据雷峰网报道，8月21日火山引擎披露了AI编程工具TRAE在两家企业的落地进展。蔚来汽车将TRAE用于智能座舱研发，开发人员日活跃率超过70%，AI代码采纳率达90%，AI代码入库率19.8%；亚信科技则通过TRAE实现6000余研发席位规模化部署，AI编码贡献率达32%，SDLC整体提效15%。

蔚来数字座舱与软件开发部研发效能负责人李庆秋表示，TRAE带来的不只是代码生成提效，更是让经验沉淀、协作升级，推动研发能力从个人走向组织。据雷峰网报道，蔚来在评估能力、成本、安全合规后，将TRAE部署进座舱研发核心环节，除代码生成外，还应用于代码审查、问题定位和知识沉淀。蔚来建立三层AI代码审查体系，包括本地全量Review、本地增量Review和在线增量Review，在不同阶段拦截问题。针对新人知识继承难，蔚来用AI自动生成项目Wiki，并将新问题、架构变更和踩坑经验实时沉淀进知识库。在复杂问题定位上，AI可调取比专家更大的代码上下文和历史经验，团队内多个长期未解决难题由此得到解决。

TRAE已覆盖蔚来智能系统、车载互联等核心研发场景，支持IDE、CLI、Work等形态。一位车载互联研发人员将TRAE作为主力IDE，Token用量从基础配额追加到1.5亿；智能系统研发团队的一位开发者先用TRAE生成架构文档，再按规范输出核心控制模块代码并生成测试代码，原本预估一个月的任务两周完成。蔚来计划构建从Knowledge层到Agent层的“AI开发生态体系”，让Agent成为新的基本单元，实现从个人效率向组织智能演进。

亚信科技副总裁李小平介绍，亚信通过引入TRAE，探索出企业级智能研发规模化落地的新路径。亚信面对上万名研发工程师、大量并行项目，需要一套能落地、能度量、能复制的企业级AI Coding方案。其整体方案覆盖“知识工程+智能体矩阵+数据闭环”，注入企业私域知识，开发出需求分析、编码、测试、评审、运维等智能体，并通过数据持续反馈提升AI对组织业务的理解。TRAE以代码不留存、不上传、不参与训练作为安全基线，支持自定义模型接入和多元入口，不改变研发人员既有工作习惯，并提供统一效能评估口径和Token管理。

亚信还将通信行业沉淀的毫秒级计量计费能力延伸至AI算力运营，打造“天枢·元衡”Token ERP，通过“三层度量体系”实现Token成本可算、可控、可审计，让CFO可掌握投入产出效率。亚信将落地路径总结为试点验证、指标对齐、能力补齐、组织复制和持续运营五个环节。目前核心团队代码缺陷逃逸率下降69%至71%，显著降低返工成本。