一辆饱经风霜的大切诺基，车身饰有木纹饰板、挡风玻璃开裂、后视镜上被切出一个个缺口，成为Stellantis免提驾驶系统的测试车。Joydip Saha坐在驾驶座上解释说，这些切口正是安装摄像头的地方。

Saha是全球工程经理，也是Stellantis L2++/免提门到门监督式自动驾驶系统的负责人，他称这辆车是“破损最严重的车”。仪表板上的一个黄色盒子让人类安全驾驶员可以通过行业标准的“急停开关”接管控制。该开关会切断高级驾驶辅助系统模块（ADAS）的电源，阻止其控制车辆，随后驾驶员便拥有完全控制权。

车载的STLA AutoDrive L2++系统在需要Saha介入时会发出蜂鸣声，有点像戴着智能项圈的狗。在密歇根州奥本山郊区的克莱斯勒技术中心内进行测试时，该系统在复杂停车场内导航时出现混乱，Saha不得不亲自握住方向盘。

园区由李·艾柯卡主持建造，这位曾登上《财富》杂志封面的传奇人物于20世纪80年代执掌克莱斯勒。占地500英亩的场地于1986年动工，1991年落成，公司称耗资约10亿美元。加上1996年新建的总部大楼，整个建筑群占地540万平方英尺，是美国建筑面积第二大的建筑，仅次于五角大楼。

Stellantis的北美工程业务至今仍在艾柯卡的大楼内运作。员工们至今仍称其为“尽在一栋屋檐之下”。内部保留了20世纪90年代初的设计风格：狭窄的扶梯围绕八边形天窗向上攀升，还有一个独特却令人晕头转向的钻石形停车场。

事实证明，奥本山的郊区道路更适合测试。Saha的开发车顺利通过一个十字路口，而就在几秒钟之内，两名密歇根司机先后做出违法的跨车道变线。

Saha在自动驾驶系统领域的工作经历比大多数同事都要长。他曾参与为Waymo在亚利桑那州首批Robotaxi供应的克莱斯勒Pacifica项目，随后管理过一个与Aurora和Lyft等合作伙伴整合L4级自动驾驶技术的团队。他至今仍亲自试驾每一个新的软件版本，有时每周多达两次，因为他认为客户遇到的任何问题都是自己的责任。

Saha表示，他的团队借助AI工具仅用六周就完成了大切诺基的免提系统，而类似的工作过去需要一年甚至长达18个月。不过，他对工程师使用AI设定了限制。

“我不会让人用AI来做架构设计，因为他们会忘记如何调试，”Saha说。他补充说，在安全至上的行业中，工程师必须能够回答关于他们所构建系统的每一个问题。

在技术中心为期两天的采访中，Stellantis工程师向《财富》杂志表示，AI已将一些原本需要一年的项目缩短至数周，将一些需要通宵运行的仿真缩短至几分钟。公司希望利用这种速度缩短STLA Brain计算平台和STLA SmartCockpit软件的研发时间。更宏观地看，Stellantis正寻求将车辆研发周期从四年缩短至24个月，从2027年的两款车型开始。

几乎每一位描述了效率提升的工程师都强调了检查机器输出的必要性。Stellantis的挑战不止于研发速度。公司拥有14个品牌，欧洲业务亏损，第二季度调整后营业利润率仅为1.8%。首席执行官Antonio Filosa已设定2030年实现7%利润率的目标。

华尔街不会等待。Stellantis是底特律三大车企中对欧洲市场敞口最大的公司，欧洲约占其2025年营收的38%。通用汽车于2017年将其欧洲品牌欧宝和沃克斯豪尔出售给PSA——后者正是后来合并组成Stellantis的公司之一。

欧洲的电动化转型速度也远快于美国。据欧洲汽车制造商协会（ACEA）数据，纯电动汽车去年占欧盟新车注册量的17.4%，而据Cox Automotive数据，这一比例在美国销量中仅为7.8%。欧盟还规定，自2035年起在当地销售的新车必须实现尾气零排放，这一规则适用于所有在该地区销售的车企。

Stellantis此前也在北美重注电动车。在7,500美元的联邦电动车税收抵免于2025年9月30日到期后，它成为底特律车企中受冲击最大的一家。今年2月，Stellantis录得约222亿欧元（约合265亿美元）的减记，超过福特12月195亿美元的减记以及通用汽车两次合计76亿美元的减记。

Stellantis股价当日下跌25%，影响至今仍在持续。该股年内已累计下跌近60%。

Mel Roberts是Stellantis北美信息娱乐总监，负责规划未来五到八年的车载功能。她表示，AI并不是过去几年中给她带来最大冲击的事情。

“我没能预料到的是电动化雄心的彻底崩塌，以及它对我们所有未来计划的实质性影响，”Roberts说。“它渗透到了方方面面。”

底特律的欧洲车企

Stellantis是底特律三大车企中唯一一家法定总部位于海外（荷兰）的公司。这一格局源于疫情期间2021年菲亚特克莱斯勒与PSA集团的合并，将标致、雪铁龙等标志性欧洲品牌与菲亚特、Jeep和Ram汇聚在一起。

《财富》杂志的采访中充分体现了这家公司的国际化特质。几分钟之内，记者先后遇到了出生于法国、墨西哥和孟加拉国的高管，还有一位刚从巴黎派驻数年返回密歇根的员工。

合并也给Stellantis留下了一套“委员会式”打造的车辆研发体系。软件工程经理Ben Zawodni正在将数百个电子控制单元整合到一个名为STLA Brain的中央计算系统中。每个电子控制单元都是一台执行特定功能的小型计算机。将这些小型计算机整合到中央平台，反映了整个行业向软件定义汽车的更广泛转变——汽车的功能越来越多地由代码而非专用硬件实现。

Zawodni表示，数十年来，车辆架构的演变一直反映着供应链的结构。“我们一直在往车上堆功能。”

领导公司平台团队的Amanda French在另一个层面上解决类似问题。Stellantis历史上建造的车辆平台各自尺寸固定。其全新的STLA One平台设计上可涵盖从小型B级车到中型D级车。

Stellantis表示，STLA One有望成长为一个支持30多款车型、到2035年产量目标超过200万辆的超级平台。被问及打造这个平台是否像玩乐高时，French回答：“是的，只不过牵涉到多得多的参与者和情绪。”

“尚未达到目标”

Stellantis首席工程与技术官Ned Curic健谈而亲切，他形容自己“态度强硬”。他来自亚马逊，此前曾任职于微软和丰田。

Curic表示，Stellantis尚未达到应有的水平。一些团队取得了“非凡的成功”，他说，但“作为整个组织，我们还没有做到”。

他对汽车行业积累的复杂性感到无奈。现代汽车配备“五块屏幕，如同数字噪音，多达350项功能”，Curic说。车企历来倾向于“把功能清单列个没完”，却不衡量用户究竟如何使用它们。

他说，他在丰田学到的一点是：“你在汽车上拥有的最高质量的零部件，是你没有装上车的那个零部件。”他表示，Stellantis对驾驶员的研究发现，大多数人更喜欢机械挡杆，而不是屏幕上的按钮。

在亚马逊时，Curic收到过杰夫·贝索斯转发客户投诉的著名邮件，每封邮件正文只有一个问号。

“我从未觉得有压力，”Curic说。“从来没有。”

他解释说，一位高管负责解决问题，其他人则各自写上几段话提供帮助。

Curic还将来自亚马逊和丰田的理念带到Stellantis，包括基于亚马逊“两个比萨原则”的小团队模式，以及每个系统单一负责人制度。目的是防止不同部门的工程师在出现问题时互相推诿。

“如果你看到有问题的地方，你就直接接手，”Curic说。“我来负责。”

他推行中最难被接受的理念是：“你能为自己的职业生涯做的最好的事情，就是让自己变得多余。”Curic说，他自己已多次这样做：把团队带好后离开，再开启新的事业。

要让这种方式奏效，他说，Stellantis必须确保员工总有新的机会，领导者也需要成熟和自信。被问及底特律长期的艰难岁月是否让员工对变革产生抵触时，Curic表示，恐惧总是难免，但变革正越来越被接受，“甚至是被主动追求”。

这位敦促工程师让自己变得多余的高管同时也在招人。在10月的巴黎车展上，Curic向彭博社表示，Stellantis今年将在欧洲和美国增聘“数百名”工程师。

发令枪响

压力落在了Zawodni和French这样的工程师身上。两人都在通过简化车辆线束、使制造流程更加协调来应对Stellantis棘手的利润率问题，目标是削减成本、提升利润。

“AI不会告诉我们新平台应该是什么样，”Zawodni说。

他在新冠疫情期间开始着手整合Stellantis车辆的中央计算。工程师全面转为远程办公，公司在印度、波兰和北美建立了可从任何地点登录的实验室。

一个监控车辆计算机内部软件的全球可观测性平台的概念验证只用了一周。Zawodni回忆说，在使用智能编码工具之前，类似的工作需要大约六个月。原本需要两到三周修复的缺陷，缩短到两三天。

“我们知道自己必须彻底重新构想我们的时间分配，”Zawodni说。被问及这是否令人恐惧时，他回答：“多令人兴奋，对吧？”

来自印第安纳州南部的工程师French对AI充满热情，但给出了更为审慎的评价。她说，人类的判断“无法被取代”。AI帮助她从那些从未被设计为互通的区域系统中汇总需求文档和物料清单，因为Stellantis“由多家不同的公司组成”。

她把AI比作一种互动版的《Cliffs Notes》学习指南——这是她上学时希望拥有的东西。

Zawodni说，他的团队对AI突破的反应并不像他那样热烈。“我想曾经有一声发令枪，而那声枪响已经响起，”他说。“有些人听到了，有些人没有。”

他形容自己麾下工程师的反应参差不齐。“工程师们非常害怕丧失自己的核心技能，”他说。有些人想弄明白编程语言中某个分号为何如此运作。Zawodni称这是“合理的好奇心”，但认为仅凭这一点无法帮助Stellantis实现目标。他希望工程师成为架构师，最终成为首席架构师。

这些工具并没有减轻Zawodni本人的工作量。“智能工具让我们的工作轻松多了，”他说。“那为什么我反而更辛苦了？”

他估计自己的工作量至少是以前的两倍。“我感到一种巨大的紧迫感，”他说。“我真心希望我们能够负责任地完成转型……尤其是为了我们的员工。”

有所取舍

Anne Laliron是Stellantis约400人技术研究团队的负责人。疫情期间，她放弃了自己的办公室，以便团队随时能找到她。她的职责之一是决定公司应该押注哪些重大技术方向。

Laliron表示，Stellantis无力面面俱到。公司自行设计部分电芯，其余则与初创公司合作。

“如果你什么都想要，”她说，“就有分散精力的风险。”

合作伙伴关系让Stellantis得以追求超出自身能力范围的技术。公司与英国初创公司Wayve合作免提驾驶的感知软件，与法国初创公司Tiamat合作钠离子电池，与Zeta Energy合作锂硫电池。这两种化学体系都是当今道路上大多数电动车所用锂离子电芯的替代方案。公司还持有中国电动车制造商零跑汽车的股份，并通过合资公司零跑国际在中国以外销售零跑汽车。

Laliron表示，合作文化在Stellantis根深蒂固，在其他车企中则较为少见。Curic希望打造一种“不必非得在此发明”的文化。他说，与零跑的合作是双向学习：“我们学到了很多……也教会了他们很多。”

Laliron表示，Stellantis对电池也采取同样的方式：内部设计、与初创公司合作，将大规模生产留给超级工厂合作伙伴。

公司最大的押注之一就陈列在附近的展台上：一辆搭载固态电池的纯电道奇Charger原型车，电池来自马萨诸塞州初创公司Factorial——Stellantis自2021年起就与其合作。固态设计用固态材料取代传统锂离子电芯内的液态电解质，这是整个汽车行业竞相追逐的技术。

两家公司作为一个团队运作。Factorial联合创始人Siyu Huang表示，这家初创公司仅用2.5亿美元的资金就开发了这项技术，只是一些竞争对手投入的一小部分。两家公司第一次点火，车辆就成功启动。

不过，Huang估计该技术距汽车量产还有三到五年时间。Laliron每年会砍掉其团队约10%未能产出成果的项目。

“这总是很痛苦，”她说。

依然一天测一辆车

AI带来的提速是真实的，但与Stellantis面临的整体挑战相比仍然微不足道。Arturo Guzman是约五年前最早将AI引入公司空气动力学工作的员工之一，此前一家初创公司在会议间隙费力地向他解释这项技术。

如今他向副总裁们解释AI，并首先揭去它的神秘面纱。“没有奇迹，也没有魔法，”Guzman说。“对我们工程师来说，这些全都是Python代码。”

借助他团队的模型，对Ram皮卡前扰流板的设计修改大约三分钟就能得出风阻估算结果。而完整的仿真过去需要14到24小时。

Guzman把这个系统比作一名实习生。对更年轻的工程师，他使用另一个比喻：《星球大战》里的R2-D2。“你给它一个任务，然后回来看它做了什么。”

Guzman说，团队节省下来的时间用于“其他事情”。该团队如今制定新的准则，承接全公司的请求，并从仿真数据中挖掘潜在专利。

“现在我跟他们说，直接把数据发给我就行，”他说。

风洞本身并没有提速。设备通常仍然“一天测试一辆车”，Steve Kubiak说。这位不苟言笑的密歇根人1992年入职克莱斯勒，管理风洞已有约10年时间。

被问及流程是否有所改变时，Kubiak回答：“没有，一直都没变。”

即便物理测试没有变快，数据分析却在提速。Kubiak的同事Todd Lounsberry会把最近20次测试的数据交给AI，询问它发现了什么规律。

被问及如何才能成为风洞经理时，Kubiak回答：“首先，你得先有一条风洞。”

其他工程师则将AI严格限制在使用范围内。Mohammed Malik在安大略省温莎的汽车研发中心负责Stellantis的驾驶模拟器。他说他的团队正在“把它关在盒子里”，即便如此，技术仍然改变了他的工作。

Malik的模拟器就像一个全尺寸沉浸式版的《马里奥赛车》——任天堂的经典赛车游戏，角色选择车辆和赛道，避开障碍冲向终点线。对他的工作而言，模拟器带来的改变比AI更大。

过去，工程师先在电脑上调校车辆，再制造原型车，然后才知道实际驾驶感受如何。如今，驾驶员可以在实体车存在之前就体验计算机模型，Malik还能在测试中即时更换弹簧。他可以一小时内测试10条轮胎，这是任何原型车都做不到的。

他的团队已经以10厘米的精度扫描了约20条道路，从赛道到普通街道，并与巴西和意大利的同事交换道路模型，而不必跨越大洋运送车辆。

Malik给记者播放了一段视频：一个没有车轮的全尺寸Stellantis车身，悬挂在看起来像机械蜘蛛腿的装置上，在一块显示赛道画面的巨大电视屏幕前上下起伏、前后摆动。

被问及是否玩过《马里奥赛车》时，Malik说有学生专门为他制作了一条赛道。“如果你想开彩虹赛道，也可以，”他从浓密的胡须后笑呵呵地说。

AI目前在模拟器中的角色较为有限。一次模拟运行会产生数千个数据通道。当车辆碾过颠簸并“稍微晃动”时，Malik会询问AI应该查看哪个通道。

他更大的雄心是：把所有地区每位测试驾驶员的评分卡输入一个智能体，问它“制造一辆Jeep需要什么”，并让它自行操作模拟器，直到答案感觉正确为止。

他表示，目前公司推进的节奏非常谨慎，希望保留某种形式的控制。“有些我们想做的事，今天就能做，”Malik说。“还有些我们想做的事，我们还做不到。”

更大的意外在于员工适应变革意愿的差异。在实体原型车领域深耕10到20年的资深测试驾驶员迟迟不愿转向模拟器，而地下室里装有赛车设备的年轻工程师则立刻上手。

Laliron也观察到同样的现象。她说，经验丰富的工程师背负着过往失败的记忆，有时“他们的大脑正在关上门”。

一些员工已经接受了变得更好但未必更快的工作方式。Roberts说，她的AI研究工具会返回10到15个信息来源，而她必须逐一核实。

“我不认为它节省了时间，”Roberts说，不过它让她的工作更加“扎实”。

再等一个周期

Alison Rahm是Stellantis中型和大型SUV的首席车辆工程师，她见过这样的时刻。在巴黎管理公司欧洲车型阵容两年后，她即将返回密歇根。她还记得1997年的一次员工会议，老板宣布大家将获得一种叫电子邮件的新东西。

“我们所有人都陷入了彻底的恐慌，”Rahm说。大家回到座位上，还是试着用了起来。

Rahm表示，AI如今承担了人们过去手工完成的检查工作，例如逐项核对一份包含约1,000项工程设计规范的清单。这让工程师有更多时间去追问这些规则本身是否正确。

但她还没有准备好停止复核。她指出，虚拟碰撞测试推出后的多年里，工程师仍然把真实车辆撞向墙壁，以确认虚拟场景是准确的。

被问及以同样的方式信任AI需要多长时间时，Rahm停顿了一下。

“我认为我们需要再经历一个生命周期，才能向自己证明当初的假设是正确的，”她说。在提醒不同产品拥有不同生命周期之后，她进一步考虑了这个问题。“我估计是四年。”

那将落在2030年——正是Filosa承诺实现7%利润率的年份。

Saha驾车驶回艾柯卡的停车场，随着钻石形建筑映入眼帘，他再次握住大切诺基的方向盘。这套自动驾驶系统回家时仍需一只引导之手。

在车辆平稳完成泊车的过程中，Saha谈到了AI这场变革何时会尘埃落定。他说自己是《权力的游戏》的粉丝（最喜欢的角色是罗柏·史塔克）。尽管他的工作以逻辑为基础，但他喜欢奇幻作品，因为这促使他用大脑的另一半“保持一点哲学思考”。

“创造力非常重要，”Saha说。

他表示，人类正是通过找到创造性的解决方案才得以适应世界并不断繁荣。“我们从来都不是世界上最强的动物，”他说，语带几分《权力的游戏》作者乔治·R·R·马丁式的风格。

Saha认为，数百年的工业化有时让人们习惯了流程导向的思维方式。“我的理解是，我们将告别流程导向的世界，因为AI会帮助我们。我个人认为这其实是件好事。”

“会有一些损失，”Saha说，正如任何技术变革都会带来的那样。但他指出，人类已经一次又一次通过创造力适应了自然环境。

“人们也会找到驯服AI的办法，”他说。

本报道已更新，进一步明确了Ned Curic和Joydip Saha的职位：分别为首席工程与技术官，以及L2++/免提门到门监督式自动驾驶系统负责人。

本文最初发表于Fortune.com：https://fortune.com/2026/11/01/stellantis-detroit-ai-best-thing-make-yourself-redundant-chrysler/