4月24日，由中國軟體行業協會主辦的第三屆中國國際軟體發展大會暨中國軟體行業協會成立40週年紀念活動在北京召開。本次大會以“智慧時代的軟體産業”為主題，聚焦軟體根技術、開源軟體和生成式人工智能對全行業的根本性變革，探討數據要素和未來産業對全行業的深遠影響，並回顧中國軟體産業40年發展歷程，引領整個軟體行業做一次深刻的總結，重裝上陣再出發。大會設置開幕式、高峰論壇等環節，邀請兩院院士、領軍企業代表、相關行業機構代表、高校專家等到會。

“産業對話：大模型時代軟體産業的變革”現場

　　主持人：宋賀鵬 中國軟體行業協會産業研究部主任

　　對話嘉賓：

　　李清勇 北京交通大學詹天佑學院副院長

　　徐童 北京郵電大學計算機學院博士

　　戴敏 南天信息人工智能首席架構師，軟體業務集團副總裁、總架構師

　　韓國權 太極計算機股份有限公司副總裁兼創新研究院院長

　　儀思奇 浪潮數字企業平臺軟體與技術研究院副總經理

　　以下是對話發言實錄：

　　宋賀鵬：感謝各位嘉賓的等待，首先請各位簡單介紹一下自己。

　　李清勇：各位朋友大家下午好，我是北京交通大學計算機科學與技術學院教授李清勇，在2016年和2020年這四年間曾擔任計算機學院副院長，分管本科教學工作，現在擔任詹天佑學院副院長，分管人才培養工作，科研方向是人工智能及在智慧交通領域的應用。教學方面主要教演算法設計與分析，和今天的主題關係特別大。

　　徐童：我是北京郵電大學計算機學院網絡智慧研究中心的徐童，今天不是以個人的名義參會，而是代表北京郵電大學大創團隊的指導老師來參加，這支團隊于2022年10月成立，研發大模型賦能的編程教學應用，應該是國內第一款大模型賦能編程教學的應用，去年9月21日上線，現在在北郵大規模進行應用，已經開設111門課程，近期入選教育部首批人工智能+高等教育典型案例，在教育部專家所選出的八個具有示範性和可推廣性的案例裏排名第一。

　　戴敏：大家好，我是南天信息人工智能首席架構師戴敏，從畢業到現在基本都在軟體一線。南天信息主要在金融科技、數字化服務等方面提供解決方案。

　　韓國權：我是來自太極計算機股份有限公司，目前擔任公司創新研究院院長，太極計算機股份有限公司可能IT圈的朋友比較熟悉，1987年成立，一直服務於國家數字政府和數字企業的全行業領域，鏈條非常長，包括從基礎技術軟體到行業應用服務。在行業數智化轉型的大窗口期如何更好地運用數據能力，運用人工智能的分析和生成能力，讓我們的用戶的業務變得更智慧；能夠形成政府科學決策和公平普惠的服務，以及企業提質增效，形成新質生産力，是我們作為科技企業最主要的任務。本人主要從事的工作也是涉及數字政府、數字企業的管理理論體系，包括技術體系以及現在在數據要素和大模型加持之下的人工智能體系當中，如何更好地發揮科技企業的作用，和科研院所一起服務於行業的縱深發展，是我們主要的研究方向。

　　儀思奇：大家下午好，我是浪潮數字企業平臺軟體與技術研究院的儀思奇，主要從事雲原生和智慧化應用兩個方面的研究。過去30年浪潮數字企業一直致力於低代碼、大數據、IoT等技術的深耕，通過軟體服務大量企業的數字化轉型。面臨AI的新一輪浪潮我們做了大量鋪墊，發佈浪潮海岳大模型平臺，在此希望能夠與客戶和夥伴一道，以平臺為基，智慧為情，助力更多企業實現全産業數字化轉型，謝謝大家。

　　宋賀鵬：今天的陣容很有意思，很難遇到所有嘉賓都符合今天對話的機會，既有專門研究人工智能的教授，還有做大模型的團隊，以及一線和做研究的都是人工智能。現在不管生成式人工智能也好，或者大模型，對各位從事的領域和研究領域到底有哪些實質性的影響？還是只是工作中的工具？或者只是聽説的噱頭、互聯網上的熱點而已？

　　李清勇：在科研方向，對於大模型是又愛又怨的一種矛盾心態。為什麼説愛？我自己做計算機視覺的研究，7B的模型所産生的效果和性能確實好；為什麼怨？做研究真的需要財力，需要卡，需要計算資源，團隊規模不夠大的話，算力資源就不是很充分，在我們圈子有一句話叫“窮調參數富買卡”。

　　對於教育領域它沒有很明顯的影響，但是對於教學衝擊非常大。我教演算法，也教編程。大家知道在工業界，一些企業家曾説過人人要會編程，對於教學領域的老師和學生的認知産生疑問，編程到底重不重要？其次是對教學模式的衝擊也是很大的，從前的教育領域以知識傳授為主，以標準化考核為主要手段。但是有大模型之後，我們發現很多很多孩子獲取知識會變得越來越容易，我作為督導去課堂聽課的時候，有些同學會用電子資源，以及類似于大模型的工具。老師在講難點和新知識點的時候，他很快就能找到相關的資源，這是有利的地方。同時在某些方面會帶來負面的影響，因為他們獲取答案相對來説比較容易。以我自己教的演算法課為例，我會把作業佈置在OGN上，大概可以理解為網站，代碼提交之後自動完成評測，在之前這是一種很好的手段，但是現在有了代碼大模型之後，有些同學有投機的辦法，問題粘貼到大模型上也許可以直接獲得答案。大模型對教學領域的影響和衝擊已經慢慢地出現，我們需要去思考，需要有應對的方式和方法。

　　徐童：剛才李院長説出了我的心聲，我本來想説大模型誕生之後對編程教學有正面和負面的影響，ChatGPT對教學衝擊非常大，它基本是作弊神器，以前佈置編程作業以後學生要自己動手編程，如果想作弊的話，抄同學作業很容易被發現。但是現在用ChatGPT直接生成的話千變萬化，根本無法辨別是自己編的還是用大模型生成，這是個弊端，到現在為止都是全球非常嚴重的問題，還沒有解決的方案。

　　另外，我們試圖用大模型來做些正向的、對教學有益的工作。我們所做的“碼上”産品，思想是讓大模型當成老師。老師怎麼指導學生？不是直接給結果，而是通過啟髮式的多輪問答和對話，一步步引導學生自主發現問題，自主解決問題，從而掌握編程能力。我們採用這種思路，用這種方式大規模在北郵進行教學試驗之後，得到的成果讓我們非常驚喜。比如北郵人工智能對教學影響的重要教改課題當中，上次會議當中有位老師用“碼上”平臺做了對照實驗，給我看了組數據，在1個月的學習過程中有一次月考，結果學生用了“碼上”大模型和不用“碼上”的相比，用大模型的得滿分概率是不用大模型的兩倍，而且這些學生提問的次數非常多，平均每2天提一次，以前的編程教學學生基本一學期不會提問題，而且這種問題量老師根本接不住，但是大模型可以7×24小時進行輔導。我們非常有信心，現在北郵在進行大模型的教學實驗。

　　戴敏：我特別有感觸，到了大模型層面上來説，很多東西可能是相通的。對我們來説，比如軟體行業內部其實是相通的，對於原來具有一定技能的軟體開發人員和團隊而言，大模型絕對有增強效果，如果原來我們的團隊或者人員缺乏軟體開發的能力，這是寬泛的，不止是coding，原來缺乏的大模型未必是完全正向的，至少應該説不是100%正向，因為大模型也有它負面的東西。所有代碼大模型在軟體開發行業都是推廣或者使用的，大家都會有共識，但過程當中還是有很多問題。比如説典型的問題，我們能夠識別所謂的“幻覺”，哪怕是最簡單的配置優化問題，到底輸出的結果是不是正確？哪些是正確？其實還是需要去識別，雖然我相信隨著進一步的推廣和技術的發展，這些“幻覺”會越來越少，但從我個人理解來説這是根本性的問題。現在使用的大模型，如果它現在的原理沒有變化，未來依然是概率預測的問題，凡是概率預測就不可能100%準確，需要未來的軟體開發人員依然有自己的技能，這是第一。

　　第二，大模型對我們來説最大的意義可以從三個方面理解。首先，大模型涵蓋世界知識，世界知識在我們的實際工作裏面並不會真的寬泛到“世界知識”的概念，但至少和業務相關，比如説和行業相關的知識其實是很有用的。我不知道其他的企業是不是也有這樣的感觸，我們是深有感觸，我們的業務很多聚焦在不同行業應用上，這些世界知識內嵌到大模型的參數意義重大；其次是學習能力。比如我們現在在做很多嘗試，垂直領域的大模型，不管通過微調還是通過其它後期的調整手段，總之讓它能夠補充學習很多行業的東西，這也是我們很看重它的一點；第三是泛化，泛化性能是我們比較看重的一點，特別是2B的軟體開發，前兩天還在和大家討論這個問題，迄今為止沒有碰到任何兩個客戶行業應用的需求是完全一樣的，前提是你不壓制，比如由於預算、時間的關係，排除掉這些。如果不壓制他的話，大家的需求都會不同，因為本身每個企業有自己的競爭戰略，每個企業的戰略刻畫到IT和軟體就是不同的，這樣才能産生差異性，泛化性非常的重要。這三個方面對軟體來説非常重要，而且非常有益，當然這是正向的。

　　負面的我也想講講，最開始説大模型的引入可以提升初級程式員的能力，但反過來我經常在想的問題是，我們一直使用著代碼大模型成長起來的初級程式員，是不是能力上會比不上從實打實的coding成長起來的軟體工程師？如果大模型是通過數據的訓練過程獲取能力的話，他畢竟缺乏這樣的能力，這個能力未來需不需要？我覺得是個疑問點。

　　剛才提到大模型應用裏面，通用世界知識是好事，一旦聚焦到某個行業，金融、軍工或者其它行業，通用性通常不夠，現在的階段要麼是附加IG或者加KG等解決方案，要麼是做垂域模型。我覺得通過大模型學習行業知識，比如業務知識、業務架構、應用架構、信息系統架構等是不是要通過這個方式來做，這也是存在負面的。剛才提到的“幻覺”問題，特別在2B領域，如果2C可以試錯的話，越大的B端用戶越需要精確的軟體，怎麼做到這點？這個過程我覺得也是後續需要繼續適應和調整的。最後還是想説，不論它有怎樣的問題，我們作為公司而言肯定會全力跟進。在學校、研究機構的研究基礎上，我們會更專注在應用上創造價值。

　　韓國權：前面聽了兩位老師和同行的分享，覺得很有收穫，我從另外一個角度看這個問題，跳出技術本身去看社會的發展。遇到新技術出現的時候，應該説是一脈相承的態度，永遠都應該積極擁抱新技術，但一定要理性地看待。舉個通俗的例子，比如智慧手機出來的時候，當互聯網和智慧手機進行結合，我們發現獲取信息的能力非常強，手機拿過來點點就可以看到，但知識並不在你自己的腦子裏面，需要快速解決問題的時候也許它是非常好的助手。我們要積極的擁抱這些變化，積極的把它變成我們成長的工具，而不是把我們的能力依託在這些新的技術上。現在可能是大模型，像曾經我們説計算機改變人類，計算改變人類，軟體改變世界，互聯網+，現在又是人工智能+，加上數據要素。再改變這個社會依然只有兩個目的，一是通過組織行為實現組織價值，二是通過個人的生活實現個人價值，這兩方面亙古不變。在這樣的不變之下，剛才所講到的兩個態度，我覺得我們應該跳出來看這個問題，還是應該要積極地擁抱變化。但你不能被變化吞噬，需要理性看待，不管哪個技術都會有它好的一面，或者不好的一面，怎麼能夠揚長避短，這是作為人類思考的關鍵能力，而不是陷到能力裏面被它所包圍。像我們看到現在這麼多的信息，能夠獲得信息，但是還會出現非常嚴重的信息繭房的問題，寫代碼的模式、架構包括所選用的組件會逐漸趨同，世界就失去了它應有的顏色，包括某些組件是有問題的時候，恐怕替代起來的成本也會變得非常大。在這種情況下，我們還是應該要具備理性思考的能力。

　　對於任何一個企業，我們身處這個時代，當然希望企業組織內的每位技術人員都能夠積極擁抱新的技術。作為初級工程師的時候讓它幫我快速完全代碼的交付，當我是位中高級的工程師時，能夠利用工具發現代碼裏面的問題，提出相應的可能性。現在的代碼生成工具都會生成若干種選擇，我們還是需要具備選擇能力，工程師的能力要從初級的能寫到能懂它為什麼，如何做選擇，如何形成架構，這個能力不是大模型能教給我們的，也不是它都能夠完全實現的，如果我們只依賴大模型給我們提供簡單的代碼，而失去自己的思考能力，就像我們現在在信息世界裏面出現的信息繭房一樣，把自己給束縛住。

　　對於企業來説，肯定要更積極地擁抱變化。企業存在的價值就是積極構建資源重組的能力和模式，來輸出更多的價值，既然大模型是生産力工具，我們肯定要擁抱它，希望用這樣的工具為日常的工作提供最佳的助力，讓我們在自身的低代碼平臺當中也參與到國家關於無代碼生成的國家重點研發計劃當中，這裡面既有技術要解決的問題，也同時面對剛才提到系統性能力提升的問題。

　　企業一方面希望用工具讓大家的能力變得更強，讓大家的産出效率變得更高，但是我們也更希望這些工具能夠讓每位工程師和軟體開發者，能夠從更簡單的敲代碼過程轉換到理解代碼，能夠設計需求、分解問題，形成組合選擇的能力，讓我們所生成的東西能夠形成更佳的配比，這個能力是要向上走的，將基礎的工作交給模型、工具和平臺，自身的能力、知識的匯聚應該是向更高的層次發展，這對於企業來説是更有益的選擇，也是個人更有益的選擇。

　　儀思奇：感謝前面幾位嘉賓，給我帶來很大的啟發，韓院長介紹的內容和我們之間有些相似之處，我們也做低代碼，站在産業的角度上有兩方面的思考和大家進行分享。

　　從客戶角度來説，我們過去一直在做企業的數字化轉型，做的是利用數字化的經營管理軟體，幫助企業業務建立數字化孿生模型，引入大模型、智慧化能力，發現智慧化的能力與數字孿生模型的融合反過來影響現實業務。現在已經在試點的智慧審核、智慧審計，對於企業的業務流程、管理模式可以看到顯而易見的效果，進一步隨著智慧體或者説多智慧體協同的數字員工出現，也將對組織架構産生變革性的推動作用，包括整個産業完全智慧化轉型之後，對業務模式也會帶來很大的衝擊。從企業這側來説，智慧化確實對企業實體經營管理帶來很大改變。

　　另一方面，作為軟體供應商來説，對軟體本體産生很大的變化，包括三方面。一方面是軟體交互模式，過去軟體以圖形化為主，現在可以看到自然語言、對話式聊天也成為重要的補充；對於構建軟體的模式，已經通過低代碼實現幫助企業建立業務專家加技術專家融合的團隊，共同完成軟體的構建和定制，這已經取得比較不錯的效果。通過智慧化的技術引進，將進一步壓低對於軟體構造過程中對於專業技術的依賴，可以引入更多領域技術專家或業務專家參與到軟體定制過程當中，總體來看還是積極向好的方向。

　　對於軟體部署形態，過去一直圍繞企業業務流程、數據的走向去構建軟體，隨著智慧體的出現，可能會有大量業務從以流程為中心的模式轉向以事件為驅動的模式，通過智慧體和數字員工發揮數字化轉型的作用。

　　總體來説，無論從企業的角度還是軟體供應商的角度，智慧化對於變革的推動作用還是非常巨大的。

　　宋賀鵬：感謝各位嘉賓的分享，剛才大家説的基本把我後面想問的問題解答一大半，我將後面的幾個問題融合在一起。個人一直有個觀點，其實通過一項新技術的誕生最主要的因素就是人類的懶惰。隨著新技術越來越發達，人會變得越來越懶，現在大模型尤其是今天要聚焦的代碼大模型。現在全球在做大模型，中國和國外差距並不是很大，如果舉全國的資源來做，很可能搶到先發優勢，形成國內基礎性的研發平臺，在此之上可以大力開發應用，讓我國在軟體研發的層面快速追齊或者超越，這是比較積極的觀點。比較消極的觀點是代碼大模型可能會扼殺基礎編程能力，可能會導致coding的工種沒有了，高等教學中基礎編程語言沒有了，甚至學了之後這種基礎編程的畢業生找不到工作。如果按自己的想法，哪種方式你們覺得比較有明顯的趨勢，或者比較接近於未來可能發生的真相。

　　李清勇：這個問題是仁者見仁，智者見智，我還是持樂觀的態度。最近從各種科技新聞説AI程式員，給大家帶來的衝擊較大。我個人的觀點是，大模型無論是代碼大模型他還是工具，程式員是個人，而且代表著具有創新能力的群體，工具代替人的風險，從人類發展的歷史來是比較低，可以從兩個維度進一步詮釋。

　　從軟體開發需要的能力維度來説，軟體開發不簡單是coding的事情，涉及到各種方面的能力，比如抽象思維、建模能力，包括所説的計算思維，各個方面的能力都有要求，想做出好用的軟體，需要有對物理世界的認知，以及對人情世故的感受，才能夠開發出體驗好的軟體出來，這些能力的話目前大模型似乎沒有展示相應的競爭力，這是能力維度。

　　從整個軟體開發流程維度來説，軟體開發它應該是很複雜的週期，在座各位行業專家應該更有經驗，它從需求分析到系統的設計，再到coding，到後面的測試和運維都是很複雜的過程，在此過程中可能代碼是一方面，但怎麼和人打交道，對於事情的理解可能也是更加豐富的方面。

　　個人感覺，代碼大模型可以把重復性的coding工作釋放，但這樣對於程式員，尤其對於優秀的程式員來説是有推動作用的，使得他有更多的時間和精力去思考創新性的事情，使得他所研究的演算法或者産品更有吸引力。總結來説，個人的觀點是代碼大模型對於程式員，尤其對於優質的程式員來説是倍增器，放大他們創新和創造的能力。

　　宋賀鵬：我突然有個想法，您説代碼大模型也好，它是種工具，或者説可以從某種程度上講它也是一種生産工具，我的問題是，這種代碼大模型算不算新質生産力？

　　徐童：我覺得絕對屬於新質生産力，你剛才的問題我覺得特別好。有人説程式員要失業，有的人説不至於，其實我特別贊同李院長的觀點，我相信在座的業內人士都比較冷靜，對於代碼大模型的能力有客觀的認識。首先它是革命性的力量，非常強大的工具，其次我們也不能神化它。像李院長所指出的，程式員的工作不只是編碼，職業的程式員編碼時間只佔工作的1/3，大量的工作需要和團隊交流、客戶交流以及和領導交流，需要解決非技術的因素，這是目前大模型解決不了，它更容易解決局部性的，比如幫你補全代碼或者找個錯誤，有了代碼大模型這種強大的工具以後，可以將程式員從重復性、枯燥的工作中解放出來，讓他做更適合人類做的工作。

　　舉個例子，説很多觀點不如實際案例有力，教改項目組裏面有位老師，他也是北郵教務處的副處長，他給我們看這次激進教育改革的錄影，每年做資料結構課程設計的課，3個同學形成小組做小項目，以往這種項目做的很差，學生基本沒有什麼興趣，但是今年他做了激進的改革，必須採用“碼上”的大模型，效果讓他特別震驚，學生在演講的時候特別踴躍，而且他們做的項目極其酷炫，不像是大二學生能做出來的，充滿想像力。我們分析，以前的項目比較簡單，但是同學們被最基本的代碼卡住，無法很快形成成果以後他就很受挫，沒有成就感，用大模型之後能夠讓同學把枯燥的東西迅速完整，把精力聚焦在産品設計、用戶體驗的打磨等，産生非常大的成就感，他非常樂於做個很新的東西，這讓我們感覺非常的振奮。你剛才提到人會不會變懶，我覺得有些人不會變懶，尤其這次項目是一批人，這不是個例。

　　我們經常有個誤區，程式員要失業，有個基本前提是軟體産業的量是一定的，量一定的情況下大模型幹的多，程式員肯定幹的少，但是從科技發展史的角度來看往往不是這樣的，新技術進步之後産業急劇擴大，雖然機器的生産力擴大，但是産業放大之後帶來更多人類的就業崗位。比如説汽車之前的時代，大家是駕著馬車，但是汽車普及之後開汽車的司機更多，這是我的觀點。

　　戴敏：我從企業或者從軟體實踐的角度也來擴展一下。剛才談到實驗，發現同學們更踴躍，或者思想更開放。人類的程式員，某種程度上可以認為人從出生以後不斷接受各種信息數據，你在不斷地訓練思想，。不管程式員還是學生我覺得都很有意思，人成長這麼多年，真正學習代碼開發時間和學習整個人類知識、世界知識的時間相比來説微不足道，按照現在的模式，不管軟體開發還是同學們做這些設計，其實我們要求他回過頭來，回到他學的幾年的知識領域，用這個知識領域來表徵出他的想法，確實有可能這個過程會堵塞很多新的思想和想法，或者大家的積極性。大家最熟悉的還是經過幾十年培養起來自己的這些思維方式，自己的思想上的亮點，這是我想談到的一點。

　　第二，剛才聽老師談的時候，前半句話講有點麻煩，好像我的觀點和老師不太一樣，説到軟體或者開發的盤子是不變的，我想這該怎麼辦，聽見後半段我們感受特別深，剛才我説行業裏面，電子化、信息化到數字化，每個階段的時候好像都有種感覺。因為技術的發展，開發效率越來越高之後，會不會原來的市場沒了？其實不是，因為市場越變越大。我經常在公司內部談的時候説，大家不要覺得原來要開發1周的東西，現在是2小時開發，帶來的影響是原來客戶只敢給你這麼多需求，現在給你更多，因為效率提高、成本降低。在IT推廣比較早的行業，它的IT條線的組織架構比較完善，但現在有個特點，所有行業比如説從招聘信息來看，很多行業開始完善地構建自己的科技條線，意味著科技引入、IT引入的門檻更低，可以做的事情更多，更多的企業能夠建自己的，而不是原來大家只能採購，也可以從客觀上説市場越來越大。

　　沿著這點，回到剛才的問題，這兩個觀點有一部分認同，有一部分不完全認同。比如説惰性，從軟體開發、行業軟體的角度，肯定會存在，能力提升之後對企業也好，對機構也好産生新的壓力，要求你必須進一步提升能力，而不是留在原地踏步，因為這樣會被淘汰掉。因為客戶給你的新壓力和新需求，不會讓我們停在原來，像剛才老師提到的，可能要加強更強的方面，這就涉及到第二個方面，在整個軟體開發裏，剛才談到不管從軟體工程，特別是對複雜的軟體系統，它會更強調系統工程的技能應用。相對於小的應用，比如説網頁和網站的應用不算，但是2B它會越來越體現這點，但是這個能力在我們的大模型，在現在這個時代的大模型，哪怕加上Agent機制之後也是遠遠不夠的。

　　大模型回到根源來看，我一直也在想個有意思的問題，很明顯的一點，很多大模型如果在專用知識領域只有少數大模型表現突出的話，你會發現代碼這個領域比其它領域表現好的大模型要多得多，我在想這個問題為什麼？本質上就是因為代碼大模型訓練數據、樣本數據品質更高，從某個角度上來講國內的軟體開發商開發出來的代碼和國外軟體開發商開發出來的代碼，本質上都是java、C，差異小得多，跟你同樣寫一份需求規格説明書來説，大家的差異比代碼大得多，因為代碼本身已經強加很多約束，客觀上導致品質很高，所以在代碼領域代碼大模型表現可以這麼好，我們原來已經把很多數據的噪聲剔除掉，也能看得到代碼大模型的能力為什麼在這個層面。剛才説初級程式員表現會突出，中級、高級表現會差，即使利用Agent，這時候更多利用上層的抽象，比如根據簡單的原始需求生成系統，我們有些小同志的誤區，覺得大模型已經到了這種程度，其實遠遠不高，特別是對複雜系統而言，這種能力是現有的語料基礎上達不到的，這才是剛才説中高級程式員應該重點看的。中高級程式員，特別是對於行業應用而言，最重要的是具備自己的行業領域知識，不止是規範固定的編程語言的領域，而是其它，從這個角度來説至少在目前階段我覺得沒有辦法替代，而且會要求更多地去做這個事情。

　　第三，在這個事情上除了有市場壓力，以及分析應該朝哪個能力方向以外，大模型本身上除了代碼開發，現在嘗試的除了代碼本身以外，還有在我們解決客戶業務場景下的增強，比如説對傳統的機器學習解決方案的增強，機器學習受力於算力和數據量，停留在這樣的程度，大量的人工特徵工程來解決。但是現在到了這個階段，實際上可以嘗試其它的手段。在這樣的一種方式下，如果從軟體開發企業的角度上，它可能代表著一種新的數據和信息的處理範式，這個範式意味著你如何使用、如何去組織團隊，如何構建你的文化，都可能會産生變化，以原來一個代碼庫、代碼培訓、代碼考試的標準來界定這個人，可能會變，可能輔助些其它東西，比如企業的戰略規劃，比如企業文化配合，這些方面也要逐步跟上。

　　韓國權：前面幾位專家從專業的角度提了非常好的見解，我提三點個人的看法，還是更喜歡把事跳出來看。

　　第一，在座很多人都是學軟體、計算機相關專業，在上學期間真正學代碼的時間其實非常短，我印象中上學的時候代碼都是課外的事情，課內不講代碼。回過頭來看，軟體工程真正要解決問題不完全是代碼，它是很重要的工作，但是不是唯一的工作，或者説前面有專家提到1/3的工作可能是coding，剩下都是其它事情。從這個角度來看，能夠讓我們的coding效率變得更高，只是解決其中之一的效率問題，還有更多效率和品質的問題，我們的提升應該在整個軟體工程體系當中，需要增長的能力可能會更多，也許未來有模型幫我們解決其它方面的能力，但是軟體工程體系化裏面的東西很多不是單純的追求科學最高效率。比如説現在演算法驅動的快遞行為，需要的是溫度，不完全是效率，如果完全交給機器的時候，可能實現效率的最高，但是不能在人類社會裏面形成有溫度的IT能力，當然這也是我們在學習軟體工程整個學習裏面很重要的部分，和業務打交道，和人打交道，和安全要求打交道，這些都是在代碼之外的。它可能幫我們在某些能力上能夠快速掌握，但是不能替代我們的所有，我們應該能夠形成在其它能力上更快增長。

　　第二，現在在反思大模型，包括人工智能從剛出來到現在，一些很重要的社會現象，原來我們認為機器應該解決基本體力勞動，一直以來都是這樣，曾經認為把很多基礎性的工作由人工智能、機械和系統解決，但是大模型出來的時候，大家翻看在前年底、去年初很多分析文章都在講，可能某些工種不見了，現在我們再看最近的文章，其實是創造性的工種受到最大的威脅，不是基礎的工種，比如説AI的繪畫、AI的作曲，文件不能説簡單的摘抄，而且彙編、分析這樣的工作，在整個工序裏面並不是最基礎的部分，相對是往上提。現在有關於AI倫理的認知，人工智能包括大模型的出現，可能會更快的造成人類的兩級分化，有些工作明確不會以人工智能的方式替代，中間的工作被替代之後，逼著很多人變成更複雜的智力勞動交給人類完成，這時候更呼籲的是人工智能溫度的問題。從這個角度看，不管被替代的是哪個部分，一定會有底層的部分是沒有辦法被替代的，coding都寫出來，測試也能夠自動化，系統形成的結果和業務、和人之間的交互能不能形成最優，我可能做最優的系統，交出來是最優的效率，但是應用這個系統的人是不是能夠接受這個最優的效率，是不是可以調整他的思維方式和行為模式，這時候人工智能需要再退回一步，在背後支撐軟體工程師們和軟體從業者們，做好這方面的解釋。

　　第三，目前看出代碼生成工具能夠覆蓋的語言種類非常多，這就冒出來全新的問題。早期有個語言叫logo語言，假設在那時候有大模型幫我們寫logo語言，會出現後面所有新的技術體系和新的語言體系嗎？可能都沒有，人類正是因為遇到更多的問題，我們形成更多的創新思維，以體系化和結構化的方式在創新語言，而機器在幫我們某個語言上實現它的最優，創新的工作，當我們的能力變得更強的時候，其實我們要解決的問題還有一大堆沒有人解決，軟體的工作者應該更多地看到還沒有被解決的問題，我們能不能有更創新的技術、體系、方法來解決。這就有了前面幾位專門都提到的，軟體能解決的問題，世界會變得更大，我們會有新的東西出現，會有新的問題解決，這時候要靠人類的創造力，世界是這樣不斷迭代的，我對於目前coding的大模型，對於軟體産業的影響，整體來看還是非常積極地擁抱，因為我們相信人類的創造力和人類社會的複雜度，還有很多的工作需要軟體從業者花時間精力去成長，解決掉它。

　　儀思奇：我其實和韓院長有著類似的觀點，對於大模型的出現是不是軟體工程師自己內卷，自己革自己的命，大家大可不必有這方面的顧慮，回顧整個軟體發展的過程，現在大家看到大模型出現，生産力陡然提升，感覺好像自己在革自己的。但回顧整個軟體發展的過程，軟體工程師一直在革自己的命，從語言、框架、設計思想各方面的進步，一直在提升軟體開發本身的效率。軟體開發的過程來説，不僅僅是編碼，就編碼這一部分來説，生成代碼這一小塊來説也不是高級程式員非常想幹的一件事，有的時候內部開玩笑，感覺現在的軟體這麼複雜，有這麼多的團隊來做，我們不像知識密集型産業，更像勞動密集型産業。就是因為有大量代碼生成工作，對於高級程式員來説這就是重復的勞動，通過大模型把這部分的工作適當的取代，我覺得更多的是解放大家的思想，有更多時間看他自己想要專注的問題，包括工程結構的問題、業務領域的問題、用戶體驗的問題和性能管理方面的問題，高級的程式員更喜歡關注和解決這類的問題。

　　我們在內部和實習生聊這個問題的時候也開玩笑説，在軟體開發這個行業特別切記一點，你學會了釘釘子，看什麼都想釘釘子，好像我們在蓋房子一樣。以前在農村老家蓋個房子需要一門手藝，但是現在面對企業的需求不是三層五層的小樓，而且上百層的摩天大樓，我們需要更多的技巧，需要解放生産力，釋放人們的創造力和價值，這塊還是比較樂觀的。

　　宋賀鵬：感謝五位專家的精彩分享，由於時間關係，今天不再過度地解讀和分享後面的細節。

　　（聲明：所有會議實錄均為現場速記整理，未經演講者審閱，國際在線登載此文出於傳遞更多信息之目的，並不意味著贊同其觀點或證實其描述。）