编者按：

　　开放托举文明高度，合作共赴星辰未来。中国科协2025年“开放合作月”（The International Month 2025: Openness, Cooperation, Trust）于2025年10月全面拉开帷幕，主题为“科技为舟载天下，人文作楫济未来”（S.T.I. Bridges, Humanity Orients）。​中国科协科学技术传播中心联合光明网邀约多领域专家围绕开放合作、人工智能、技术共享、青年人才交流等维度撰文，解析“开放、信任、合作”中国方案的实践路径与深层价值。

　　■ 秦思思

　　2025年世界科技与发展论坛以“人工智能促进科技与发展”为主题，围绕人工智能与未来产业等开展深入交流与探讨。软件产业作为我国经济发展的重要支柱，在人工智能新时代正经历着深刻变革，软件的生产方式、应用形态与产业格局均在发生重构，为千行万业的数字化、智能化转型注入强劲动能。在这场深刻变革中，产业既面临应用创新、降本增效与产业升级的历史性机遇，也需应对来自数据、安全与人才等多维度的全新挑战。

　　机遇：人工智能驱动软件产业迈向新阶段

　　应用创新全面提速，构筑企业竞争新优势。一方面，随着大模型技术日益成熟与应用成本持续下降，软件形态加速向灵活化、智能化演进，全面推动产业重构与应用创新。以大模型为基座的软件系统展现出高度模块化、场景自适应能力，通过多元化交互模式实现用户体验升级，催生面向垂直领域的超级应用。根据Gartner预测，到2028年，集成代理型人工智能的企业软件占比将跃升至33%，远超2024年的不足1%，标志着软件智能化转型已成为不可逆转的产业趋势。另一方面，软件生产模式正经历深刻变革，呈现出高效率、低门槛的显著特征。基于智能化的研发新范式，企业能够快速完成产品原型设计、功能迭代与需求响应，显著缩短创新周期，为把握市场机遇赢得宝贵时间窗口。

　　开发效能跨越式提升，赋能企业降本增效。智能集成开发环境（IDE）与编码智能体等工具的广泛应用，正推动软件开发效率实现质的飞跃。对专业开发者而言，智能编码助手已成为提升工作效率的核心工具；对业务人员等非专业用户而言，“氛围编程”等低代码工具的普及，大幅降低了软件开发的技术门槛。这一变化不仅帮助传统软件企业在现有资源条件下拓展服务范围、提升用户覆盖能力，更催生了众多轻量级、创新驱动的小型软件企业。这些新兴企业依托大模型等前沿技术，展现出独特的市场竞争优势。值得关注的是，软件研发组织结构正从传统团队协作向“单兵作战”模式转变，使研发人员能够更加聚焦于架构设计、创新探索等高附加值工作，推动产业人才结构优化升级。

　　产业结构深刻变革，开辟智能化转型新路径。大模型正重塑软件产业生态，成为推动行业发展的核心引擎。一是大模型为软件产业注入创新活力，构建起智能化转型的关键基础设施；二是传统软件企业的技术壁垒逐渐弱化，软件外包等传统业务模式面临转型压力，而数据标注、提示工程等新兴需求快速增长，推动产业链价值重构；三是在“人人都是开发者”的时代背景下，软件产业长尾需求有望得到解决，各行业细分场景的数字化解决方案将更具经济性与可行性，为产业创新发展开辟广阔空间。

　　挑战：前瞻布局应对智能化转型关键问题

　　数据瓶颈亟待突破，夯实产业发展基础。高质量数据资源是软件智能化转型的重要前提。当前，代码等软件相关数据在隐私保护、安全法规和开源协议等多重因素制约下，面临获取成本高、类型复杂等挑战。TIOBE指数显示，截至2025年6月，全球编程语言已超过280种，技术栈的多样化导致可用于模型训练的优质代码数据集严重不足，特别是在工业控制、嵌入式系统等专业领域尤为突出。同时，行业级软件数据普遍短缺，要求企业必须结合业务场景与数据积累，构建高质量的领域专用数据集，为智能化软件在各行业的深度应用奠定坚实基础。

　　模型技术与工程能力有待提升，铸造坚实智能化基座。在模型技术层面，需重点突破长上下文理解与专业领域泛化等技术瓶颈。当前国内大模型少数支持256K上下文，大部分处于32K至128K之间，这对于处理复杂代码库、工程级项目、系统架构文档等场景时显然不够。在工程化落地层面，一是构建多智能体协同框架，基于工具调用与任务分解技术，开发具备自主规划和任务执行能力的软件智能体，并支持多智能体协同，从而在复杂场景下创造更多的实际应用价值；二是提升模型服务性能，如首字时延、吞吐量、调用成功率、并发等稳定性和可靠性指标，以应对规模化应用时可能出现的性能瓶颈，推动企业级应用广泛落地。

　　安全伦理风险凸显，构建可信人工智能体系。大模型在提升软件能力的同时，也带来了新的不确定性与风险。在金融、医疗等高风险应用场景中，数据安全、模型可靠性与系统稳定性面临全新挑战。为此，软件企业需要建立多层次防护体系：一是在数据与模型源头加强治理，有效管控模型“幻觉”问题；二是在软件层面设置“安全围栏”，通过工程化手段降低系统不确定性；三是在智能化进程中保留必要的人工干预机制，通过可调节的自动化等级设置，让用户能够根据实际需求灵活选择智能程度，有效防范潜在的伦理风险。

　　人才结构亟需优化，培育复合型创新团队。人才是推动软件智能化转型的核心要素。在人才培养方面，企业需要重塑组织文化，构建开放协作、持续创新的生态环境，打破部门信息壁垒。同时，全面提升员工数字素养，既要深刻认识人工智能的巨大潜力，也要清醒认识其技术边界与应用风险。在团队建设方面，企业需要积极引进人工智能专业人才，优化现有人才结构，促进AI团队与软件团队的深度融合，构建与智能化转型相匹配的能力体系，最终推动企业研发效能与创新能力的全面提升。

　　（作者系中国信息通信研究院人工智能研究所高级工程师）