2024年AIGC重构应用开发智能化新格局报告

主讲人：中国信息通信研究院人工智能研究所秦思思 目录 大模型加速人工智能技术迈向“大一统” 底层算法走向统一使得人工智能平台化成为可能，基础模型正在成为新的“操作系统”，创新不断提速 智能化软件工程发展概述 随着人工智能技术的不断进步，特别是大模型能力的持续提升，软件工程领域正迎来前所未有的变革，软件工程的流程和模式正被重新定义，软件智能化进程显著加速。 软件工程3.0—“智能化软件工程” 各工具都将逐步实现对大模型等AI能力的调取和应用，以提高工具自身能力的，为智能化软件工程打下坚实基础。 围绕“智能化”理念以构建智能化助手（Copilot）为起点，通过使用大模型为核心的AI技术驱动软件全生命周期能力升级。 高 质 量 数 据是 大 模 型 成 功 的 关 键，“Garbage In，Garbage Out”仍然适用。 ⚫大模型与人之间的人机交互⚫大模型与工具间的交互 根据对工程级代码的更优理解能力，以及检索增强生成（RAG）等工具的辅助能力，大模型的自学习能力越发强大. 通过建立数据飞轮和反馈闭环，根据用户反馈、场景化数据和监控数据对大模型持续改进。 AI将逐渐赋能软件工程全生命周期 围绕软件全生命周期，以提高质量和效率为核心，以解决问题为点，用AI全面使能，推动智能化进程 智能开发发展现状及价值显现 软件开发是大模型率先应用落地的领域之一，Gartner已将“AI增强软件开发”列入2024年十大战略技术趋势之一。 智能开发价值显现 软件开发的智能化转型正成为企业提升软件产品竞争力的关键因素。 提升开发效率，降低项目风险 BIS年度经济报告：AI编程工具对程序员的生产力提升超过50%，且其中中仅有小部分来自于代码的直接生成，而更多是通过与机器交互的过程激发了程序员的创造力。 改善代码质量，提高产品稳定性 GitHubCopilot可帮助开发人员在编码过程中解决超过三分之二的漏洞。 加速产品迭代，增强企业竞争力 ⚫使用智能开发工具的人数和频率越来越多;⚫智能开发工具的使用助力开发人员编码效率提升明显。 20232023年5月GitHub首 席 执 行 官 在全 球 网络 峰 会 上，演 示GitHubCopilotX实现简单的贪吃蛇小游戏用时为18分钟，而2024年8月通过真实操作，使用Deepseek编码助手（V2）仅需2分钟左右，开发时长大幅减少，开发人员将有更多时间思考产品创新。 智能开发 智能开发作为智能化软件工程中的早期发力点，落地路径趋于成熟，交互方式发生变革，开发阶段效率全面提升 智能测试 当前大模型在测试领域的局部应用是可行的，但考虑到测试工作的复杂性，基于Agent通过大模型+小模型+测试工具协调实现新一代智能测试，将是未来智能测试短期发展过程中的必然方式 模型性能局限 智能运维 短中期内大模型作为助理用于智能问答、故障识别与预测；长期来看，融合AIOps小模型工具构建具有感知、交互、情景记忆、判断决策的智能体运维大模型是未来的发展方向。 表现较好 运维回答助手 自动工单处理 通过对大量公开/本地的运维数据和技术资料的理解，大模型可以帮助构建知识库，对用户的查询提供准确回答。 通过理解工单内容，大模型可以自动分派工单，甚至在一些常见问题上，直接提供解决方案，减轻人工处理的压力。 有待改进 数据注释 网络故障识别与预测 针对设备类型、日志关键字、告警类型等日志信息进行有效解释，采用自然语言的方式进行转述，帮助工作人员进行理解。 大模型可以通过学习日志文件和错误报告，提前发现和预测可能的问题。同时，通过对历史案例的学习，AI可以提供可能的修复建议。 自动诊断告警信息 提供安全运维支持 通过利用大模型对历史工单信息进行学习，对比历史止损方法，提供与历史故障的相似性对比以及当前最优化的止损方法。 大模型可以帮助发现潜在的安全威胁，改进安全规则，并支持应对安全事件。 目录 围绕低代码+AIGC模式，多模态人机交互或成趋势 低代码平台的发展迎来新的春天，未来结合大模型能力将推动低代码开发的演进，且多模态或将成为软件研发交互形式的新趋向 低代码→无代码（自然语言） 交互模态 ➢从单一的文本交互到文本、语音、设计草图、流程图、xmind、讨论记录、文档等多模态叠加的人机交互的软件研发成为趋势 ➢未来的软件开发将越来越低代码化，用自然语言开发软件不会遥远，真正意义上降低程序员的技术门槛 ➢RAG：私域代码等知识库；Agent：各类已有工具... 大模型推动软件研发模式和组织结构演进 在大模型助力软件研发活动的实践过程中，将衍生出新的以大模型为趋动的新研发模式，协同方式从大兵团作战向特种兵行动演进，将为软件产业带来颠覆性变革 特种兵行动 大兵团作战 AI与软件工程融合带来软件新生态的诞生 目录 AI4SE工作组介绍 依托人工智能关键技术和应用评测工信部重点实验室和中国人工智能发展联盟，双向联动共同推动AI4SE生态建设 依托部重点实验室，开展技术应用研究 汇聚联盟力量，打造AI4SE健康生态 截至6月成员单位达到150+家，涉及高校院所、金融、运营商、互联网大厂、软件服务业等多个行业 1、完成代码大模型、智能开发2项标准发布（一、二季度） 2、已启动软件智能化测试相关标准编制（三季度） 3、适时启动Agent&软工、智能运维等标准编制（三、四季度） 代码大模型标准ITU立项成功 智能开发能力标准IEEE立项申请中 1、已完成代码大模型首批评估结果发布（6月）2、已完成代码大模型第二批及智能编码工具首批评估结果发布（8月） 腾讯混元代码大模型 1.9月将发布2024AI4SE银弹案例征集结果 2.持续开展AI4SE创新巡航系列活动，行业沙龙等工作 智能化软件工程（AI4SE）落地视图 AI4SE（AI for Software Engineering)：是以大模型等AI技术为驱动，以提高软件研发运营智能化水平为导向，以提质增效为目标的新一代智能化软件工程 智能化软件工程标准体系结构 为引导产业有序发展、规范行业自律，为应用方提供落地指引，为产品方提供能力参考，特联合开展《智能化软件工程技术和应用要求》系列标准编制工作 AI支撑能力将围绕研发过程所需大模型，编制大模型能力相关标准团标发布、CCSA行标立项进行中、ITU国际标准完成立项 评估结果解读 中国信通院于2024年5月和8月已开展首批的代码大模型和智能编码工具评估，目前评估仍在持续开展中代码大模型在底层模型数量、模型规格、训练数据、上下文长度、安全防护、国产化适配之间存在较大区别智能编码工具在RAG能力、Workspace、上下文理解能力存在区别 拥抱AIGC拥抱新变革拥抱新生态