中国信通院联合发布 《智能化软件开发落地实践指南（2024年）》
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。
报告目录
一、智能开发发展概述
（一） 软件工程步入3.0时代
（二） 智能开发发展现状
（三） 智能开发价值显现
（四） 智能开发落地挑战
二、智能开发落地策略
（一） 智能开发落地原则
（二） 智能开发落地步骤
（三） 智能开发落地框架
三、智能开发核心能力建设
（一） 代码生成与补全
（二） 单元测试用例生成
（三） 代码转换与优化
（四） 代码解释与注释
（五） 代码检查与修复
（六） 研发问答
四、智能开发使能能力建设
（一） 代码数据处理能力
（二） 代码大模型优化能力
（三） 智能开发能力评估
（四） 智能开发安全能力
（五） 其他工程化能力
五、智能开发落地案例分析
（一） 云服务行业案例
（二） 软件服务业案例
（三） 电力行业案例
（四） 金融行业案例
（五） 制造行业案例
六、总结与展望
主要专家简介
中国信通院人工智能研究所所长，正高级工程师
魏凯
中国人工智能产业发展联盟总体组组长、国际电信联盟SG16国内对口组组长。研究方向为人工智能技术，发表论文20余篇，牵头完成40多项国内国际标准，参与多项人工智能相关国家重大政策文件起草。
中国信通院人工智能研究所高级工程师
秦思思
中国人工智能产业发展联盟智能化软件工程（AI4SE）工作组组长。主要研究方向为智能化软件工程、大模型工程化、MLOps、MaaS等，牵头系列标准的编制、评测、咨询等工作。
中国信通院人工智能研究所工程师
闫东伟
主要研究领域涵盖人工智能政策、标准、产业及生态研究，重点关注大模型技术对软件工程的智能化进程推动和实际应用效果提升，密切跟踪AI4SE的最新进展动态，负责系列标准编制、评测、咨询等工作。
中国信通院人工智能研究所平台与工程化部主任，高级工程师
曹峰
中国通信标准化协会TC1 WG1（互联网应用总体及人工智能工作组）组长，人工智能关键技术和应用评测工业和信息化部重点实验室副主任。目前主要牵头可信AI人工智能评测标准体系和能力建设，牵头工程化能力等相关评估规范制定与评测等。
版权声明：本报告版权属于中国信息通信研究院、华为云计算技术有限公司，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院、华为云计算技术有限公司”。违反上述声明者，编者将追究其相关法律责任。
撰写团队联系方式：
中国信通院
人工智能研究所
闫东伟
13041008356
yandongwei@caict.ac.cn
点击“阅读原文”，下载报告。
校 审 | 谨 言、珊 珊
编 辑 | 凌 霄
推荐阅读
专家谈