融合时代

看了甲子光年的文章《胡峥楠就任小米汽车CTO后首次受访：我的第一要务是重新学习》整篇采访里最让我愣住的一段是这个： 就像今天雷总对我的要求是，你可不可以开始 AI coding？ 说这话的人叫胡峥楠。吉利前研究院院长，路特斯汽车智能化平台创始人，现在是小米汽车的 CTO。一个在传统车企体系里成长了二十多年的人，被老板当面问：你能不能开始用 AI 写代码？ 这个场景本身就是2026年汽车行业最精准的缩影。 不是一个刚毕业的程序员在尝试 Copilot，是一个造了二十年车的 CTO，被要求重新审视自己的工作方式。胡峥楠自己的反应也很坦诚： 如果说我们在很短的时间之内不能够适应这种新的思维模式的话，可能我很快会被淘汰。 一个 CTO 说"我可能会被淘汰"，这不是谦虚，这是一个看清了形势的人在说实话。 “我首先需要做的事情是：更新我的知识体系” 胡峥楠在这次采访中说了一句让我印象很深的话： 你学的东西五年后可能有50%是错的，但你不知道是哪50%。 这句话之所以有分量，是因为说这话的人不是一个焦虑的中层，而是一个亲手建立过完整汽车开发方法论的人。他在吉利十五年，从底盘调校到整车架构，一砖一瓦堆起来的知识体系，现在他自己说：这套体系需要重建。 不是推倒重来，而是持续重建。 转型有终点，你到达另一个状态就结束了。但"更新知识体系"没有终点，它是一种持续的生存状态。胡峥楠选的词很准：不是"转型"，是"学习"。 第四次融合：三条曲线同时叠加 雷军讲过一个框架，胡峥楠在采访中展开了：未来的智能电动汽车是汽车行业的第四次融合。 前三次分别是机械与电气、电气与电子、互联网与移动通信。每一次都消灭了一批旧行业，催生了一批新职业，但每一次基本上是一条曲线替代另一条曲线。 从机械、电气、电子到新能源、移动通信与 AI，第四次融合的复杂性在于多条曲线同时叠加。 第四次融合不一样。新能源技术、消费电子能力、信息通信技术，三条曲线都还没有消退，就已经在同一台车里汇合了。这意味着你不能像以前那样，等一条曲线彻底成熟再整合。三套方法论必须在同一时间、以某种还没有人完全弄清楚的方式共存。 用胡峥楠自己的话说，这本质上是"降维打击"。过去在传统车企体系里积累的经验，在这个融合时代未必还是经验。 所以"五年后有50%是错的"，指的正是这种状态：不是某一项知识被推翻，而是整个知识体系的权重在快速变化。你不知道重心该往哪里放。 关于 AI coding 那段，我多说两句 回到雷军让胡峥楠 AI coding 的事。 雷军不是在说"你去了解一下 AI"，他是在说"你自己动手用 AI 来工作"。从了解到使用，从使用到重构工作流，这中间的距离比大多数人以为的要大得多。 胡峥楠说"传统’撸铁’的同学"需要学习新的知识体系，用的词也挺妙。“撸铁"在这里是个隐喻，指的是那些扎扎实实做硬件工程、底盘调校、NVH（Noise, Vibration and Harshness）优化的同事。这些能力不会消失，但如果你不学会用 AI 工具来辅助你的工作，你会越来越慢，直到被那些学会了的人拉开距离。 端到端大模型：安全范式正在被重新定义 胡峥楠提到一个他正在思考的核心问题：端到端大模型的安全，行业目前没有答案。 这不是技术不成熟的问题。这是方法论的根本性挑战。 传统汽车功能安全建立在"可穷举系统状态"这个假设上。ISO 26262、HARA（Hazard Analysis and Risk Assessment）、FMEA（Failure Mode and Effects Analysis）、FTA（Fault Tree Analysis）这套工具链，本质上是在说：只要你穷举了所有故障模式，就能定义安全边界。 端到端自动驾驶不遵循这个逻辑。 它的决策来自大规模数据驱动的神经网络，不是手工编码的规则。它的"安全边界"不是一条工程师画出来的曲线，而是一个由数据分布定义的隐空间。系统的失效模式不再是"某个传感器故障”，而是"训练数据分布之外的场景导致模型产生了在分布内看似合理但实际危险的输出"。 传统安全工程的故障树，正在被迫翻译成 AI 模型的数据分布与隐空间语言。 ...