本文分享自华为云社区《大咖论道，大模型时代软件研发效率革命》，作者：华为云社区精选。

根据 GitHub 的一项调查，92%的受访开发者正在借助 AI 编码工具来完成工作和其他项目。另一方面，AI 已经通过了大厂 L3 工程师入职测试，可自如应对数组/字符串、动态规划等技术问题，对应职位年薪 18 万美元。

大模型正在成为人工智能的新范式，也助推了 AIGC 的新一波浪潮，由此掀起了软件开发领域的效率革命。

为此，HDC.Cloud 2023 开发者社区活动系列直播邀请了知名测试专家 &同济大学特聘教授朱少民、Gitee 创始人 &CTO 刘冬、华为云 PaaS 研发工具首席规划师文老师以及 PaaS 研发智能化技术专家马老师， 4 位专家分别从学术、行业、企业/个人开发者的角度各抒己见，围绕当下热门的大模型话题，为大家拨开心头云雾。

精彩话题：

• 如何看待这一波 AIGC 的浪潮？会是一场“革命性”的海啸吗？

• 如何去定义软件工程 3.0，大模型在软件研发中起到的作用有哪些？

• 大模型对于企业真正的研发效率提升有多少？AI 会取代程序员吗？

• 中小企业如何借助 AIGC 使能的研发工具顺势而上？

• 在这一波大模型浪潮中，个人开发者如何把握机遇？

• 对于软件研发效率革命未来的一些展望

• 当前训练大模型的软硬件成本高，个人开发者的技术理解成本高，该如何面对这样的困局呢？

如何看待这一波 AIGC 的浪潮？会是一场“革命性”的海啸吗？

朱少民（同济大学特聘教授）： 经过学术界、工业界 20 多年的努力，伴随着互联网时代下数据和算法的迭代升级，到了如今大模型时代，AI 的应用已经发生了质的变化，我觉得这是一场革命。

文老师（PaaS 研发工具首席规划师）： 原来的算法以及模型规模都比较小，它解决的是中小型的问题。现在大模型能结合很多的数据知识，变成一个广泛的、通用型模型，并且可以叠加垂直领域更高阶的模型，从而带来了质的改变。从研发角度来说，大模型也让整个研发的结构和集成方案发生了变化，为软件研发效率提升带来更多探索和想象的空间。

刘冬（Gitee CTO）： 首先是震撼于通用人工智能的应用，意味着各行各业都将迎来巨大的机会；同时担心如果不主动学习拥抱这波热潮，就会被时代抛在身后；最后还有点忧虑国内大模型的发展是否能赶得上全球水平。

AIGC 在软件研发中起到的作用有哪些？类似于 AI 辅助编程工具的应用，是对当前软研发体系的革命吗？

刘冬（Gitee CTO）： 目前在软件研发领域涌现出各种各样的 AI 编程工具，现阶段 AIGC 主要是助力开发者提升效率，但未来它可能会帮助开发者完成整个软件工程的开发，现在已经有人试着从简单应用入手，去朝这个方向努力。

朱少民（同济大学特聘教授）： 有人将大模型时代比作是当年的智能手机 iPhone 时代，就像 iPhone 手机改变了我们和手机的交互方式。大模型的出现、AIGC 的应用也改变了人机交互方式，我们可以通过自然语言和 AI 系统交流，它能直接通过对话理解我们的意图，这才是真正的数字化实现。而软件是从现实世界到数字世界的映射结果，软件研发天生是数字化的工作，所以大模型将会对软件研发领域产生巨大影响。

文老师（PaaS 研发工具首席规划师）： 从软件研发层面还谈不上变革，因为它本质上没有改变当前从需求设计、构建测试到发布上线的研发全流程，而且开发者和代码、文档的交付方式也没有发生变化。但是大模型对于软件研发效率的提升，尤其是自动化方面，已经超越了传统工具，这是技术上的革命、效率上的质变。

如何去定义软件工程 3.0，大模型给软件开发带来了什么？

朱少民（同济大学特聘教授）： 1968 年 NATO 会议提出了“软件工程”概念，开启软件工程 1.0（SE1.0）时代。到 2000 年敏捷软件开发宣言的发布，我们进入软件工程 2.0 时代。再到今年 GPT-4 的问世，你可以不写一行代码，通过自然语言和 AI 的交流把软件开发的任务完成，意味着软件工程 3.0 的诞生。

如果 1.0 时代的软件形态是一种类似于 office 的产品，2.0 时代的软件形态是一种能够支持持续构建、持续交付的云服务，那么 3.0 时代软件是作为一种模型存在的，即软件即模型，开启软件开发新范式。 通过模型来提供各种服务，自动生成需求文档、产品代码、测试脚本等等，此时生产力和生产关系之间也发生了变化。

很长一段时间里， AI 在软件研发领域应用的最大瓶颈之一则是无法理解需求和业务，但现在有了新的突破，通过提示工程（提示词）可以和 AI 无缝沟通与交流，让计算机理解我们的需求，对于软件研发领域来说是一场革命。

在软件设计层面，AI 也有着优异的表现，它可以在不构建模型（画出因果图）的情况下设计出正确的测试用例。以前是我们自己写代码，工具是辅助，现在是 AI 直接写代码，它可能比人考虑问题更周全，更注意代码规范性和安全性。

综上，当软件研发的生产力达到一定程度之后，那么原有的生产关系必然难以匹配新生产力，则会产生新的研发模式。

刘冬（Gitee CTO）： 程序员在写代码的过程中会遇到一些“干扰项”，比如随时更改任务状态、和需求方机械化的互动工作等，这些琐碎的事项会影响他们的开发效率。如果 AI 可以将代码之外的事情自动化，对于开发者来说既能提高效率，也会改善工作心态，让自己更聚焦于具体的开发任务。

回到软件工程领域，大模型可以做的事情很多，最理想的状态是它可以和各种开发工具、平台做到无缝结合，让开发者能够无感知的使用。

文老师（PaaS 研发工具首席规划师）： 多模态大模型的出现大大加强了人工语言的自动介入能力，我们和代码的交互模式发生很大的变化：原来的开发活动需要用标准的编程语言和工具去交互，但现在演变成自然语言，即直接对话就能完成一些代码的交付。

未来在研发人员的工作中，大模型的能力或许可以以一个数字人的形式存在，我们感知不到它是模型或者工具，而是自然地把它作为团队中的一员。这样大模型与开发者的交互又将从语言的间接交互转变“人”和人的交互，对于效率地提升会带来巨大的变化。

大模型对于企业研发效率的提升有多少？它会取代程序员吗？

朱少民（同济大学特聘教授）： 有数据显示通过 AI 辅助编程工具，可以让程序员写代码的效率翻一番，以前两个人的工作现在可能一个人就能完成，从这个角度看它确实会淘汰一部分人。但 AI 不会取代所有的开发者，如资深的架构师、测试工程师、产品经理等角色，依然在软件研发中扮演着重要的作用。 另外，当团队规模缩小，大模型的应用还会减少沟通成本，让资深研发人员将更多的时间投入到有价值的工作中。

刘冬（Gitee CTO）： 虽然 AI 可以快速准确地完成某些具体任务，如编写代码或方法，但软件开发需要工程化的项目管理，这些是 AI 所无法完成的。所以，目前的大模型只能作为辅助工具，具体研发效率的提升需要 AI 和人类协同工作。

文老师（PaaS 研发工具首席规划师）： 产品和软件是生长式的持续演进，一般大企业的软件生命周期长达 5-10 年。“铁打的营盘流水的兵”，在这个过程中虽然开发人员会一直变动，但他们会积累下丰富的软件经验和知识，覆盖需求理解、架构设计、代码开发、测试用例等。大模型可以充分沉淀企业的这些知识，在诸如代码编写、用例生成这样的垂直专业领域，大幅度提升新人的软件开发效率，提高软件人员的能力下限。

但在整体研发过程中，由于软件工程化的复杂性和领域知识的局限性，目前的效率提升并不会达到非常高的水平。不过随着大模型的成熟和领域知识的不断积累，它在软件开发中的效率提升作用将会更加显著。

马老师（PaaS 研发智能化技术专家）： 从去年开始，我一直在使用我们开发的智能编程助手 CodeArts Snap，它可以帮我完成很多事情，切实提高了编程效率，比如支持函数级代码自动生成、自动理解上文语义逻辑完成行级代码生成、提供代码生成推荐提供编程灵感，甚至能在一些更具体的研发活动中形成助力，如代码调试、代码解释、单元测试、知识问答、工具协同等等。

今年在 HDC.Cloud 2023 上 CodeArts Snap 也有一些新特性的发布，支持通过智能问答自动获取研发知识，进行代码解释、调试、优化、注释添加等。 如果大家想第一时间体验，可以前往华为云开发者社区参加技术梦工厂活动， 👉点击链接使用华为云 CodeArts Snap 插件，实现高效率智能化开发。

中小企业如何借助大模型使能的研发工具顺势而上？

文老师（PaaS 研发工具首席规划师）： 中小企业比较关注效率、灵活性和扩展性，注重产品的快速迭代和交付，他们可以充分利用自己的私有数据和领域知识， 将其与大模型和现代工具结合，让自己更聚焦产品的理念和技术的创新，形成具有竞争力的优势。

从技术和工具角度看，我们经历了单体服务到微服务再到云化、数字化的转型，如今又到了以大模型为代表的通用 AI 阶段，中小企业可以将原本基于云服务的技术栈，转移至基于模型和 AI 能力的技术栈，从而加速自身的演进。

大模型时代，AI 人才的支持至关重要。企业可以适当引入相关领域的人才加速技术积累，充分利用大型云厂商的服务能力，让中小企业的产品得以快速孵化，赢得市场先机。中小企业船小好调头，他们更有可能在这一波 AI 浪潮中逆势而上，实现弯道超车。

在这一波大模型浪潮中，个人开发者如何把握机遇？

刘冬（Gitee CTO）：

1、摆脱焦虑，用积极的心态去拥抱 AI 这波浪潮；

2、学习 AI 技术，深入钻研如何在工作中借助 AI 来提升效率，抱着终身学习的精神 follow 这波 AI 浪潮；

3、或许 AI 会取代程序员的部分具体工作，所以我们更要去思考自身和工作的不可替代性在哪里；

4、AIGC 发展得太快，相关的教学数据和材料过于晦涩难懂，开发者的理解成本过高，我们需要探索更加通俗易懂的方式，让大家能够理解和应用 AI 技术。

马老师（PaaS 研发智能化技术专家）： 我们看到现在 AIGC 发展得太快了，工业界的应用走在了学术界前面，所以相关的系统教学还不是很完善，等市场气氛稍微平稳后，我相信学术界会从底层原理出发推出一些教学材料。当然我们华为云也会继续开展更多的科普性讲座活动，大家可以持续关注。

对软件研发效率革命的未来的一些展望

文老师（PaaS 研发工具首席规划师）： 大模型的发展一日千里，未来在软件研发领域，研发过程中沉淀的知识将从原有的 IT 工具进一步下沉到其“内核”中，这种知识的沉淀会随着时间推进越来越深，越来越广。

所以未来整体研发效率的提升潜力巨大，拥抱大模型，将软件开发工具的知识沉淀与大模型的能力结合，借助 AI 的知识推理能力，我们甚至可以直接通过图片或者音视频的形式来实现产品的开发，非常值得期待。

朱少民（同济大学特聘教授）： 通用 AI 的发展会给软件研发带来更多的可能性，企业在大型云厂商的算力支持下，可以基于基础模型去训练更多的垂直场景化模型，软件研发的各个环节如编码、测试、业务分析、评审、项目管理等都有专门的模型来协助我们。

在更高层次上，顶级架构师负责协调、管理和调度这些模型服务（以 API 的形式呈现），由点及面再到线将模型的能力串联起来，届时软件研发的效能将提高到 10 倍，真正引爆效率革命。

刘冬（Gitee CTO）： 类似 ChatGPT 对话形式在软件工程中并非最佳状态，因为它需要花费大量时间和它进行单独交互。AI 在软件工程领域最理想的状态是无感，即开发者感受不到的它的存在，但它又实实在在帮你做好很多具体工作。

如果未来大模型像朱老师说的这样，具备场景化的能力，那么它可以直接与整个研发工具、平台进行深度融合，让用户在使用过程中感受不到 AI 的存在，从而提高效率，这也是我们 Gitee 接下来努力的方向。

当前训练大模型的软硬件成本高，个人开发者的技术理解成本高，该如何面对这样的困局呢？

朱少民（同济大学特聘教授）：新模型的研究和开发由大公司来负责，中小企业做一些精调或微调（fine- tuning）的工作即可，这样就能减少一定的训练成本投入。

模型发展的方向有两个：一个是朝着更大、更复杂的方向发展，例如 5000 亿参数的大模型；另一个是朝着更轻量级、小型化的方向发展，可以在手机等设备上进行训练。

所以中小企业如果无法承担大模型的训练成本或资源投入不足，可以考虑使用更小的模型，通过微调来达到更好的效果。

文老师（PaaS 研发工具首席规划师）： 如朱老师所说，一个是模型越来越大，底座越来越厚，另一个是越来越轻量级、小型化，往更低成本的方向发展。未来，模型的训练和运行成本高低决定了软件研发效率提升的大小。优化模型，降低成本将会是我们需要努力提升的方向。

马老师（PaaS 研发智能化技术专家）： 对中小型企业和开发者来说，大模型从微调的层面，比如 prompt engineering 的层面有非常大的可发挥空间和提升潜力，所以现在对研究 AI 或者研发效能的开发者来说，都是一个非常好的黄金时代。

最后

大模型对于软件研发效率的提高体现在多个维度，它改变了开发者和软件的交互方式，开启了软件研发的新范式，基于 AI 的自动编程正在成为软件的未来。

CodeArts Snap 作为华为云推出的首个 AI 代码辅助编程工具，致力于打造现代化开发新范式。通过将自然语言转化为规范可阅读、无开源漏洞的安全编程语言，提升开发者编程效率，助力企业快速响应市场需求。

👉点击链接，快速体验，了解大咖论道更多精彩话题讨论和观点碰撞。

点击关注，第一时间了解华为云新鲜技术~