近年来，蓬勃发展的人工智能产业，为广东新型工业化建设注入强劲动能、筑牢坚实支撑。

同处广东的TCL与腾讯云，过去一年多携手探索，为制造业打造了一个有参照价值的样本，从最小闭环开始、不颠覆原有研发体系、把组织变化同步纳入设计，送别“古法研发时代”，让研发快速进入Agent模式。

故事要从TCL最近交付的一个TV端游戏引擎项目说起，这个项目需要3D建模能力，但项目启动前，团队里没人懂这个方向。

按传统打法，这种项目要配1名高工和3到5名中工。TCL尝试过外部合作，效果不理想。最后他们只用了一名中工，带着原班Android工程师，用腾讯云CodeBuddy把项目交付了。

“团队从不会3D建模转换为会，速度非常快。”TCL实业软工中心应用开发总监沈雪松说。

在传统大厂里，“招不到人就交付不了项目”是一条铁律，而今天的TCL，正在打破这条铁律。

这只是TCL用AI重构研发组织的一个切片。2025年3月，TCL把CodeBuddy装进端原生研发体系，一年之后，工程师使用覆盖率超90%，2026 年前两个月，团队即用完全年 Token 预算，这也直观印证了，AI 已经从 “尝试工具” 变成 TCL 研发全员常态化的生产底座。

这家硬件巨头要改写的，并不是单一的研发工具，而是研发的物理规律。

160个国家、十几年代码、三个月上手期

TCL实业是2019年TCL资产重组后的C端业务主体，旗下产品覆盖智能电视、手机、平板、商用机等全品类终端，产品发往全球160多个国家。

它的软件工程中心承担着TCL实业的软件竞争力，下设解决方案中心、应用开发中心、系统技术中心、质量保障中心，团队近2000人。

沈雪松所在的应用开发中心是离用户最近的团队，电视开机的UI、推送的内容、交互的反馈，都来自这里。

“硬件是产品的肉体，软件是产品的灵魂。”沈雪松这样描述软件在TCL产品里的位置，“硬件决定基线，软件决定用户能感知到的上限。”

但这个上限的背后，是一套极其沉重的研发“包袱”。

第一重压力来自端原生的复杂度。

TCL是端原生重资产模式，十几年代码沉淀、上百条产品线、传统集成产品开发流程，每一次发版都要兼顾160国家不同的法规、语言、运营商、政策要求。

“我们的新员工能对系统代码有非常深的理解、真正上手，一般要三个月。”沈雪松说。

第二重压力来自一线工程师的时间分配。

以往，一个资深工程师8小时工作日的真实分布大致是2小时写新功能、2小时读老代码、2小时定位诡异bug、1小时写单测、1小时在各工具间切换查文档。真正创造价值的时间只占四分之一，其余都是历史包袱的内耗。

第三重压力来自AI早期实践的天花板。

TCL并不是AI新手，2017年就投入了图灵AI平台，在终端图像、语音、内容推荐等C端场景跑通过成熟应用。研发端从2022年开始也做了一些单点AI工具，比如代码评审AI辅助、方案评审AI意见、代码补全。但单点提效不等于端到端提效，链条上某一个节点成为瓶颈，整体效率就被那一个瓶颈拖垮，很快撞上天花板。

今天的TCL，软件在产品竞争力中的分量已经超过50%。也许画质等硬件决定用户是否下单，但用户每天用的是系统、是内容、是交互体验。

同样的硬件，为什么有的电视用三年就卡、有的还很流畅？答案全在软件。

当软件成为差异化的主战场，而研发效率却被历史包袱拖累，求变不再是选择题，而是生死题。

把整个研发流程拿到“太阳底下晒”

2025年3月，TCL与腾讯云CodeBuddy的合作正式启动。市面上AI编码工具不少，为什么是CodeBuddy？

沈雪松后来讲：好的AI工具，是它适应你，不是你适应它。

CodeBuddy最打动TCL的，是它可以深度贴合TCL现有的研发流程、自研工具链、代码规范、业务体系做灵活适配，不需要TCL颠覆原有成熟的研发模式去迁就工具，而是工具主动贴近企业的工作流。

在TCL实业软件工程中心，目前 500 个授权License全员深度常态化使用，已实现核心研发团队90%以上覆盖，未来将逐步完成2000人研发体系全面普及。

但真正决定这次合作走向的，不是工具本身，而是研发范式的转变。

沈雪松给团队打过一个比方：“AI要像太阳一样，把整个流程拿在太阳下面晒。每一个流程节点，都要问它，为什么不能被AI取代？”

这意味着，以前是AI辅助人工，现在是AI驱动流程；以前是人主导、AI补位，现在是AI跑通端到端，人在关键节点做审查和把控。

落到具体研发链路上，TCL把研发流程切到完整的AI Native模式，从需求理解到编码到测试到上线，端到端由AI驱动，AI生成代码、AI检测代码、AI修改、AI验证，验证不过再交回AI，自闭环执行。

最直观的成效来自历史代码维护场景。

过去，工程师接到一个播放卡顿bug，标准动作是，阅读历史代码、复现问题、定位根因、修改、写单测跑回归，合计8小时。

现在，把日志和源码丢给CodeBuddy，AI在5分钟内圈出三个可疑点，工程师确认方案、做局部调整约30分钟，CodeBuddy自动编译、生成单测、跑回归，合计1.5小时。

Android端到iOS端的功能迁移，也是TCL的高频常规工作。

过去工程师要手动梳理两端差异、逐行适配语法、调整业务逻辑、调试兼容问题、跑自测回归，一套完整迁移原计划2周工期。

现在，依托CodeBuddy的跨文件理解、批量适配、语法纠错、逻辑对齐能力，2周变2天。

回到开篇提到的3D游戏建模故事，它指向AI改造研发组织的一个更深维度，即新能力的获取速度。

传统大厂建一个新方向团队，从招聘、磨合、上手到产出，标准答案是半年到一年。

AI把这个周期压缩到周或月级。

这意味着未来企业的研发能力框架，不再受限于“招到了什么人”，而取决于“谁能更快地训练AI”。对业务的理解力比掌握某项具体技能更加重要。

AI转型，不要等到万事俱备

如果只看提效数据，TCL的这次探索仍然是研发效率的故事。但TCL的视野显然更长。“未来公司不管程序员还是产品经理，会分成两类人。一类是驾驭AI 的‘超级个体’，一类是沉淀业务的‘AI训练师’。”

TCL内部围绕“AI Native人才”成立了新岗族，考察重心从“会写什么语言”转向“对AI的理解、对用户的理解、产品洞察力”，组织重心也从原本的人力驱动转向业务驱动。

TCL也在给同行提供样本价值。

腾讯云工业南区总经理郑旭说，AI看似无所不能，但不少制造业企业AI落地却很慢。“怕的是规划了一张很大的网，但实际落地时没有深入到业务、没有具体ROI。这会导致花了大笔钱、投了大量人，AI却没产生效果。”

CodeBuddy在TCL的渗透轨迹，从十几人的代码评审场景试点，再延伸到测试、知识沉淀、项目管理。每一步都跑通了闭环、算清了ROI，才向下一步走。

中国制造业正集体进入AI改造的深水区。

和互联网公司不同，制造业的研发底色是端原生、重资产、长周期，既不可能照搬“全员云原生”的经验，也很难承受“自研AI底座”的失败成本。

TCL给出一条可参照的中间路径，从最小闭环开始、不颠覆原有研发体系、把组织变化同步纳入设计，让研发快速进入Agent模式。

沈雪松表示，未来企业比拼的不是人数、人力，更多是对AI转型的决心和速度，不要等到万事俱备，要赶紧跑起来。