AI工具的辅助，该系统的构建仅耗时六周，而同类项目以往通常需一年甚至18个月。Saha坚持亲自测试每个软件版本，并立下规矩：严禁使用AI构建核心架构，以确保工程师具备调试代码的能力，这在安全至关重要的汽车行业尤为关键。
效率革命与财务困境
斯泰兰蒂斯正试图利用AI带来的速度优势，扭转严峻的财务局面。公司计划将新车开发周期从四年缩短至24个月，并从2027年的两款车型开始实施。然而，提速背后是巨大的生存压力：斯泰兰蒂斯第二季度调整后营业利润率仅为1.8%，远低于CEO安东尼奥·菲洛萨（Antonio Filosa）设定的2030年7%的目标。
作为底特律三大车企中对欧洲市场暴露度最高的企业，斯泰兰蒂斯深受欧洲业务亏损拖累。今年2月，公司减记约222亿欧元（约合265亿美元），导致股价单日暴跌25%，年初至今跌幅近60%。此外，随着2025年9月联邦电动汽车税收抵免政策的结束，其在北美的电动化布局也面临重大挑战。
重构底层架构
为了降低成本并提升利润率，斯泰兰蒂斯正在从根本上重构车辆电子架构。软件工程主管Ben Zawodni致力于将数百个分散的电子控制单元整合至中央计算平台“STLA Brain”中。通过引入AI代理编码工具，缺陷修复时间从两三周缩短至两三天，概念验证周期从六个月压缩至一周。
平台团队负责人Amanda French则主导开发可扩展的“STLA One”平台，旨在支持从小型车到中型车的30多款模型，目标是在2035年前实现超200万辆的产能。她形容这一过程如同玩乐高积木，但涉及更复杂的人员协调与情感管理。
“发令枪”已响
首席工程与技术官Ned Curic坦言，斯泰兰蒂斯作为一个整体组织“尚未到位”。这位前亚马逊高管引入了“两个披萨团队”模式和单一负责人制度，以消除推诿文化。他推崇的“让自己变得可有可无”并非鼓励怠工，而是要求员工通过建立自动化系统和清晰架构，使团队能在其离开后依然高效运转。
Curic指出，行业正充斥着“数字噪音”，汽车制造商应做减法而非盲目堆砌功能。他从丰田学到的经验是：“汽车中质量最高的部分是你没有安装的部分。”目前，斯泰兰蒂斯正计划在欧美增加数百名工程师，以应对日益复杂的软件开发需求。
选择性押注与合作
面对资源限制，斯泰兰蒂斯采取了“选择性押注”策略。技术研究小组负责人Anne Laliron表示，公司无力承担所有项目，因此选择自主设计电池电芯，同时与初创企业合作探索新技术。例如，与Wayve合作感知软件，与Tiamat合作钠离子电池，并持有零跑汽车股份以拓展海外市场。
在固态电池领域，斯泰兰蒂斯与Factorial合作开发的道奇Charger原型车已实现初步运行。尽管Factorial联合创始人黄思雨表示量产需三到五年，但Laliron每年会砍掉约10%未达预期的项目，以确保资源集中在最具潜力的方向上。
人机协作的边界
尽管AI在空气动力学模拟和数据挖掘方面展现出惊人效率——如将Ram皮卡前扰流板的阻力估算时间从24小时缩短至3分钟——但物理世界的验证依然不可替代。风洞测试仍保持“每天一辆车”的节奏，驾驶模拟器则让工程师能在制造原型前直观感受车辆动态。
工程师们普遍对AI持谨慎态度。信息娱乐总监Mel Roberts指出，AI并未显著节省时间，但提高了工作的稳健性；车辆工程师Alison Rahm认为，完全信任AI可能需要另一个产品生命周期，即大约四年时间，这恰好与公司2030年的利润目标年份重合。
Saha将这一转型比作《权力的游戏》中的适应过程。他认为，AI将帮助人类摆脱僵化的流程导向思维，释放创造力。尽管转型伴随阵痛，但他相信人类终将找到驯服AI的方法，正如历史上无数次适应自然环境那样。当原型车缓缓驶入复杂的菱形停车场，Saha双手接管方向盘，这一刻象征着在通往完全自动化的道路上，人类的判断与掌控依然至关重要。