2024年AIGC重构应用开发智能化新格局报告-中国信通院

AIGC重构应用开发智能化新格局

背景现状

大模型技术正推动人工智能进入“大一统”阶段，其核心优势在于：通过增加参数规模、计算量和训练数据实现性能持续提升（扩展律）；一个模型可支持多任务、多模态甚至跨模态交互；通过微调、思维链提示等技术增强能力，形成可塑性强的特征。相比之下，传统AI存在局限，如规模扩大无法带来性能提升、仅能处理单任务/单模态、训练后能力无法拓展。大模型已在气象（如盘古气象、GraphCast）、生物化学（AlphaMissense、GNoME）、机器人（Tesla FSD V12、Optimus Gen）等领域取得突破，逐步成为基础“操作系统”，加速创新进程。

发展趋势

软件工程正经历智能化转型，流程和模式被重新定义：

1. 智能化工具应用：以代码生成、补全、注释、解释等为核心的AI技术显著提升编码效率，降低项目风险，改善代码质量。例如，GitHub Copilot可解决75%以上代码漏洞，Deepseek编码助手将开发时长从18分钟缩短至2分钟。
2. 多模态交互与低代码演进：未来软件开发将结合大模型，实现从低代码到无代码的自然语言交互，覆盖文本、语音、流程图、Xmind等多种形式。
3. 全生命周期智能化：AI技术将贯穿需求分析、系统设计、编码实现、测试、部署与运维，推动“智能化软件工程”形成闭环。

信通院工作介绍

中国信通院通过以下措施推动AI4SE生态建设：

1. 标准制定：完成代码大模型和智能编码工具两项标准发布，并启动软件智能化测试、智能运维、项目管理等标准编制。代码大模型已通过ITU立项，智能开发能力标准申请IEEE立项。
2. 应用案例：联合行业共计150余家成员单位，开展技术调研和评估，覆盖高校、金融、运营商、互联网企业等。部分企业已实现测试用例采纳率40%-55%，测试脚本编写效率提升30%。
3. 工具与框架：构建多模态交互平台，结合RAG（检索增强生成）和Agent技术，推动低代码/无代码模式普及，形成包括需求设计、开发、测试、运维等全流程的智能化框架。

智能开发与运维挑战

• 智能开发：目前工具已提升编码效率达50%以上，但面临数据质量参差不齐、模型性能局限、多模态理解不足等挑战。需结合AIOps小模型工具，实现智能问答、故障识别与预测，提升研发效能。
• 智能运维：大模型可辅助日志分析、故障定位、安全威胁识别，但存在数据注释困难、推理性能不足、幻觉问题等。需通过多智能体、知识库联动，构建具有感知、交互、情景记忆能力的智能体，实现自动工单处理、配置生成等功能。

未来展望

1. 技术融合：大模型与软件工程深度融合，形成以AI为驱动力的智能化新生态，提升开发、测试、运维等环节的自动化水平。
2. 标准化路径：推动代码大模型、智能开发、智能运维等关键技术标准落地，确保行业规范发展。
3. 应用扩展：AI能力将赋能工业软件开发、嵌入式开发等场景，助力国产化计算软件性能提升，形成涵盖AI编程、代码搜索、缺陷修复等的全面解决方案。

总结：AIGC技术重构了软件开发智能化格局，通过大模型的多任务处理、多模态交互能力及扩展律，推动软件工程从传统流程向智能化、全生命周期管理转型。信通院通过标准制定与联合实践，加速AI4SE生态建设，但需解决数据质量、模型性能与多模态理解等关键问题，未来将围绕“大模型+小模型+工具”协同，实现智能测试、运维及低代码开发的全面升级。