大模型加速人工智能技术迈向“大一统”，底层算法的统一使得人工智能平台化成为可能，基础模型正成为新的“操作系统”，创新不断提速。智能化软件工程发展概述指出，随着大模型能力的提升，软件工程领域正迎来变革，流程和模式被重新定义，软件智能化进程显著加速。
智能化软件工程3.0（“智能化软件工程”）强调各工具将逐步实现对大模型等AI能力的调取和应用，以提高自身能力，为智能化软件工程打下基础。围绕“智能化”理念，以构建智能化助手（Copilot）为起点，通过大模型为核心的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”依然适用。大模型与人、工具间的交互能力增强，自学习能力越发强大，通过数据飞轮和反馈闭环持续改进。
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。
智能开发作为早期发力点，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。智能开发价值显现：提升开发效率（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%），改善代码质量（GitHub Copilot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（2023年5月GitHub首席执行官认证GitHub Copilot X实现简单贪吃蛇小游戏用时18分钟，2024年8月Deepseek编码助手仅需2分钟）。使用智能开发工具的人数和频率越来越多，开发效率提升明显。
智能测试领域，大模型局部应用可行，但基于Agent通过大模型+小模型+测试工具协调实现新一代智能测试是未来短期发展方向。
智能运维方面，短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发展方向。运维回答助手、自动工单处理表现较好，数据注释、网络故障识别与预测有待改进，AI可提供安全运维支持。
围绕低代码+AIGC模式，多模态人机交互或成趋势，从单一文本交互到多模态叠加（文本、语音、设计草图、流程图、Xmind、讨论记录、文档等）成为趋势，未来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。
大模型推动软件研发模式和组织结构演进，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。
AI与软件工程融合带来软件新生态的诞生。AI4SE工作组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，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。已完成代码大模型、智能开发2项标准发布，已启动软件智能化测试相关标准编制，适时启动Agent&软工、智能运维等标准编制。代码大模型首批评估结果已发布，智能编码工具首批评估结果也已发布。将持续开展AI4SE创新巡航系列活动，行业沙龙等工作。
智能化软件工程（AI4SE）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旨在引导产业有序发展、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。
