【
智慧城市网 企业关注】2024年《政府工作报告》首次提出“人工智能+”战略行动,旨在推动人工智能赋能各行各业。以大模型为代表的新一代人工智能技术迅猛发展,已成为软件工程领域智能化转型的关键驱动力,为软件开发、测试等环节注入新智力。智能化软件开发工具凭借其强大的代码理解和生成能力,有效降低了开发人员的技术门槛,并提高开发效率和质量,进一步推动软件开发领域的进步。
近日,中国信息通信研究院(简称“中国信通院”)联合华为发布《智能化软件开发落地实践指南(2024年)》。
报告系统梳理了软件工程的发展历程、智能开发现状和面临的挑战,对智能开发产业落地实践和应用进行了分析,明确了智能开发核心能力建设要点,并提出落地应用策略,最后对智能开发未来发展趋势进行展望。
报告核心观点
1. 软件工程进入3.0时代,智能开发价值突显。软件工程3.0亦称“智能化软件工程”,围绕“智能化”理念以构建智能化助手为起点,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,其核心特点包括智能化、数据驱动性、交互性、自适应和持续优化。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,能够提升开发效率,降低项目风险;改善代码质量,提高产品稳定性;加速产品创新迭代,增强企业竞争力。为软件开发的价值提升带来巨大动力。
2. 智能开发应用广泛,但落地仍面临多重挑战。智能开发带来的质效提升日益显著。然而,企业在推进软件开发的智能化能力建设和落地时,仍面临诸多挑战,涵盖组织、技术、应用落地及安全等多个层面。组织侧面临组织变革和转型的挑战,技术侧面临模型技术迭代及与工具融合的挑战,应用侧面临产品选型与应用场景落地的挑战,安全侧面临代码数据、模型和工具的安全性挑战等。
3. 聚焦智能化能力高效落地应用,智能开发形成三层落地框架。围绕目标导向、因地制宜、应用优先、标准化、持续改进等原则,依据自我诊断、方案设计、部署实施、持续优化四个关键步骤,构建模型层、服务层和应用层三层能力落地框架,以推动智能开发能力高效安全落地应用。模型层以各类AI模型为主体,为智能开发提供AI底座能力,服务层依托AI底座能力,运用更多技术手段增强或调度大模型能力,应用层的能力是模型层和服务层能力的组合体现,并以用户为核心提供各类智能开发功能。
4. 通过模型核心能力构建,奠定智能开发能力建设基础。智能开发能力建设过程中,优先聚焦内在的代码大模型核心能力构建,从关键能力、扩充能力两方面逐步建设代码生成、代码解释、研发问答等能力,并围绕重点和难点筑牢能力建设,以提升软件开发效能,提高代码质量。通过代码生成与补全、单元测试用例生成、代码转换与优化等能力,可提升编码效率;通过代码解释与注释生成等能力,有助于增强代码可读性;通过代码检查与修复等能力可提高代码质量。
5. 通过工程化支撑的使能能力建设,推动智能开发能力持续提升。聚焦外在的工程化使能能力建设,为代码大模型能力提供有力支撑,目的是持续维护和提升代码大模型推理性能。一是代码数据处理能力,涉及数据清洗、数据增强、数据检查等环节,确保数据质量;二是模型调优能力,通过有监督微调、强化学习等手段对代码大模型进行专项优化;三是评估能力,通过构建评估数据集,采用自动化评估、裁判模型评估、领域专家评估等多种方式,全面评估代码大模型及智能开发工具的性能;四是安全能力,从代码数据开发安全、代码大模型开发安全、工具应用安全三个维度,保障整个开发过程的安全可靠。
6. 软件工程智能化变革已成趋势,多维度能力持续提升。在技术层面,代码大模型自身能力和工具工程化能力的不断提升,为智能开发工具带来更高准确性和更优性能;在应用方面,智能化技术落地应用的场景将更加丰富、流程更加全面,直至覆盖软件工程全生命周期;在形态方面,应用形态将朝着更加智能化的方向演进,软件研发形态将得以重塑。