一辆新车从立项到量产，可能要五年，甚至更久。

这就是汽车行业讨论 AI 时最现实的起点。不是 AI 能不能凭空画出一辆车，而是等车真正开上路时，审美、油价、政策、竞争对手，可能都换了一轮。

The Vergecast 最新一期把“AI 设计汽车”这个容易被讲玄的话题，拉回了研发流程。节目嘉宾、汽车与科技记者 Tim Stevens 重点解释了车企采用 AI 的路径：让 AI 进入模型制作、空气动力学验证、风洞测试、设计迭代，而不是让大模型独自拍板造一辆量产车。

我更在意的是这条线：AI 在汽车行业先压缩研发周期，还是先变成削减岗位的漂亮说法。

AI先改的是流程，不是方向盘交给模型

Tim Stevens 讲到的 AI，用法更像研发工具。

它可以更快生成造型方向，做数字模型，提前筛掉一些低效方案。进入实体风洞前，团队也可以先跑更多模拟。

这会改变设计室里的节奏。过去一个方案要在设计师、工程师、泥模师、测试团队之间来回走。AI 加进来后，早期试错会变快，方案数量会变多。

但这里有一条硬边界：汽车不是网页按钮。造型不是好看就行，它还要过空气动力学、安全、法规、供应链和售后责任。

环节AI可能改变什么不能省掉什么
造型草案更快生成多个方向品牌语言和审美判断
数字模型降低早期试错成本工程可行性校验
风洞与仿真提前筛掉低效方案实体测试和校准
方案决策更早看见差异最终责任归属

所以，现在把它叫“AI 造车”有点太满。更准确的说法是：AI 开始进入造车前半段，帮车企更快做判断。

这对汽车设计师和工程师的影响很直接。重复建模、初筛方案、整理版本这类工作会被工具吃掉一部分。人要往更难替代的地方挪：取舍、约束、验证、负责。

车企急，是因为五年周期越来越慢

车企愿意试 AI，不只是因为它新。

五年开发周期放在今天，压力很大。电动车竞争更快，软件体验更新更快，用户对座舱、续航、智能化的预期也变快。车企如果还按旧节奏走，车未必差，但可能晚。

AI 的吸引力就在这里：它能缩短反馈回路。

不是把五年一刀砍成一年。原文没有给出这样的数字，也不能硬编。现在能确认的是，车企希望 AI 加速模型制作、风洞测试和设计迭代，让坏方案更早出局。

这会让两类人先调整动作。

对车企研发团队来说，重点不是立刻减少所有人，而是重新分工。做早期模型、方案整理、基础仿真的人，需要把自己放到更靠近工程判断和决策解释的位置。

对关注汽车产业的投资者和供应链公司来说，别只看哪家发布了“AI 概念车”。更该看 AI 有没有进入正式开发流程：是否影响设计评审，是否改变风洞和仿真的排期，是否进入量产前的决策链。

普通消费者也不用因为一辆车贴了 AI 标签就改变购车判断。更实在的观察是：新车更新是否更快，设计是否更稳定，问题召回和软件修复是否更少。概念图不等于产品力。

效率叙事最怕变成裁员叙事

节目后半段还谈到几条相关 AI 线索：Claude Code 与 Codex 的竞争，OpenAI 和 Anthropic 的动向，以及一些公司把裁员归因于“AI efficiencies”的现象。

The Vergecast 的说法是谨慎的。有些裁员确实和 AI 有关，有些只是把 AI 当成更好听的解释。不能把所有裁员都归到 AI 头上。

这点放到汽车业也成立。

车企会说 AI 不是为了取代人。这句话在研发早期可能是真的。工具刚进入流程时，它更像加速器，不像裁员刀。

问题在后面。

当模型生成更快，仿真更快，方案筛选更快，管理层迟早会重新计算团队规模。最先承压的未必是首席设计师，而是那些处在中间层的岗位：早期建模、方案整理、重复测试、跨部门沟通。

这不是说这些岗位一定消失。更可能的变化是，岗位会被重新定义。会用 AI 做十版方案的人很多，能解释为什么只留下两版、为什么能过法规和成本线的人，才更稀缺。

接下来要盯三件事，别被发布会海报带跑：

  • AI 生成方案是否进入正式量产决策，而不只是概念展示。
  • 风洞、仿真和实体测试之间，责任边界怎么划分。
  • 车企是否开始用 AI 效率解释组织收缩。

前两件决定车会不会更好。第三件决定这场提效由谁买单。

回到开头那辆要等五年才上路的新车。AI 真有价值的地方，是让车企更早发现错路，而不是让人类把责任交给模型。快可以是本事，快而无主，就是风险。