大模型將為軟件領域帶來哪些影響？

2024年《政府工作報告》首次提出“人工智能+”戰略行動，旨在推動人工智能賦能千行百業。以大模型為代表的新一代人工智能技術成為軟件領域智能化轉型的核心驅動力，大模型為傳統軟件注入新智力，為軟件及其形態帶來新能力新變革，同時大模型也為提升軟件研發生產力和加速創新帶來新思路，并推動軟件產業結構性變化。

大模型為軟件領域帶來的價值

提升生產效率，降低項目風險。大模型的智能開發和智能測試等工具的應用，為軟件生產過程提供了更自動化更高效的方法。例如，通過代碼生成、代碼補全和問答等能力，軟件開發人員能夠更迅速地編寫高質量代碼，顯著減少手動調試和錯誤修復時間。同時，該類工具的使用可降低項目對開發人員的依賴，基于工具的學習和記憶能力，不僅可以輔助新的開發人員快速開發出符合項目需求和規范的代碼，還可以幫助開發人員快速學習新的編程語言，從而降低人員流動帶來的項目風險。CSDN 2024年調查數據顯示，AI技術已成為我國軟件開發者工作中不可或缺的一部分，有69％的開發者表示正在使用AI工具，38％的開發者認為AI編碼輔助工具可以減少20％至40％的工作量。

改善軟件質量，提高產品穩定性。通過智能化代碼檢查和智能單元測試等能力，開發人員能夠快速進行代碼驗證和測試，及時發現并解決潛在問題，如代碼缺陷、代碼異常、代碼安全風險等，從而幫助開發人員編寫出更高質量的代碼，降低軟件發布后的故障率，提升軟件的穩定性和性能。GitHub調研數據顯示，Copilot可幫助開發人員在編碼過程中修復超過三分之二的漏洞。此外，通過測試用例及測試數據的生成與補全可提升系統測試覆蓋度，從而提升測試質量以減少軟件缺陷。大模型可作為軟件研發人員的得力助手，為研發各環節提供理解和生成等智能化能力，助力降本增效。

加速軟件創新迭代，增強企業競爭力。通過提升開發效率和改善軟件產品質量，企業能夠更快地推出創新產品，搶占市場先機，從而在激烈的市場競爭中脫穎而出。一方面，智能化的研發流程使軟件生產周期縮短，企業能夠更靈活地適應市場變化，加快產品迭代速率；另一方面，智能研發工具的輔助使得開發人員能夠從重復性的煩瑣的低端編碼工作中解放出來，從而擁有更多時間投入創新相關工作，提升企業創新能力。

大模型對軟件產品形態的影響

推動軟件能力更加智能化。大模型從多模態輸入輸出、智能識別、數據處理、決策實施等維度，全面提高軟件的智能化程度。多模態能力的增強，使軟件支持文本、圖像、語音等多種模態的信息處理，并建立不同模態的數據關聯，為用戶提供更加全面且靈活的交互體驗。理解與生成能力的提升，使軟件不再局限于傳統規則式及專家式處理方式，而是能夠更廣泛地理解輸入信息，并在跨領域場景實現知識理解和應用，顯著提升復雜信息處理和生成能力。決策能力的增強，使軟件可自主學習、規劃和調用相關工具，并基于執行結果及用戶行為和反饋實時調整，強化決策實施能力。

推動軟件技術層面的變革。傳統軟件技術將在大模型推動下被重新定義。從軟件實現層面，大模型將以多種方式與傳統軟件深入融合，或通過嵌入式方式，或通過知識庫及RAG方式，或采用單智能體或多智能體的方式等，提升軟件的理解、生成、決策等維度的能力。從軟件設計層面，基于大模型能力，更多軟件將朝著AI原生方向發展，傳統軟件以流程或數據為牽引，未來AI原生軟件將以事件為驅動，為軟件應用帶來全新的用戶體驗，使軟件功能更加便捷、高效、靈活。同時大模型將成為智能軟件的技術底座，未來大模型服務（MaaS服務）提供方將為更多企業供給更多、更快、更靈活、更穩定、更高質量的模型服務，拉動軟件智能化的規模效應。

推動軟件與行業場景更深度融合。大模型提升了軟件的定制化能力，尤其是各行業大模型在行業專有數據集上進行了訓練和學習，使賦能后的軟件能夠更有效地理解場景需求，更高效地運用行業知識，更靈活地處理場景問題，并且催生更多應用場景。以制造行業為例，相較于傳統自動化軟件僅能執行預設程序，應用大模型后的軟件可實時分析業務需求并動態調整生產流程，顯著提高了生產效率和產品質量，推動制造業的智能化升級。

為工業軟件的發展注入新動力。國產工業軟件在面臨技術封鎖的背景下，存在諸多挑戰，尤其在研發設計類軟件（如CAD、EDA、CAE等）領域，國產化率較低，競爭力較弱。而大模型技術的發展為國產工業軟件的自主創新和競爭力的提升提供了新的可能，一是加速關鍵領域的技術突破，二是助力工業軟件技術能力的提升和智能化升級。

大模型對軟件產業的影響

推動軟件從業者轉型。一是技能更新，隨著AI技術的發展，軟件行業從業者需要不斷學習新的技能和工具，以適應不斷變化的技術環境。例如，程序員可能需要學習如何與大模型協作，甚至微調屬于自己的AI大模型。二是職業角色轉變，AI的廣泛應用可能導致某些職位的需求減少，同時也會創造出新的職位，從業者需要適應這些變化。例如，程序員將部分轉型為數據標注師或提示詞工程師等。三是工作流程變革，AI技術可以自動化許多傳統的軟件開發任務，這要求從業者須適應新的工作流程，同時也需要他們更多地關注創新和策略性任務要求。

推動軟件企業轉型。未來軟件企業將面臨轉型壓力，一方面，將有更多企業轉型提供大模型落地相關服務，這類企業需持續提升能力以應對大模型服務供應商角色的加持，從而擴大軟件服務范圍。另一方面，企業將面臨商業模式的轉變，由于軟件開發和定制將更加平民化和普惠化，軟件企業通過提供開發測試等服務而獲得收入的方式可能不具備持續競爭力，轉而提供訂閱或按需付費的商業模式成為可能。同時行業內將出現更多幾人或者十幾人的小型軟件公司，該類公司基于大模型等新興技術的加持可能具有較強競爭力，而傳統軟件企業該如何轉型以應對更激烈的競爭將面臨考驗。

推動軟件產業結構變化。一是大模型將成為軟件產業鏈的核心內容，為產業注入新的活力和創新動力，構筑軟件智能化轉型的重要底座。二是軟件外包服務需求有可能持續降低，數據標注、提示工程等需求將逐漸增多，這將導致軟件外包服務商的減少，大模型服務和應用供應商的增多。三是用以軟件生產的工具鏈將面臨重塑，如DevOps工具鏈等，在生成式AI強大能力的沖擊下或將成為歷史。

軟件領域在大模型時代面臨的挑戰

缺乏高質量數據集的挑戰。代碼等軟件相關數據受限于隱私和安全法規、開閉源協議等約束，導致數據獲取成本高且復雜多樣。截至2024年9月，根據TIOBE指數統計，當前編程語言數量已超過200種。這使得行業缺乏大量用于模型訓練的數據集，尤其是在工業領域的嵌入式代碼等場景數據集更為缺乏。另外高質量數據集的生產過程不夠標準化，如將代碼、測試用例等數據收集、整理并處理成大模型所需的高質量數據，過程復雜且成本較高。

數據、模型和工具的安全性挑戰。生成式內容（如代碼等）可能帶來更多不可控的風險，因此企業應從數據、模型和工具多維度構筑風險防線，以應對安全挑戰。第一道數據防線，面向模型訓練和調優階段所需的代碼等數據集，可能面臨敏感代碼數據的泄露、未經許可代碼的訓練、非法代碼的推理等問題；第二道模型防線，面向大模型在推理和管理階段，可能面臨暴力攻擊、非法套取、非法提問、敏感內容推理、被惡意使用生成惡意軟件代碼或攻擊腳本等問題；第三道工具防線，對智能開發等工具的輸入輸出進行檢查和處理，并關注關聯代碼庫、第三方軟件開發工具的數據傳輸和集成安全，構筑最后一層安全圍欄以降低應用風險。

文化認知與人才結構調整的挑戰。智能化轉型面臨著文化重塑、認知提升和人才結構優化等維度的挑戰。一是組織文化的重塑，其落地要求組織具備開放合作、持續學習和創新的文化氛圍，促進跨部門溝通與協作，打破信息孤島；二是全員認知水平的提升，自上而下每位員工都應深刻理解智能化的潛力與挑戰，客觀且正確地了解大模型等人工智能技術及其作用；三是人才結構的調整與補充，由于數據治理及模型訓練調優等過程需要專業技術人員參與，因此補充人才，或調整或融合AI團隊和軟件工程團隊的結構，方能匹配能力建設和應用需求。

未來的軟件及其生產過程將更加智能化，包括交互形式的智能化和多元化、研發范式的自主化和低門檻化，AI應用將無處不在，軟件開發也將無處不在。處于時代浪潮的我們，一要擁抱AI擁抱大模型，探索新技術的落地可能，以創新思維引領軟件行業在智能化軌道上加速前行；二要腳踏實地不忘初心，深入探索軟件工程深層次問題，合理布局提質降本增效目標，推動軟件產業的可持續繁榮發展。