智能化软件工程（AI4SE）发展概述
核心观点与趋势
- 大模型推动AI技术统一：底层算法走向统一，基础模型成为新“操作系统”，加速创新，平台化成为可能。
- 智能化软件工程（AI4SE）兴起：软件工程流程和模式被重新定义，智能化进程加速，工具逐步集成大模型等AI能力。
- 智能化助手（Copilot）为起点：通过大模型驱动软件全生命周期能力升级，构建智能化助手，实现人机交互和工具交互优化。
- 高质量数据是关键：“Garbage In，Garbage Out”原则依然适用，需建立数据飞轮和反馈闭环持续改进大模型。
- AI赋能软件工程全生命周期：围绕研发、测试、运维等环节，以提升质量和效率为核心，全面使能智能化。
智能开发
- 价值显现：提升开发效率（AI编程工具提升程序员生产力超50%），改善代码质量（GitHub Copilot解决超2/3漏洞），加速产品迭代。
- 现状：使用人数和频率增加，开发效率提升明显，交互方式从文本向多模态（语音、草图、文档等）转变。
- 发展路径：智能开发作为早期发力点，落地路径成熟，开发阶段效率全面提升；智能测试通过大模型+小模型+工具协调实现；智能运维短期以问答、故障识别为主，长期融合AIOps小模型构建智能体。
低代码+AIGC模式
- 低代码平台演进：结合大模型能力推动低代码开发，未来可能实现自然语言开发，降低程序员技术门槛。
- 多模态人机交互：交互模态从单一文本向多模态叠加（语音、设计草图、流程图等）发展，RAG和Agent等技术支持。
大模型推动研发模式演进
- 组织结构变革：从“大兵团作战”向“特种兵行动”演进，衍生出以大模型为驱动的研发模式。
- 软件新生态诞生：AI与软件工程融合带来软件新生态，颠覆传统研发模式。
AI4SE工作组与标准体系
- 工作组介绍：依托工信部重点实验室和人工智能发展联盟，推动AI4SE生态建设，成员单位覆盖多行业。
- 标准体系：编制《智能化软件工程技术和应用要求》系列标准，涵盖大模型能力、研发过程等，已发布代码大模型、智能开发标准，启动测试标准编制。
- 评估结果：中国信通院已开展代码大模型和智能编码工具评估，发现模型在底层参数、RAG能力等方面存在差异。
- 案例与活动：持续征集AI4SE银弹案例，开展创新巡航系列活动，推动落地应用。
