人工智能幫你找到“林蔭道”

3年前，北京一個酷熱的夏天，一位網友在社交平台發帖：“每天騎車快被‘曬化’了，導航能不能規劃一條涼快點的路？”

不少程序員的第一反應是：“這有點太難為人了吧！”但身為高德地圖交通與行中智能負責人的劉越在看到這條留言時，腦中靈光一閃。

從技術角度看，只要獲取特定時間點的太陽角度，疊加城市建築物和樹木的分佈信息，就可以估算出哪些路段可能有陰涼。劉越的團隊引入天文學中的太陽赤緯角公式，接入城市建築圖層和綠化遙感圖，進而計算出道路的陰影覆蓋率。

一個月後，“林蔭道導航”功能悄然上線。它或許延長一些騎行時間，但路線更重視遮陰、舒適。“算法的出發點不是效率，而是人。”劉越説。

很多時候，技術發展的方向並不是“由上而下”的設計，而是“自下而上”的啓發。誰能想到，最終“林蔭道導航”這一功能的靈感，竟來自一位網友在盛夏時的一條留言。

導航背後有科技

2025年春季末，北京望京。陳鑫與劉越各自的團隊正同時經歷一次“上線焦慮”：前者在攻堅代碼世界裏的難題，後者在打磨城市路網中的導航智能體——二者分別代表了AI在工作與生活兩大核心場景的落地嘗試。

陳鑫是阿里雲通義靈碼的技術負責人，早在2018年，他就開始探索“AI輔助寫代碼”的可能性。那時，他還是一名產品架構師，試圖通過插件優化開發協作流程，讓AI參與程序員的實際開發工作。

“我們一直認為，軟件編程的智能化是大勢所趨。”陳鑫説。當時，無論是在國內還是國外，大模型技術尚處於起步階段，真正相信AI可以深度介入軟件工程的人寥寥無幾。為了尋找方向，他們在各類開發者大會上“追風”，試圖從最前沿捕捉突破口。

那是一段沉默的探索期。沒有光環、沒有資源傾斜，甚至沒有多少人真正關注他們在做什麼。他們靠傳統算法處理一些“小問題”：識別常見Bug（故障），做代碼克隆檢測，甚至只是優化搜索邏輯。

直到通義千問大模型發佈，生成式AI能力實現飛躍，通義靈碼才迎來轉機。他們開始重新訓練模型，對海量代碼和典型開發場景進行建模，逐步實現了“看得懂需求、改得動代碼、跟得上思路”的能力閉環。

幾乎同時，劉越也在解一道心中的“老難題”：如何讓導航變得更聰明？

2021年，他所在的團隊啓動了“紅綠燈倒計時預測”的研發。作為資深算法專家，劉越曾長期從事搜索、語音對話等方向的研究。但真正把AI系統接入城市道路網絡、服務千萬用户的出行，依然是一項極難的工程。

導航軟件用户最直觀的感受是“堵”或“順”。但在技術端，決定通行效率的，其實是“等待”——尤其是等紅燈。

“我們希望導航不僅能避開擁堵，更重要的是幫用户避開‘等待’。”劉越説。他們試圖提前預測每個路口的紅綠燈週期，結合車輛即時位置和車速，判斷是否能趕上“綠波”，再動態調整路徑建議。

最初，團隊裏不少人覺得這個想法有點“不切實際”，因為這需要系統能精準預測每個紅綠燈的變燈時間。劉越開始從“最簡單”的紅綠燈入手測驗，也就是固定時長的紅綠燈，每個週期穩定重複，只要知道現在是第幾秒，就能算出接下來變燈的時間。

但現實中的紅綠燈並不“老實”。北京很多主幹道的紅綠燈是“自適應”的，根據流量動態調整時間長短。比如，人流大的時候多給行人幾秒，車多的時候綠燈時間延長。

“你聽到的一句‘紅燈即將變綠’，背後是成百上千次關於交通流量、道路動態、城市佈局的推演和計算。”劉越説，“要懂技術，更要懂城市和交通。因為這些不可預測的‘插曲’，才是最影響駕駛體驗的部分。”

如今，劉越帶領導航智能體項目，承擔着交通感知、沿途服務、情緒陪伴三大核心任務。過去，導航是有標準流程的，如今則是在多模態模型能力的基礎上，將它重構為一個更加聰明的智能體。它不只判斷什麼時候綠燈亮，還要預測保持怎樣的速度能夠趕上綠燈；不僅播報路況，還會為駕駛員補足盲區，山路彎道上有對向來車、前車急剎車時提前作出提示；不僅會指路，還能感知你的心情和場景，在需要的時候，為你播放一首歌或推薦一個停車場。

“許多人認為，技術常以‘顛覆者’的姿態登場。但現實生活更需要體貼、可靠的陪伴。”劉越不太談“夢想”，更關注“當下最值得做的事情”。

理解人，才是技術存在的價值。

提供有温度的陪伴

AI系統的改進目標，不只是提升“精度指標”，而是讓人真正能用、敢用。

通義靈碼的第一批用户，大多是“一人公司”型的程序員：極度依賴工具，甚至將AI視作“搭檔”。

剛開始，用户評價不友好：有人説AI生成的代碼“像學生作業”，還有人吐槽註釋“自説自話”。團隊認真聽取這些反饋，一一整理成問題庫。模型並非不能生成代碼，而是“聽不懂人話”，沒有理解場景。他們開始訓練模型按場景輸出，比如根據項目類型控制代碼長度、結合上下文判斷變量命名風格，最終目標是讓開發者覺得“身邊多了個靠譜隊友”。

劉越面對的用户反饋則更為直接：導航説紅燈變綠，現實中紅燈卻還沒變；建議“當前為最優路線”，但前方剛好有慢車……導航系統的每一句話，都要承擔“駕駛後果”。

在模型上線前，劉越團隊會反覆進行用户測試。他們發現，真正難的不是讓模型更強，而是更穩、更準、更有用。邏輯隨之調整優化：從單純追求通行效率轉向綜合考慮駕駛習慣、行為特徵，甚至心理承受度，從“最短路徑”切換為“最舒服的路徑”。

“人類與AI，不是取代與被取代的關係，而是彼此適應、共同成長。”劉越説。當被問到是否相信AI有情緒時，他回答説：“AI的情緒，是為了更好地接納人的情緒。”

今年5月20日，劉越與程序員們做了件“浪漫的事”——連夜升級“自制語音包”功能。用户可以上傳自己的聲音，為親密的人定製專屬導航：孩子錄下“爸爸慢點開”的提醒，父母叮囑“彆着急”，戀人暱稱替代“前方請右轉”。哪怕遠隔千里，也能聽見彼此熟悉的聲音，陪伴穿越一程又一程路途。

團隊還設計了許多“有温度”的語音內容，比如在經過連續彎道後會對用户説，“今天走過所有的彎路，從此前方盡是坦途”等。這些話語雖然非“必要”，卻在恰當時刻説出，能讓人感覺“被理解”，彷彿有人在陪伴。

模型無法給出完美答案，反饋也依然會有失誤的時候。但陳鑫與劉越，依然在把一遍遍打磨的代碼、語音、體驗感，投入這個充滿不確定性的系統。因為他們知道，理解人類的過程，本就沒有止境。而他們選擇堅持，不是因為AI已經足夠強大，而是他們願意陪AI一起成長。

與AI一起成長

陳鑫的團隊一直在試圖讓AI不僅能寫代碼，更能理解工程、理解人：開發者只需用自然語言描述任務，通義靈碼便可自動進行代碼檢索、工程分析、調用MCP工具乃至執行終端命令——一個真正“懂開發者”的編碼夥伴。

模型一旦具備語義能力，用户想象力也隨之打開。有人用通義靈碼分析《紅樓夢》中人物出場次數，發現賈寶玉出現3810次、賈母出現2390次、王熙鳳出現1760次；喜歡喝奶茶的用户通過編程，秒查附近的各種奶茶店；還有人用AI提取微信聊天記錄，再也不怕錯過重要信息……

功能在膨脹，但對於團隊而言，大家最在意的從來不是炫技，而是使用者有沒有真正覺得：“有它，我更強了”。

劉越常常會站在更長遠的角度，看AI如何改變交通。在他看來，現在的智能體只能算是1.0版，“現在的紅綠燈，其實是對‘人’的同步機制——你走我停，用燈來協調彼此。但如果車和車、車和路能對話，就不需要紅綠燈了。”

劉越描述了一個極度自動化的未來：你還沒出門，系統已經知道你要去哪，自動派車來接；車流由AI統籌調度，路徑自動避讓，整座城市像一張流動的神經網絡，有序而高效。自動駕駛，不再是“接管”，而是“協同”；人類坐在車裏，只需觀看、體驗，而非掌控。“那時候開車，可能像今天騎馬。”他説，“不是為了通勤，而是為了體驗。”

AI會獎勵愛學習的人。劉越覺得還有許多可以改造的場景，尤其是在出行這件事上。“每到週末，有不少人都説着‘出去走走’，結果上車半個小時了還不知道去哪。”

行前規劃一度是導航產品難以切入的領域。但劉越堅信AI可以進入這個環節——推薦符合季節、天氣、興趣的路線，整合地圖、票務、美食和City Walk體驗；根據你帶着孩子、老人還是寵物，考慮是想“玩得輕鬆”還是“走得豐富”，替你作出最合適的出行決策。“我們現在探討的還只是導航，但未來出行不一定需要一張地圖。你只需説一句‘我想出去走走’，AI就幫你設計好了全部行程。”劉越説。

在陳鑫眼中，編程的未來也可能不再有明確的軟件邊界，不再有必須敲出來的命令行，“未來的開發，是與AI一起成長；未來的軟件，可能無處不在”。

劉越他們也不諱言AI的侷限——不能精確控制、不擅長複雜推理、反饋不夠及時……但他們始終相信：AI不能解決所有問題，但可以推動人用新的方式去理解問題。這是觀念的轉變，是開放的心態，是放下“我寫得更好”的執念，是面對大模型可能“只會一招，但打遍天下”的現實，依然選擇相信協作而非抗拒。

把未來押在一個仍在生長的事物上，不是因為它完美，而是因為相信，與AI一起成長的過程，本身就值得。