一辆智能汽车涉及上亿行代码，多域硬件协同，跨平台、跨车型的 OTA 迭代，研发体系高度复杂。对车企而言，AI Coding 不只是效率革命，而是一道关于安全、稳定与治理的工程题。
零跑汽车的使命是为用户的出行与生活带来更多幸福感。坚持以用户为中心的价值主张，致力于提升车主的全生命周期体验。以价值最大化为导向，提供超越车主预期的幸福感。
零跑坚持全域自研，更以成本定价，让更多的用户能够享受到更高配置、更优品质、好而不贵的产品。2026 年上半年，零跑汽车全球交付量超 35.6 万辆，高速增长背后，是研发规模和复杂度的同步攀升。
零跑汽车将 TRAE 嵌入其全域自研体系，让 AI Coding 在车企本地化安全网络、车规级工程约束、高复杂的代码库和多团队协同的环境中落地，让效果真正可见、可管、可持续。
安全接入本地网络
划定数据安全边界
代码是车企的核心资产，安全等级要求高于多数行业。零跑汽车超千人的研发团队，大部分员工不能直接访问公网，需要在本地安全网络下办公。双方合作的第一步，是要把 TRAE 安全、稳定地送到本地化受限的网络环境中。
TRAE 采用企业专属域名与网络配置方案，将客户端、TRAE 云端服务和模型服务之间的访问链路纳入零跑汽车的企业网络策略，让研发人员在网络安全边界内也能灵活、稳定地调用 AI 能力。
此外，双方还明确了数据安全边界，明确企业代码仅用于当次推理，不用于模型训练，并通过租户隔离、传输加密和企业管理配置等方式降低代码资产泄漏风险，为后续的大规模使用扫清顾虑。
为 Agent 设定一套约束机制
防止"自由发挥"
车企的研发遵循 V 模型开发流程，需求、设计、编码、测试、验证环环相扣，涉及严格的工程约束、硬件接口和安全规范，AI Coding 不能只追求生成速度，更要严格符合既有架构与车规级规范。
零跑汽车与 TRAE 通过一整套"管束"机制，降低 Agent 在复杂工程中"自由发挥"的风险：
首先，通过 Spec/Plan 的方式，先让 Agent 先理解需求、拆解任务、明确规划，确认思路没问题，再撰写代码。
其次，双方制定了 Rules 约束项目规范，把团队的编码规范、架构规则、命名习惯、安全要求等写成规则，让 Agent 严格遵守。
最后，用 Skills 沉淀业务知识和开发流程，把团队规范和经验转化为可复用的 Agent 上下文，让 Agent 直接按成熟老员工的流程和经验办事。
数据化"仪表盘"
让效能可见、可管、可持续
车企研发团队规模大，涉及跨地域、多车型平台并行，覆盖嵌入式、整车、电子、云端等多样的技术栈。在企业管理侧，TRAE 提供了一套可视化数据看板：不仅能够跟踪人员覆盖、活跃趋势，掌握 AI 生成多少行代码、有多少被采纳、各模型被调用了多少次、主要用什么编程语言等数据化指标，方便团队更科学地运营和管理 AI Coding 资源。
项目团队可据此识别：哪些部门用得好，可以沉淀经验？哪些席位开通了，但使用率低需要更针对性辅导？哪些场景 AI 提效最明显，可以优先复制？再通过培训、答疑、版本支持和最佳实践复盘等动作，推动下一轮扩展。让席位增长不再是一个数字，而是有运营动作支撑、看得见实效的持续过程。
不是所有任务都需要最贵最强的模型，从动力总成等核心控制代码，到座舱娱乐等应用，不同模块的安全等级不同，需要更有针对性的制定模型配额。
TRAE 企业版支持灵活的模型资源管理，根据任务难度、成本预算和安全要求，给不同团队开放不同的模型权限，同时支持给每个部门设置模型用量配额、统计各部门消耗，帮助控制好成本。
在零跑汽车这样技术栈多元、规模差异大的研发组织中，TRAE 提供 IDE、插件和 Agent 等多元化的使用方式，让不同团队的开发者无需全面改变原有工具习惯，可以先从自己最熟悉的接口开始，再用真实任务验证价值，逐步实现规模化增长。
零跑汽车的实践表明，AI Coding 在车企的大规模落地，从来不只是效率提升，而是安全、稳定、可控、可管。 TRAE 和火山引擎将继续与零跑汽车探索汽车智能研发的新范式，让 AI Coding 成为企业级的安全研发能力，为软件定义汽车注入更可靠的研发动能。
点击阅读原文进入企业咨询入口。
