《中国信通院：2024年AIGC重构应用开发智能化新格局报告（19页）.pdf》由会员分享，可在线阅读，更多相关《中国信通院：2024年AIGC重构应用开发智能化新格局报告（19页）.pdf（19页珍藏版）》请在薪酬报告网上搜索。
1、AIGC重构应用开发智能化新格局主讲人：中国信息通信研究院人工智能研究所主讲人：中国信息通信研究院人工智能研究所 秦思思秦思思目 录01背景现状02发展趋势目 录03信通院工作介绍大模型加速人工智能技术迈向“大一统”OpenAI OpenAI GPTGPT-4 42023年3月语言语言自动驾驶自动驾驶生物化学生物化学气象气象机器人机器人特斯拉特斯拉FSD V12FSD V122023年8月上海实验室上海实验室UUniADniAD2023年6月盘古气象大模型盘古气象大模型PanguPangu-WeatherWeather2023年7月谷歌气象大模型谷歌气象大模型GraphCastGraphCas
2、t2023年7月机器人机器人RT2RT22023年7月特斯拉特斯拉Optimus Gen2Optimus Gen22023年12月谷歌谷歌AlphaMissenseAlphaMissense蛋白质预测蛋白质预测2023年9月谷歌谷歌GNoMEGNoME晶体结构预测晶体结构预测2023年11月以以TransformerTransformer架构为基础的大模型不断取得新突破，进一步确认了人工智能技术发展走向新范式架构为基础的大模型不断取得新突破，进一步确认了人工智能技术发展走向新范式视频生成视频生成谷歌谷歌VideoPoetVideoPoet2023年12月参数规模、计算量和参数规模、计算量和训练
3、数据增加可带来训练数据增加可带来模型性能持续提升模型性能持续提升（Scaling Law)Scaling Law)一个模型能同时支持一个模型能同时支持多种任务和多个模态，多种任务和多个模态，甚至实现跨模态甚至实现跨模态通过模型微调、思维通过模型微调、思维链提示等措施即可实链提示等措施即可实现能力进一步增强现能力进一步增强规模可扩展性强规模可扩展性强多任务适应性强多任务适应性强能力可塑性强能力可塑性强传统传统AIAI规模增大不能带来性能规模增大不能带来性能持续提升持续提升一个模型只能胜单任务一个模型只能胜单任务和单模态和单模态模型训练完成后能力模型训练完成后能力无法进一步拓展无法进一步拓展大模型
4、三个主要特征大模型三个主要特征大模型大模型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”，创新不断提速内容生成知识管理软件工程软件工程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，流程和模式正被重新定义，软件智能化进程软件智能化进程显著加速。显著加速。软件工程发展历程软件工程发展历程软件工程软件工程3
5、.03.0“智能化软件工程”“智能化软件工程”围绕“智能化智能化”理念以构建智能化助手（Copilot）为起点，通过使用大模型为核心大模型为核心的AI技术驱动软件全生命周期能力升级。20012001年年敏捷软件开发宣言发布19681968年年NATO会议“软件工程”学科诞生20222022年年ChatGPT发布软件工程1.0软件工程2.0软件工程3.0结构化、规范化、工程化结构化、规范化、工程化以瀑布模型为代表以瀑布模型为代表持续构建、持续集成、持续交付持续构建、持续集成、持续交付以敏捷开发、以敏捷开发、DevOpsDevOps为代表为代表理解能力、生成能力理解能力、生成能力以以AIAI技术为
6、代表技术为代表智能化智能化数据驱动数据驱动交互性交互性自适应自适应持续优化持续优化各工具都将逐步实现对大模型等AIAI能力能力的调取和应用，以提高工具自身能力的，为智能化软件工程打下坚实基础。高质量数据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人机交互 大模型与工具工具间的交互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持续改进。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自学习能力越发强大.智能化软件工程发展概述需求分析需求续写UI设计接口
7、设计代码生成补全解释单测生成测试用例生成测试脚本生成配置生成运维问答工单处理需求检查需求评审数据库设计架构设计代码重构自动化测试缺陷分析配置检查故障定位日志分析需求验证设计评审全流程编码缺陷修复自动化部署故障修复需求分析系统设计编码实现测试阶段部署交付运维阶段软件工程生命周期软件工程生命周期研发过程初步提效有望提效探索提效AI辅助效能提升环节示例代码审查依托AgentAgent等技术，全面实现测试流程自动化与智能化，显著提高测试效率和质量利用AgentAgent、RAGRAG等技术，实现运维阶段运维阶段故障自动定位与修复，达成智能化运维目标横向横向发展发展AI能力可深度赋能工工业软件开发业软件
8、开发、嵌入式嵌入式开发开发等场景，提升工业智能化水平AI能力可集成至CAE等工程计算软件中，增强国产计算软件的性能国产计算软件的性能，助力提升现有能力局限纵向纵向发展发展围绕软件全生命周期，以提高围绕软件全生命周期，以提高质量和效率质量和效率为核心，以解决问题为点，用为核心，以解决问题为点，用AIAI全面使能全面使能，推动智能化进程，推动智能化进程35%35%20%20%45%45%持续性工作持续性工作时间占比AI将逐渐赋能软件工程全生命周期智能开发发展现状智能开发发展现状软件开发是大模型率先应用落地的领域之一，软件开发是大模型率先应用落地的领域之一，GartnerGartner已将“已将“A
9、IAI增强软件开发”列入增强软件开发”列入20242024年年十大战略技术趋势之一十大战略技术趋势之一 。智能开发工具能力智能开发工具能力持续提升，持续提升，应用行业更加应用行业更加多元化多元化应用需求快速增长应用需求快速增长，编码阶段提效显著编码阶段提效显著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。智能开发价值显现智能开发价值显现2023202320232023BISBIS年度经济报告年度经济报告：AI编程工具对程序员的生产力提升超过提升超过5050%，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。Git
10、HubGitHub CopilotCopilot可帮助开发人员在编码过程中解决超过三分之二超过三分之二的漏洞的漏洞 。2023年5月GitHubGitHub首席执行官在全球网络峰会上，演示GitHubGitHubCopilotCopilot X X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DeepseekDeepseek编码助手编码助手（V V2 2）仅需2 2分钟分钟左右，开发时长大幅减少，开发人员将有更多时间思考产品创新。提升开发效率，降低项目风险提升开发效率，降低项目风险改善代码质量，提高产品稳定性改善代码质量，提高产品稳定性加速产品迭代，增强企业竞争力加速
11、产品迭代，增强企业竞争力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关键因素。智能开发发展现状及价值显现智能开发工具市场智能开发工具市场迅速发展，迅速发展，国内外百花齐放国内外百花齐放*数据来源：信通院国内案例征集及调研访谈研发效率提升研发效率提升大量重复性编码得以释放，效率大幅提升交互方式革新交互方式革新从低代码平台拖拽拖拽式式和积木式和积木式交互交互到AI编程助手自然语言自然语言交互交互落地方式变革落地方式变革从传统行级代码开发，到跨文件代码生成解决的问题解决的问题智能开发作为智能化软件工程中的早期发力点，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
12、生变革，开发阶段效率全面提升落地路径趋于成熟，交互方式发生变革，开发阶段效率全面提升互联网、金融代码自动化生成代码自动化生成比例可达35%35%智能化开发工具企业内部推广使用率推广使用率30%+30%+全生命周期综合提效综合提效10%55%10%55%，编码提效编码提效50%+50%+，单测提效单测提效40%40%智能开发工具综合采纳率综合采纳率达到35.8%35.8%综合提效综合提效应用层应用层代码资产保护、智能化水平衡量、落地路径不明确技术层技术层推理结果处理、模型在线学习与AI Agent结合技术层技术层工程化层工程化层工程化层工程化层工具衔接、模型量化、适配能力应用层应用层智能开发框架
13、智能开发框架1 1应用层应用层工程工程化层化层模型调度模型调度模型定制模型定制模型层模型层基础大模型基础大模型研发问答大模型研发问答大模型代码大模型代码大模型安全过滤安全过滤IDEIDE智能编码智能编码代码生成代码生成代码补全代码补全代码注释代码注释代码解释代码解释开发者辅助开发者辅助研发问答研发问答bugbug排查排查代码搜索代码搜索代码优化代码优化核心进展核心进展2 2效能提升效能提升3 3未来挑战未来挑战4 4智能开发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，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，基于基于AgentAgent通过通过大模
14、型大模型+小模型小模型+测试测试工具协调实现新一代智能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，将是未来智能测试短期发展过程中的必然方式测测试试计计划划测试分析测试分析测试设计测试设计测试执行测试执行测试评估与报告测试评估与报告结结束束测测试试测试控制测试控制小模型小模型测试工具测试工具传统技术传统技术大模型大模型新技术新技术大模型更佳大模型更佳工具更佳工具更佳MLML模型更佳模型更佳AgentAgent对历史用例评审修复，降低维护成本问题问题2 2问题问题1 1问题问题3 3问题问题4 4减少简单重复性测试用例设计工作，节省时间功能测试用例设计功能测试用例设计
15、释放需求理解分析所消耗的人工测试需求理解测试需求理解智能化的测试脚本代码生成，极大提升测试阶段编码效率自动化测试脚本生成自动化测试脚本生成用例评审与修复用例评审与修复解决的问题解决的问题某互联网企业已在200+200+产品业务中应用智能测试工具，测试用例采纳率采纳率达到40%40%某科技企业应用智能测试工具生成测试用例采采纳率达纳率达55%55%，测试用例脚本编写效率提升效率提升30%30%互联网企业应用互联网企业应用科技企业应用科技企业应用智能测试视图智能测试视图1 1效率提升效率提升2 2核心功能核心功能3 3未来挑战未来挑战4 4数据参差不齐，高质量数据集成本高未来挑战未来挑战数据质量问
16、题数据质量问题效果评估指标效果评估指标模型性能局限模型性能局限多模态能力不足多模态能力不足测试需求理解需要理解更长的上下文对流程图、架构图等缺乏有效理解模型缺乏指导与评测有效指标测试实施测试实施数据来源：AI4SE工作组成员单位应用效果智能测试知识图谱知识图谱AIOpsAIOps小模型工具小模型工具大语言模型大语言模型指标指标多模态数据多模态数据多样化场景多样化场景异常检测异常检测告警分析告警分析故障处理故障处理成本效率成本效率依赖繁多依赖繁多传统AIOps积累的数据质量参差不齐训练成本较高，难以有效利用运维阶段持续产生的数据量较大在线学习困难，持续维护成本高大模型存在关键点不清晰、幻觉问题使
17、用大模型需结合多智能体和知识库训练成本高训练成本高维护成本高维护成本高痛点痛点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，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，融合融合AIOpsAIOps小模型工具构建具有感知、交互、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。是未来的发展方向。智能运维视图智能运维视图1 1核心功能核心功能2 2领域痛点领域痛点3 3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构建知识库知识库，对用户的查询提供准确回答准确回答。运维回答助
18、手运维回答助手日志日志告警告警拨测拨测配置配置通过理解工单内容理解工单内容，大模型可以自动分分派工单派工单，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。自动工单处理自动工单处理表现较好表现较好针对设备类型、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。数据注释数据注释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修复建议。网络故障识别与预测网络故障识别与预测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
19、似性对比以及当前最优化的止损方法。自动诊断告警信息自动诊断告警信息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。提供安全运维支持提供安全运维支持有待改进有待改进智能运维目 录01背景现状02发展趋势目 录03信通院工作介绍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低代码开发的演进，且，且多模态多模态或将成为软件或将成为软件研发交互形式的新趋向研发交互形式的新趋向项目管理、代码审查、业务分析 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
20、域代码等知识库；Agent：各类已有工具.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GPTSGPTS：3 3分钟构建一个简易的分钟构建一个简易的GTPSGTPS围绕低代码+AIGC模式，多模态人机交互或成趋势集中式文件版本管理系统软件研发模式的演进软件研发模式的演进组织角色的演进组织角色的演进Waterfall瀑布模式Agile(CI/CD/CM)敏捷模式全员软件开发者架构师+大量大量软件工程师+自动化工具工程师LargeModelDriven大模型趋动的模式架构师+少量少量软件工程师+大
21、模型大模型AgentAgent特种兵行动特种兵行动在大模型的引导下，独立自主或寥寥数名工程师相互配合，进行短期内的交付短期内的交付活动，其中每一位工程师皆能多面手每一位工程师皆能多面手 顶部较大顶部较大-强调前期的需求分析、统一的架构设计 底部较小底部较小-借助大模型生成后期的设计方案、代码，可大幅度减少人工依赖 多触角多触角-代码调试、测试验证、应用部署、系统运维等多模块并行大兵团作战大兵团作战程序员、测试人员、IT运维等众多工程师职责明确职责明确，持续讨论、互动协调、旷日持久旷日持久的研发活动以前及当下以前及当下不久的未来不久的未来在大模型助力软件研发活动的实践过程中，将衍生出新的在大模型
22、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以大模型为趋动的新研发模式，协同方，协同方式从式从大兵团作战向特种兵行动大兵团作战向特种兵行动演进演进，将为软件产业带来颠覆性变革，将为软件产业带来颠覆性变革大模型推动软件研发模式和组织结构演进软件生产智能化软件生产智能化软件服务智能化软件服务智能化软件开发新生态软件开发新生态为软件生产过程赋予智能化能力为所有软件赋予智能化能力基于大模型的软件开发新生态Copilot-PilotAIAISESE人人都是开发者软件-智能化软件AI与软件工程融合带来软件新生态的诞生目 录01背景现状02发展趋势目 录03信通院工作介绍依托部重点实
23、验室，开展技术应用研究依托部重点实验室，开展技术应用研究汇聚联盟力量，打造汇聚联盟力量，打造AI4SEAI4SE健康生态健康生态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AI4SEAI4SE生态建设生态建设1、完成代码大模型、智能开发代码大模型、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软件智能化测试相关标准编制（三季度）3、适时启动Agent&Agent&软工、智能运维等软工、智能运维等标准编制（三、四季度）代码大模型标准代码大模型标准
24、ITUITU立项成功立项成功智能开发能力标准智能开发能力标准IEEEIEEE立项申请中立项申请中截至截至6 6月成员单位达到月成员单位达到1 15 50+0+家，涉及高校院所、金融、运营商、互联网大厂家，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、软件服务业等多个行业1.9月将发布2024AI4SE2024AI4SE银弹案例征集结果银弹案例征集结果2.持续开展AI4SEAI4SE创新巡航系列活动创新巡航系列活动，行业沙龙等工作互联网金融高校科研院所运营商软件服务业技术交流沙龙技术交流沙龙腾讯混元代码大模型腾讯混元代码大模型4+4+级级AI4SE工作组介绍1、已完成代码大模型首
25、批评估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代码大模型第二批及智能编码工具首批评估编码工具首批评估结果发布（8月）应用能力应用能力平台平台工具工具能力能力AIAI能力能力智能化水平智能化水平应用成熟度应用成熟度应用成效应用成效理解能力（文本、多模态）理解能力（文本、多模态）生成能力生成能力AgentAgent能力能力其他其他AIAI能力能力.知知 识识 库库 能力能力智能需求设计智能需求设计智能开发智能开发智能测试智能测试部署和运维部署和运维智能项目管理智能项目管理需求分析能力需求分析能力代码生成能力代码生成能力需求生成能力需求生成能力代码补全能力代码补全能力单单
26、测测 能能 力力代码注释能力代码注释能力编码辅助能力编码辅助能力.架构设计能力架构设计能力测试分析能力测试分析能力测试用例生成能力测试用例生成能力测试脚本生成能力测试脚本生成能力流程调度能力流程调度能力UI/UI/接口设计能力接口设计能力评审检查能力评审检查能力.质量管理能力质量管理能力效能分析能力效能分析能力过程检查能力过程检查能力.智能测试能力智能测试能力.SQLSQL脚本生成能力脚本生成能力配置生成能力配置生成能力智能监控能力智能监控能力故障分析故障分析/纠正能力纠正能力.安全保障安全保障代码风险代码风险缺陷分析能力缺陷分析能力.过程风险过程风险门禁检查门禁检查版权问题版权问题审计审计/
27、可信可信代码检测能力代码检测能力代码代码文本文本日志日志脚本脚本指标指标学习能力学习能力AI4SEAI4SE（AI for Software Engineering)AI for Software Engineering)：是以是以大模型等大模型等AIAI技术技术为驱动，以提高软件为驱动，以提高软件研发运营智能研发运营智能化水平化水平为导向，以为导向，以提质增效提质增效为目标的新一代智能化软件工程为目标的新一代智能化软件工程数据集数据集智能化软件工程（AI4SE）落地视图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，特联合开展为引导产业有序发展、规范行业自律，为
28、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智能化软件工程技术和应用要求系列标准编制工作系列标准编制工作1.1.代码大模型代码大模型-已发布已发布2.2.运维大模型运维大模型.大模型AI支撑能力软件全生命周期过程能力2.2.智能测试智能测试（进行中）（进行中）4.4.智能需求设计智能需求设计5.5.智能项目管理智能项目管理.3.3.智能运维智能运维.1.1.智能开发智能开发-已发布已发布智智能能编编码码代代码码质质量量检检查查代码搜索代码搜索开开发发者者辅辅助助代码问答代码问答教育和培教育和培训训代码生成和补全代码生成和补全高级能力基础能力代码转换和优化代码
29、转换和优化突破性与实用性创新代码解释与代码注代码解释与代码注释释非非功功能能项项工工程程化化能能力力模型层模型层服务层服务层开发文档开发文档体验体验设计设计开源开源合规合规兼容性兼容性安全与隐私安全与隐私低低代代码码智智能能开开发发度量驱动改度量驱动改进进数据分类分级数据安全合规准确性推理性能可追溯性风险可控性可维护性数据成熟度应应用用成成熟熟度度模型成熟度服务成熟度通用能力通用能力专用场景能力专用场景能力代码诊断与优化单元测试用例生成桌面应用网站开发数据库移动应用大数据嵌入式开发人工智能代码生成与补全代码理解代码转换研发问答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
30、、团标发布、CCSACCSA行标立项进行中、行标立项进行中、ITUITU国际标准完成立项国际标准完成立项过程能力将围绕工程化应用和落地，从工具和应用两个能力维度编制相关标准团标发布、团标发布、CCSACCSA行标立项进行中、行标立项进行中、IEEEIEEE国际标准立项进行中国际标准立项进行中智能化软件工程标准体系结构中国信通院于中国信通院于20242024年年5 5月和月和8 8月已开展首批的月已开展首批的代码大模型和智能编码工具评估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，目前评估仍在持续开展中代码大模型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
31、配之间存在较大区别在底层模型数量、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智能编码工具在在RAGRAG能力、能力、WorkspaceWorkspace、上下文理解能力存在区别、上下文理解能力存在区别输入输出上下文长度：8K、3232K K、64K上下文长度上下文长度不能生成带有攻击性代码通过引导可生成攻击性代码直接可生成攻击性代码安全防护安全防护对国产芯片的适配能力不同性能存在差异国产化适配国产化适配补全模型补全模型+问答模型问答模型采用单一模型补全+问答+多个小模型协同底层模型数量底层模型数量补全模型：3B、7B7B、13B问答模型：65B、70B、72B、76B模型参数规模模型参数规模多文件、工程级文件数据集企业内部私有数据存在区别训练数据集训练数据集010102020303040405050606评估结果解读THANKS拥抱AIGC 拥抱新变革拥抱新生态
