作者：陈鑫
今日给咱们带来的话题是 AIGC 趋势下的软件工程重塑。今日这个话题主要分为以下四大部分。
榜首部分是 AI 是否现已成为软件研制的必选项；第二部分是 AI 关于软件研制的应战及智能化时机，第三部分是企业落地软件研制智能化的战略和路径，第四部分是咱们现有的可选用的、可落地的东西，在这一部分我也会重点介绍通义灵码全体的产品才能和概况。
AI现已成为软件研制的必选项
这张图是麦肯锡最近发布的一个研究陈述，咱们能够看到他把软件工程列在了整张表格的右上角，也便是影响最大、影响速度最快的一部分。他为什么会有这样的观念？这是由于在大模型年代，咱们发现大模型在代码生成和全体的逻辑推理方面是特别拿手的，所以出现出了相似 Github Copilot 这种十分有代表性的智能编码东西，能够瞬间提高许多企业开发工程师的研制功率，并且 Copilot 是至今为止在国际范围内商业化最成功的大模型的范畴之一。
这位美国的 KOL，他也有同样的观念。他以为在大模型年代，或许有许多的技能会被代替，咱们 10% 的技能会被 1000 倍的提高，这个跟咱们的观念是相似的，尤其是在大模型年代，大模型能够许多地代替开发者的日常事务性作业，这部分的占比很或许超越70%，让开发者得以聚集于剩下 30% 的事务和技能的创新。
这张图给咱们展现的是前一段时间 JetBrains 的一个调研陈述，他们在 26500 名工程师之间做调研，想看一下今日有多少开发者现已开端熟练地运用生成式 AI 东西，这份调研也出乎许多人的预料，调研显示，现在84% 的开发者现已在或多或少地运用生成式人工智能东西了。
其中有哪些场景是开发者最耗时，也是最想提效的场景？
他们在这儿也做了一个调研，就如左图所示，首要是编码场景，然后是了解代码，接着是互联网查找，也便是查询各式各样的研制问题，以及进行调试、编码注释、写测验、代码评定等等一系列的作业。
这张图咱们能够看到，有哪些场景是 AI 帮手辅佐频率最高的？
有以下几个：榜首个是运用自然言语去询问软件开发的一些问题，包含生成代码、生成代码注释、解释代码、生成测验等等。其实咱们能够发现这一个调研的结果跟上一个其实是十分吻合的。也便是说在咱们最高频的场景下，AIGC 其实能起到十分关键的作用。 这也是为什么代码智能生成东西现已逐步成为了每个企业有必要选用的一项产品的原因。
这张图也是微软针对 Github Copilot 用户发放的一份调研问卷，了解他们运用相似 AIGC 的代码帮手对整个的研制功率或许说研制体感有多少提高，能够看到有许多指标都是 80% 以上的，或许挨近 80%。其实咱们也针对通义灵码的运用者发放过相似的调研问卷。有超越 80% 的用户都感觉到运用东西今后生产力有了大幅的提高， 跟这个调研陈述也十分吻合。
根据前面的调研陈述和后面相关的调研数据，咱们能够看到，在国际的开发者范围内，AI 现已成为了开发者的必选项，咱们软件研制的未来一定是 AI 驱动的场景。
软件研制应战及智能化的时机
在 2023 年 6 月，咱们组织过一次大规模的专家研讨会，在这个研讨会上咱们都在评论智能化未来对软件研制或许软件工程范畴的深刻影响。在这个会上，咱们有位专家提出了一个观念，他以为软件工程是人类历史上榜首次大规模的集体智力的协作活动，它本身是有实质的杂乱性在的。例如《人月神话》的作者所讲的，他以为软件实质的杂乱性是现在软件系统中无法规避的内涵特性，比方杂乱度、共同性、可变性和不行见性。
在曩昔的若干年，为什么软件效能或许说研制功率提高十分困难，便是由于这些维度没有得到十分好的处理。今日在大模型年代，经过 AI 逐步地去代替人类的事务性作业后，它能够起到十分大的改善作用。咱们总结下来有以下四大方面。
榜首，是对个体功率的提高。 例如咱们能够选用相似 AI 的智能代码帮手，它能够大幅的代替研制人员的重复性作业、简略性作业。咱们以为它是一种 Copilot 的形式，辅佐各个人物去提高自己的作业功率。
第二，是对协作功率的提高。 由于有许多专业的分工，它们之间存在一些功率的竖井，互相交流协作的一些误差等等。当 AI 逐步地去代替事务性作业，并且形成了 AI 为主、人为辅的编程形式的时分，咱们会发现一些人物的分工或许会出现模糊化。比方产品经理写完了需求，是不是能够立刻交由 AI 去完结许多的编码作业，然后由工程师进行校验，测验人员进行简略的测验回归，AI 也能够起到十分重要的测验作用，接下来就能够顺利的发布上线。
如果是这样的一个以 AI 为主、人为辅的形式，其实人和人之间的交流协同问题就能够很好地处理。
第三，是研制体会的提高。 在大模型年代，咱们会构建软件研制的智能化大脑。这个大脑的体现或许是一个对话框，或许是一个对话形式。这个对话框会成为咱们许多操作东西的进口。比方现在咱们会发现，IDE 这种智能编码插件，它也有对话框，有 IDE 的编码，这就会成为咱们写代码的一个进口。
同样在咱们原来的 DevOps 东西上，也会有这样一个对话的进口。在这个进口里咱们能够完结许多东西的操作，处理许多问题。它有效地使现有的东西散乱问题得到了处理，共同了整个操作进口。
第四，是数字财物的提高。 曩昔企业内部有许多优质的代码、结构、规范等等，很难瞬间交给开发者，让每一个开发者去恪守。接下来咱们会将这些数字财物运用检索增强或许微调练习的方法跟大模型结合起来，不断地在大模型上堆集这些财物，而不是使现在发生的代码成为负债，这些堆集的财物能够让软件工程师的效能进一步提高。经过这样的方法形成正循环，就能够大幅提高研制功率。
在上图的右侧，咱们能够看到每一项的改善，实际上都在处理软件研制的一些实质杂乱性。比方说共同性问题、可变性问题、杂乱性问题和一些常识显性化问题等等。因而咱们以为， AI 关于软件研制的影响是深刻的，尤其是在未来 3 到 5 年，软件研制的流程和软件研制范式会出现颠覆性的改变。
大模型现在现已在深刻的改动智力协作形式，比方说现在常见的代码翻译，从咱们的自然言语进行编程，像一些简略的需求，现在能够直接让大模型完结编码。可是现在杂乱的事务需求还没有方法完结。不过跟着大模型技能的发展，处理这个需求其实便是时间问题。
第二个是常识检索。 在海量的常识里，经过对话的方法能够快速地找到相关常识，由大模型输出，变成顺滑的自然言语。
第三个是头脑风暴。 其实这是现在开发者最常用的功用之一。比方运用通义千问时，让它给我写个算法，然后不断的纠正它，让它按照我的意图去修正代码，终究就会形成一个能够直接拿来用的代码片段，这个咱们现在现已用得很熟练了。
第四个是大模型十分拿手的收拾概括。 咱们能够用它来收拾咱们的需求、收拾文档和常识，这四种形式实际上现已在改动咱们的智力协作形式。
在未来，咱们主要有以下三种方法能够和 AI 进行协同。榜首种是聊天形式， 能够和 AI 聊咱们的需求架构、编程思路，让它给我相应的主张。第二种是实时形式， 在编码进程中大模型能够在背面给我相应的辅佐，它是实时性的，帮我发现过错、引荐代码。第三种是伴随形式， 也便是它随时随地能够被呼唤出来完结一些事务性作业。比方帮咱们做代码评定、反常排查等等，这三种形式会成为未来的主流。
从技能的角度来看，咱们也以为会有以下三大趋势。
榜首个是基础模型的改变，越来越长的推理上下文以及越来越大的参数量。其完成在 GPT4、GB3.5、GB4 都是十分大的千亿级的参数，包含现在的通义千问、通义灵码也是如此。跟着模型的参数量越来越大以及推理上下文越来越长，模型它能感知的常识以及它能处理的使命会越来越杂乱。现在它或许还仅仅完结一些简略的编程使命，在未来很有或许会完结杂乱需求的编写。
第二个咱们以为它在向纵深去拓展，更深度的去接管编码进程。比方 Github Next 上面的一些项目，咱们能够看到未来的一些趋势。比方让大模型去预测下一个修改方位，让大模型直接完结需求到代码的主动编写以及咱们甚至能够经过自然言语描述的方法，让大模型编写好一个结构，直接生成整个代码，也便是说完成自然言语编程。这些在业界都有相应的探究，咱们有兴趣的话能够去看相关的 Demo，仍是十分酷炫的。
第三个是咱们以为现在现已在逐步的向横向扩展，也便是说会贯穿到 DevOps 的整个链路。比方能够用大模型进行辅佐的文档查阅、生成评定、辅佐编写，大模型现已开端逐步渗透到软件工程的各个范畴。
企业落地研制智能的战略
关于企业而言，在这个 AIGC 或许说大模型爆发的年代，应该怎么去落地研制智能化，它的路径和战略是什么？
看到这张图，咱们能够跟曩昔十年的软件工程形式说再见了。由于在曩昔，咱们一向追求的是全体的 DevOps 全链路一站式体会以及构建效能洞察数据系统，去找到效能改善点，不断推进研制效能提高。
在未来十年，咱们以为是以大模型为驱动的智能化软件研制系统，也便是有智能化的软件研制东西链，及大言语模型和相关的数字财物，再配合智能的决议计划辅佐，去协助企业大幅提高软件研制功率以及打破现有的效能瓶颈。
在这儿咱们引荐企业选用三个阶段来逐步构建研制的智能化。
阶段一，能够先引进 DevOps 基础大模型去构建研制智能大脑。 如咱们经过编码场景，在 IDE 的编码帮手的场景中进行落地。为什么咱们会选取这个场景？是由于咱们发现大模型现在的技能瓶颈，还没有方法完成一些十分杂乱的大面积的编码。
可是在跟人类 pair 的场景下，它就能够起到十分好的作用。比方说代码续写，圈选一段代码去进行单元测验生成、代码注释生成，这些都十分拿手，并且它的作用也十分好。所以说咱们以为能够在这个场景先进行切入，先去落地，取得最大的效能盈利，咱们把这个进程叫做 Landing。
阶段二，咱们主张是以长期功率为中心，继续的办理和构建个性化数据。 也便是说要完成企业的模型个性化，供给全量、全要素的数据，比方优质的代码数据，优质的事务文档数据，将这些数据收集起来，构建企业个性化的数据集。再经过检索增强或微调练习技能跟大模型结合起来，构建一个企业私有的研制大脑。咱们把这一步叫做 Growth。
阶段三，要以大模型为中心，完结整个研制东西链的智能化晋级。 比方将研制范畴的各种东西都接入大模型，进行智能化的全体改造，完成端到端的智能化，进一步的代替各种研制工程师的事务性作业，咱们把这一步叫做 Expanding。
从阶段一、阶段二到阶段三，按部就班的这种形式是咱们比较引荐的。现在一般企业都有全体的软件研制的全生命周期办理的东西链，也有沉积出来的企业十分好的一些数字财物。将数字财物跟大模型结合，进一步去赋能东西链，然后东西链又能够正向地发生更多的财物，因而形成一个循环，让效能越来越高，这便是咱们期待的一个形式。
在需求阶段、编码阶段、集成测验阶段、发布布置阶段、咨询学习阶段、效能办理阶段等各个阶段完成智能化晋级。
首要能够在编码阶段进行切入，逐步向测验阶段、发布布置阶段进行扩展。像一些和需求与事务衔接的杂乱场景，能够放到终究去进行提高，经过这种方法逐步落地，终究完成端到端的智能化改造。
接下来我讲一些简略的场景，给咱们参阅。例如咱们能够完成智能的项目办理，能够完成细化需求，拆分子需求，智能的指使负责人，拆分使命等等，这些作业都能够交给 AI 来做。
比方在代码评定场景，能够完成智能化的引荐评定人、描述和标题生成、摘要生成、大评定拆分、代码检测、修正计划的生成以及抵触的主动修正。相当于有一个 AI 评定员，协助完结了许多杂乱的授信作业，而人类进行终究的承认就能够了。
也能够进行智能的分层测验，根据需求主动生成手工用例，主动的生成接口测验，生成单元测验，做代码评定，这些都能够做。然后像图上蓝色部分，咱们也有一些技能计划能够在现阶段大模型的技能基础上落地。
咱们也能够做智能化的渠道工程。比方说咱们有一些场景：K8s yaml 的辅佐编写，CICD 的编列辅佐，构建过错排查，布置进程排错，反常代码定位和运维常识问答。终究去完成装备编列→CICD→布置进程观测→反常排查，整个 CICD 主链路的智能化改造，咱们把它叫做智能的渠道工程，这些点咱们都能够在现阶段进行落地了。
终究一个是智能的研制问答，咱们能够完成共同的问答进口，将企业的常识跟大模型结合在一起，今后一切的工程师首要会想到在这个进口去问各式各样的常识，然后获得实时的答案。以及能够做代码的文档查找，不管是文档仍是代码都能够问，甚至能够让它在这儿帮我生成事务代码，包含自然言语的操作、个人的智能助理，这些都是立刻能够落地的一些场景。
终究，咱们就在企业内部形成了这三重结构。最上层便是运用层，也便是研制东西运用和服务，它其实是一个以大模型为中心的东西和服务。中间层是模型层，咱们要构建一个中心的企业个性化的大脑。终究还要有技能和算力，现在阿里云在公共云上供给了十分强壮的 GPU 算力，未来咱们能够直接上云来享受这一部分的 AI 给咱们带来的技能盈利。
终究咱们以为在大模型年代，要坚守以下这四个原则。
榜首是要以数据为先， 高质量的数据输入会让大模型越来越聪明。所以对企业而言，未来十分大的作业量便是梳理研制财物。比方代码财物、文档财物等，首要要对它们进行梳理，识别出哪些是优质的，哪些是不优质的。然后将最优质的部分过滤出来，输入给大模型进行相关的常识沉积，这些常识它就不会消失了，也不会形成负载，而是顺利地去赋能新员工或许其他的人物，完成相关的效能提高。
第二要坚持以人为本， AI 并不是来代替人的，而是让人愈加专心于自身拿手的事务和技能创新。所以企业运用了 AI 东西今后，企业的创造力会越来越强，跑得越来越快，这是咱们以为最重要的。并且现阶段 AI 是没方法代替人类的，它只能处理人类现在的一些事务性作业。
第三是安全合规， 这个是咱们十分重视的。尤其是通义灵码构建的时分，特别重视代码的隐私安全。对企业来讲，运用大模型的时分也要充分考虑这一点。
第四咱们期望是继续收益。 咱们不要期望今日引进大模型的智能化软件开发东西链后，就能够完成质的提高，现在的产品还没有发展到这个程度，并且技能还有相应的瓶颈。所以咱们能够选用 Landing、Growth、Expanding 三步走的方法，继续的对接大模型相关的效能盈利。
软件研制智能化东西的落地
前面给咱们介绍了企业落地 AI 智能研制的相关路径。现在咱们再进一步来看，当下有哪些工作能够做。在这儿引荐每个企业都应该去运用智能编码东西，通义灵码便是其中十分优异的代表。
现在给咱们介绍一下通义灵码。通义灵码是咱们去年在云栖大会上重磅发布的一款根据代码大模型的新一代智能编码帮手，这个东西主要有以下两大部分的才能。
咱们能够在左边的这个框里进行随意的问答。比方让大模型帮我生成一个算法，回答各式各样的智能的问题，研制的一些问题它能够瞬间找出相关的答案，再经过多轮会话的方法去纠正它。右侧便是修改框，能够在里边输入中文的一些注释，或许输入代码，这时分由大模型去预测我即将写什么代码，并且给我相关的答案，如果我觉得 OK 就能够选用。经过这样的方法咱们能够和大模型进行配合，相当于它是一个帮手，不断地猜我想要什么，然后提高写代码的功率。
通义灵码主要包含三大中心功用：
- 榜首个是代码智能生成。 能够进行行级、函数级的主动续写、单元测验生成、自然言语生成代码、代码注释生成等。
- 第二个功用是研制智能问答。 研制范畴的自在问答、反常报错智能排查、代码的优化主张等等，这些都是能够做的。
- 第三个功用是企业个性化才能。 刚刚讲了 Growth 阶段其实便是需求构建一个企业私有的研制大模型，咱们能够在这儿面完成代码和文档的检索增强以及专属模型的微调练习，经过这样的方法去构建企业的个性化才能。
在通义灵码上线的这几个月中，现已有超越 100 万的用户下载了咱们的插件并用于日常的代码开发，现在在线上每天都有数十万的用户，在运用咱们的代码生成东西去写代码。通义灵码每天的被选用的代码现已上百万，推理次数上千万。 在曩昔一段时间，咱们也向用户发放了 850 份调研问卷，经过收回的问卷显示，全体的满意率超越了 80%。
许多的用户反应，运用通义灵码今后有十分大的效能提高。并且 AI代码在开发者代码总量的占比达到 30% 以上。欢迎咱们体会通义灵码，提高编码功率。
点击此处参加活动体会
