3年前，北京一个酷热的夏天，一位网友在社交平台发帖：“每天骑车快被‘晒化’了，导航能不能规划一条凉快点的路？”
不少程序员的第一反应是：“这有点太难为人了吧！”但身为高德地图交通与行中智能负责人的刘越在看到这条留言时，脑中灵光一闪。
从技术角度看，只要获取特定时间点的太阳角度，叠加城市建筑物和树木的分布信息，就可以估算出哪些路段可能有阴凉。刘越的团队引入天文学中的太阳赤纬角公式，接入城市建筑图层和绿化遥感图，进而计算出道路的阴影覆盖率。
一个月后，“林荫道导航”功能悄然上线。它或许延长一些骑行时间，但路线更重视遮阴、舒适。“算法的出发点不是效率，而是人。”刘越说。
很多时候，技术发展的方向并不是“由上而下”的设计，而是“自下而上”的启发。谁能想到，最终“林荫道导航”这一功能的灵感，竟来自一位网友在盛夏时的一条留言。
导航背后有科技
2025年春季末，北京望京。陈鑫与刘越各自的团队正同时经历一次“上线焦虑”：前者在攻坚代码世界里的难题，后者在打磨城市路网中的导航智能体——二者分别代表了AI在工作与生活两大核心场景的落地尝试。
陈鑫是阿里云通义灵码的技术负责人，早在2018年，他就开始探索“AI辅助写代码”的可能性。那时，他还是一名产品架构师，试图通过插件优化开发协作流程，让AI参与程序员的实际开发工作。
“我们一直认为，软件编程的智能化是大势所趋。”陈鑫说。当时，无论是在国内还是国外，大模型技术尚处于起步阶段，真正相信AI可以深度介入软件工程的人寥寥无几。为了寻找方向，他们在各类开发者大会上“追风”，试图从最前沿捕捉突破口。
那是一段沉默的探索期。没有光环、没有资源倾斜，甚至没有多少人真正关注他们在做什么。他们靠传统算法处理一些“小问题”：识别常见Bug（故障），做代码克隆检测，甚至只是优化搜索逻辑。
直到通义千问大模型发布，生成式AI能力实现飞跃，通义灵码才迎来转机。他们开始重新训练模型，对海量代码和典型开发场景进行建模，逐步实现了“看得懂需求、改得动代码、跟得上思路”的能力闭环。
几乎同时，刘越也在解一道心中的“老难题”：如何让导航变得更聪明？
2021年，他所在的团队启动了“红绿灯倒计时预测”的研发。作为资深算法专家，刘越曾长期从事搜索、语音对话等方向的研究。但真正把AI系统接入城市道路网络、服务千万用户的出行，依然是一项极难的工程。
导航软件用户最直观的感受是“堵”或“顺”。但在技术端，决定通行效率的，其实是“等待”——尤其是等红灯。
“我们希望导航不仅能避开拥堵，更重要的是帮用户避开‘等待’。”刘越说。他们试图提前预测每个路口的红绿灯周期，结合车辆实时位置和车速，判断是否能赶上“绿波”，再动态调整路径建议。
最初，团队里不少人觉得这个想法有点“不切实际”，因为这需要系统能精准预测每个红绿灯的变灯时间。刘越开始从“最简单”的红绿灯入手测验，也就是固定时长的红绿灯，每个周期稳定重复，只要知道现在是第几秒，就能算出接下来变灯的时间。
但现实中的红绿灯并不“老实”。北京很多主干道的红绿灯是“自适应”的，根据流量动态调整时间长短。比如，人流大的时候多给行人几秒，车多的时候绿灯时间延长。
“你听到的一句‘红灯即将变绿’，背后是成百上千次关于交通流量、道路动态、城市布局的推演和计算。”刘越说，“要懂技术，更要懂城市和交通。因为这些不可预测的‘插曲’，才是最影响驾驶体验的部分。”
如今，刘越带领导航智能体项目，承担着交通感知、沿途服务、情绪陪伴三大核心任务。过去，导航是有标准流程的，如今则是在多模态模型能力的基础上，将它重构为一个更加聪明的智能体。它不只判断什么时候绿灯亮，还要预测保持怎样的速度能够赶上绿灯；不仅播报路况，还会为驾驶员补足盲区，山路弯道上有对向来车、前车急刹车时提前作出提示；不仅会指路，还能感知你的心情和场景，在需要的时候，为你播放一首歌或推荐一个停车场。
“许多人认为，技术常以‘颠覆者’的姿态登场。但现实生活更需要体贴、可靠的陪伴。”刘越不太谈“梦想”，更关注“当下最值得做的事情”。
理解人，才是技术存在的价值。
提供有温度的陪伴
AI系统的改进目标，不只是提升“精度指标”，而是让人真正能用、敢用。
通义灵码的第一批用户，大多是“一人公司”型的程序员：极度依赖工具，甚至将AI视作“搭档”。
刚开始，用户评价不友好：有人说AI生成的代码“像学生作业”，还有人吐槽注释“自说自话”。团队认真听取这些反馈，一一整理成问题库。模型并非不能生成代码，而是“听不懂人话”，没有理解场景。他们开始训练模型按场景输出，比如根据项目类型控制代码长度、结合上下文判断变量命名风格，最终目标是让开发者觉得“身边多了个靠谱队友”。
刘越面对的用户反馈则更为直接：导航说红灯变绿，现实中红灯却还没变；建议“当前为最优路线”，但前方刚好有慢车……导航系统的每一句话，都要承担“驾驶后果”。
在模型上线前，刘越团队会反复进行用户测试。他们发现，真正难的不是让模型更强，而是更稳、更准、更有用。逻辑随之调整优化：从单纯追求通行效率转向综合考虑驾驶习惯、行为特征，甚至心理承受度，从“最短路径”切换为“最舒服的路径”。
“人类与AI，不是取代与被取代的关系，而是彼此适应、共同成长。”刘越说。当被问到是否相信AI有情绪时，他回答说：“AI的情绪，是为了更好地接纳人的情绪。”
今年5月20日，刘越与程序员们做了件“浪漫的事”——连夜升级“自制语音包”功能。用户可以上传自己的声音，为亲密的人定制专属导航：孩子录下“爸爸慢点开”的提醒，父母叮嘱“别着急”，恋人昵称替代“前方请右转”。哪怕远隔千里，也能听见彼此熟悉的声音，陪伴穿越一程又一程路途。
团队还设计了许多“有温度”的语音内容，比如在经过连续弯道后会对用户说，“今天走过所有的弯路，从此前方尽是坦途”等。这些话语虽然非“必要”，却在恰当时刻说出，能让人感觉“被理解”，仿佛有人在陪伴。
模型无法给出完美答案，反馈也依然会有失误的时候。但陈鑫与刘越，依然在把一遍遍打磨的代码、语音、体验感，投入这个充满不确定性的系统。因为他们知道，理解人类的过程，本就没有止境。而他们选择坚持，不是因为AI已经足够强大，而是他们愿意陪AI一起成长。
与AI一起成长
陈鑫的团队一直在试图让AI不仅能写代码，更能理解工程、理解人：开发者只需用自然语言描述任务，通义灵码便可自动进行代码检索、工程分析、调用MCP工具乃至执行终端命令——一个真正“懂开发者”的编码伙伴。
模型一旦具备语义能力，用户想象力也随之打开。有人用通义灵码分析《红楼梦》中人物出场次数，发现贾宝玉出现3810次、贾母出现2390次、王熙凤出现1760次；喜欢喝奶茶的用户通过编程，秒查附近的各种奶茶店；还有人用AI提取微信聊天记录，再也不怕错过重要信息……
功能在膨胀，但对于团队而言，大家最在意的从来不是炫技，而是使用者有没有真正觉得：“有它，我更强了”。
刘越常常会站在更长远的角度，看AI如何改变交通。在他看来，现在的智能体只能算是1.0版，“现在的红绿灯，其实是对‘人’的同步机制——你走我停，用灯来协调彼此。但如果车和车、车和路能对话，就不需要红绿灯了。”
刘越描述了一个极度自动化的未来：你还没出门，系统已经知道你要去哪，自动派车来接；车流由AI统筹调度，路径自动避让，整座城市像一张流动的神经网络，有序而高效。自动驾驶，不再是“接管”，而是“协同”；人类坐在车里，只需观看、体验，而非掌控。“那时候开车，可能像今天骑马。”他说，“不是为了通勤，而是为了体验。”
AI会奖励爱学习的人。刘越觉得还有许多可以改造的场景，尤其是在出行这件事上。“每到周末，有不少人都说着‘出去走走’，结果上车半个小时了还不知道去哪。”
行前规划一度是导航产品难以切入的领域。但刘越坚信AI可以进入这个环节——推荐符合季节、天气、兴趣的路线，整合地图、票务、美食和City Walk体验；根据你带着孩子、老人还是宠物，考虑是想“玩得轻松”还是“走得丰富”，替你作出最合适的出行决策。“我们现在探讨的还只是导航，但未来出行不一定需要一张地图。你只需说一句‘我想出去走走’，AI就帮你设计好了全部行程。”刘越说。
在陈鑫眼中，编程的未来也可能不再有明确的软件边界，不再有必须敲出来的命令行，“未来的开发，是与AI一起成长；未来的软件，可能无处不在”。
刘越他们也不讳言AI的局限——不能精确控制、不擅长复杂推理、反馈不够及时……但他们始终相信：AI不能解决所有问题，但可以推动人用新的方式去理解问题。这是观念的转变，是开放的心态，是放下“我写得更好”的执念，是面对大模型可能“只会一招，但打遍天下”的现实，依然选择相信协作而非抗拒。
把未来押在一个仍在生长的事物上，不是因为它完美，而是因为相信，与AI一起成长的过程，本身就值得。
国鸣配资提示：文章来自网络，不代表本站观点。
