4月24日，由中国软件行业协会主办的第三届中国国际软件发展大会暨中国软件行业协会成立40周年纪念活动在北京召开。本次大会以“智能时代的软件产业”为主题，聚焦软件根技术、开源软件和生成式人工智能对全行业的根本性变革，探讨数据要素和未来产业对全行业的深远影响，并回顾中国软件产业40年发展历程，引领整个软件行业做一次深刻的总结，重装上阵再出发。大会设置开幕式、高峰论坛等环节，邀请两院院士、领军企业代表、相关行业机构代表、高校专家等到会。

“产业对话：大模型时代软件产业的变革”现场

　　主持人：宋贺鹏 中国软件行业协会产业研究部主任

　　对话嘉宾：

　　李清勇 北京交通大学詹天佑学院副院长

　　徐童 北京邮电大学计算机学院博士

　　戴敏 南天信息人工智能首席架构师，软件业务集团副总裁、总架构师

　　韩国权 太极计算机股份有限公司副总裁兼创新研究院院长

　　仪思奇 浪潮数字企业平台软件与技术研究院副总经理

　　以下是对话发言实录：

　　宋贺鹏：感谢各位嘉宾的等待，首先请各位简单介绍一下自己。

　　李清勇：各位朋友大家下午好，我是北京交通大学计算机科学与技术学院教授李清勇，在2016年和2020年这四年间曾担任计算机学院副院长，分管本科教学工作，现在担任詹天佑学院副院长，分管人才培养工作，科研方向是人工智能及在智慧交通领域的应用。教学方面主要教算法设计与分析，和今天的主题关系特别大。

　　徐童：我是北京邮电大学计算机学院网络智能研究中心的徐童，今天不是以个人的名义参会，而是代表北京邮电大学大创团队的指导老师来参加，这支团队于2022年10月成立，研发大模型赋能的编程教学应用，应该是国内第一款大模型赋能编程教学的应用，去年9月21日上线，现在在北邮大规模进行应用，已经开设111门课程，近期入选教育部首批人工智能+高等教育典型案例，在教育部专家所选出的八个具有示范性和可推广性的案例里排名第一。

　　戴敏：大家好，我是南天信息人工智能首席架构师戴敏，从毕业到现在基本都在软件一线。南天信息主要在金融科技、数字化服务等方面提供解决方案。

　　韩国权：我是来自太极计算机股份有限公司，目前担任公司创新研究院院长，太极计算机股份有限公司可能IT圈的朋友比较熟悉，1987年成立，一直服务于国家数字政府和数字企业的全行业领域，链条非常长，包括从基础技术软件到行业应用服务。在行业数智化转型的大窗口期如何更好地运用数据能力，运用人工智能的分析和生成能力，让我们的用户的业务变得更智慧；能够形成政府科学决策和公平普惠的服务，以及企业提质增效，形成新质生产力，是我们作为科技企业最主要的任务。本人主要从事的工作也是涉及数字政府、数字企业的管理理论体系，包括技术体系以及现在在数据要素和大模型加持之下的人工智能体系当中，如何更好地发挥科技企业的作用，和科研院所一起服务于行业的纵深发展，是我们主要的研究方向。

　　仪思奇：大家下午好，我是浪潮数字企业平台软件与技术研究院的仪思奇，主要从事云原生和智能化应用两个方面的研究。过去30年浪潮数字企业一直致力于低代码、大数据、IoT等技术的深耕，通过软件服务大量企业的数字化转型。面临AI的新一轮浪潮我们做了大量铺垫，发布浪潮海岳大模型平台，在此希望能够与客户和伙伴一道，以平台为基，智能为情，助力更多企业实现全产业数字化转型，谢谢大家。

　　宋贺鹏：今天的阵容很有意思，很难遇到所有嘉宾都符合今天对话的机会，既有专门研究人工智能的教授，还有做大模型的团队，以及一线和做研究的都是人工智能。现在不管生成式人工智能也好，或者大模型，对各位从事的领域和研究领域到底有哪些实质性的影响？还是只是工作中的工具？或者只是听说的噱头、互联网上的热点而已？

　　李清勇：在科研方向，对于大模型是又爱又怨的一种矛盾心态。为什么说爱？我自己做计算机视觉的研究，7B的模型所产生的效果和性能确实好；为什么怨？做研究真的需要财力，需要卡，需要计算资源，团队规模不够大的话，算力资源就不是很充分，在我们圈子有一句话叫“穷调参数富买卡”。

　　对于教育领域它没有很明显的影响，但是对于教学冲击非常大。我教算法，也教编程。大家知道在工业界，一些企业家曾说过人人要会编程，对于教学领域的老师和学生的认知产生疑问，编程到底重不重要？其次是对教学模式的冲击也是很大的，从前的教育领域以知识传授为主，以标准化考核为主要手段。但是有大模型之后，我们发现很多很多孩子获取知识会变得越来越容易，我作为督导去课堂听课的时候，有些同学会用电子资源，以及类似于大模型的工具。老师在讲难点和新知识点的时候，他很快就能找到相关的资源，这是有利的地方。同时在某些方面会带来负面的影响，因为他们获取答案相对来说比较容易。以我自己教的算法课为例，我会把作业布置在OGN上，大概可以理解为网站，代码提交之后自动完成评测，在之前这是一种很好的手段，但是现在有了代码大模型之后，有些同学有投机的办法，问题粘贴到大模型上也许可以直接获得答案。大模型对教学领域的影响和冲击已经慢慢地出现，我们需要去思考，需要有应对的方式和方法。

　　徐童：刚才李院长说出了我的心声，我本来想说大模型诞生之后对编程教学有正面和负面的影响，ChatGPT对教学冲击非常大，它基本是作弊神器，以前布置编程作业以后学生要自己动手编程，如果想作弊的话，抄同学作业很容易被发现。但是现在用ChatGPT直接生成的话千变万化，根本无法辨别是自己编的还是用大模型生成，这是个弊端，到现在为止都是全球非常严重的问题，还没有解决的方案。

　　另外，我们试图用大模型来做些正向的、对教学有益的工作。我们所做的“码上”产品，思想是让大模型当成老师。老师怎么指导学生？不是直接给结果，而是通过启发式的多轮问答和对话，一步步引导学生自主发现问题，自主解决问题，从而掌握编程能力。我们采用这种思路，用这种方式大规模在北邮进行教学试验之后，得到的成果让我们非常惊喜。比如北邮人工智能对教学影响的重要教改课题当中，上次会议当中有位老师用“码上”平台做了对照实验，给我看了组数据，在1个月的学习过程中有一次月考，结果学生用了“码上”大模型和不用“码上”的相比，用大模型的得满分概率是不用大模型的两倍，而且这些学生提问的次数非常多，平均每2天提一次，以前的编程教学学生基本一学期不会提问题，而且这种问题量老师根本接不住，但是大模型可以7×24小时进行辅导。我们非常有信心，现在北邮在进行大模型的教学实验。

　　戴敏：我特别有感触，到了大模型层面上来说，很多东西可能是相通的。对我们来说，比如软件行业内部其实是相通的，对于原来具有一定技能的软件开发人员和团队而言，大模型绝对有增强效果，如果原来我们的团队或者人员缺乏软件开发的能力，这是宽泛的，不止是coding，原来缺乏的大模型未必是完全正向的，至少应该说不是100%正向，因为大模型也有它负面的东西。所有代码大模型在软件开发行业都是推广或者使用的，大家都会有共识，但过程当中还是有很多问题。比如说典型的问题，我们能够识别所谓的“幻觉”，哪怕是最简单的配置优化问题，到底输出的结果是不是正确？哪些是正确？其实还是需要去识别，虽然我相信随着进一步的推广和技术的发展，这些“幻觉”会越来越少，但从我个人理解来说这是根本性的问题。现在使用的大模型，如果它现在的原理没有变化，未来依然是概率预测的问题，凡是概率预测就不可能100%准确，需要未来的软件开发人员依然有自己的技能，这是第一。

　　第二，大模型对我们来说最大的意义可以从三个方面理解。首先，大模型涵盖世界知识，世界知识在我们的实际工作里面并不会真的宽泛到“世界知识”的概念，但至少和业务相关，比如说和行业相关的知识其实是很有用的。我不知道其他的企业是不是也有这样的感触，我们是深有感触，我们的业务很多聚焦在不同行业应用上，这些世界知识内嵌到大模型的参数意义重大；其次是学习能力。比如我们现在在做很多尝试，垂直领域的大模型，不管通过微调还是通过其它后期的调整手段，总之让它能够补充学习很多行业的东西，这也是我们很看重它的一点；第三是泛化，泛化性能是我们比较看重的一点，特别是2B的软件开发，前两天还在和大家讨论这个问题，迄今为止没有碰到任何两个客户行业应用的需求是完全一样的，前提是你不压制，比如由于预算、时间的关系，排除掉这些。如果不压制他的话，大家的需求都会不同，因为本身每个企业有自己的竞争战略，每个企业的战略刻画到IT和软件就是不同的，这样才能产生差异性，泛化性非常的重要。这三个方面对软件来说非常重要，而且非常有益，当然这是正向的。

　　负面的我也想讲讲，最开始说大模型的引入可以提升初级程序员的能力，但反过来我经常在想的问题是，我们一直使用着代码大模型成长起来的初级程序员，是不是能力上会比不上从实打实的coding成长起来的软件工程师？如果大模型是通过数据的训练过程获取能力的话，他毕竟缺乏这样的能力，这个能力未来需不需要？我觉得是个疑问点。

　　刚才提到大模型应用里面，通用世界知识是好事，一旦聚焦到某个行业，金融、军工或者其它行业，通用性通常不够，现在的阶段要么是附加IG或者加KG等解决方案，要么是做垂域模型。我觉得通过大模型学习行业知识，比如业务知识、业务架构、应用架构、信息系统架构等是不是要通过这个方式来做，这也是存在负面的。刚才提到的“幻觉”问题，特别在2B领域，如果2C可以试错的话，越大的B端用户越需要精确的软件，怎么做到这点？这个过程我觉得也是后续需要继续适应和调整的。最后还是想说，不论它有怎样的问题，我们作为公司而言肯定会全力跟进。在学校、研究机构的研究基础上，我们会更专注在应用上创造价值。

　　韩国权：前面听了两位老师和同行的分享，觉得很有收获，我从另外一个角度看这个问题，跳出技术本身去看社会的发展。遇到新技术出现的时候，应该说是一脉相承的态度，永远都应该积极拥抱新技术，但一定要理性地看待。举个通俗的例子，比如智能手机出来的时候，当互联网和智能手机进行结合，我们发现获取信息的能力非常强，手机拿过来点点就可以看到，但知识并不在你自己的脑子里面，需要快速解决问题的时候也许它是非常好的助手。我们要积极的拥抱这些变化，积极的把它变成我们成长的工具，而不是把我们的能力依托在这些新的技术上。现在可能是大模型，像曾经我们说计算机改变人类，计算改变人类，软件改变世界，互联网+，现在又是人工智能+，加上数据要素。再改变这个社会依然只有两个目的，一是通过组织行为实现组织价值，二是通过个人的生活实现个人价值，这两方面亘古不变。在这样的不变之下，刚才所讲到的两个态度，我觉得我们应该跳出来看这个问题，还是应该要积极地拥抱变化。但你不能被变化吞噬，需要理性看待，不管哪个技术都会有它好的一面，或者不好的一面，怎么能够扬长避短，这是作为人类思考的关键能力，而不是陷到能力里面被它所包围。像我们看到现在这么多的信息，能够获得信息，但是还会出现非常严重的信息茧房的问题，写代码的模式、架构包括所选用的组件会逐渐趋同，世界就失去了它应有的颜色，包括某些组件是有问题的时候，恐怕替代起来的成本也会变得非常大。在这种情况下，我们还是应该要具备理性思考的能力。

　　对于任何一个企业，我们身处这个时代，当然希望企业组织内的每位技术人员都能够积极拥抱新的技术。作为初级工程师的时候让它帮我快速完全代码的交付，当我是位中高级的工程师时，能够利用工具发现代码里面的问题，提出相应的可能性。现在的代码生成工具都会生成若干种选择，我们还是需要具备选择能力，工程师的能力要从初级的能写到能懂它为什么，如何做选择，如何形成架构，这个能力不是大模型能教给我们的，也不是它都能够完全实现的，如果我们只依赖大模型给我们提供简单的代码，而失去自己的思考能力，就像我们现在在信息世界里面出现的信息茧房一样，把自己给束缚住。

　　对于企业来说，肯定要更积极地拥抱变化。企业存在的价值就是积极构建资源重组的能力和模式，来输出更多的价值，既然大模型是生产力工具，我们肯定要拥抱它，希望用这样的工具为日常的工作提供最佳的助力，让我们在自身的低代码平台当中也参与到国家关于无代码生成的国家重点研发计划当中，这里面既有技术要解决的问题，也同时面对刚才提到系统性能力提升的问题。

　　企业一方面希望用工具让大家的能力变得更强，让大家的产出效率变得更高，但是我们也更希望这些工具能够让每位工程师和软件开发者，能够从更简单的敲代码过程转换到理解代码，能够设计需求、分解问题，形成组合选择的能力，让我们所生成的东西能够形成更佳的配比，这个能力是要向上走的，将基础的工作交给模型、工具和平台，自身的能力、知识的汇聚应该是向更高的层次发展，这对于企业来说是更有益的选择，也是个人更有益的选择。

　　仪思奇：感谢前面几位嘉宾，给我带来很大的启发，韩院长介绍的内容和我们之间有些相似之处，我们也做低代码，站在产业的角度上有两方面的思考和大家进行分享。

　　从客户角度来说，我们过去一直在做企业的数字化转型，做的是利用数字化的经营管理软件，帮助企业业务建立数字化孪生模型，引入大模型、智能化能力，发现智能化的能力与数字孪生模型的融合反过来影响现实业务。现在已经在试点的智能审核、智能审计，对于企业的业务流程、管理模式可以看到显而易见的效果，进一步随着智能体或者说多智能体协同的数字员工出现，也将对组织架构产生变革性的推动作用，包括整个产业完全智能化转型之后，对业务模式也会带来很大的冲击。从企业这侧来说，智能化确实对企业实体经营管理带来很大改变。

　　另一方面，作为软件供应商来说，对软件本体产生很大的变化，包括三方面。一方面是软件交互模式，过去软件以图形化为主，现在可以看到自然语言、对话式聊天也成为重要的补充；对于构建软件的模式，已经通过低代码实现帮助企业建立业务专家加技术专家融合的团队，共同完成软件的构建和定制，这已经取得比较不错的效果。通过智能化的技术引进，将进一步压低对于软件构造过程中对于专业技术的依赖，可以引入更多领域技术专家或业务专家参与到软件定制过程当中，总体来看还是积极向好的方向。

　　对于软件部署形态，过去一直围绕企业业务流程、数据的走向去构建软件，随着智能体的出现，可能会有大量业务从以流程为中心的模式转向以事件为驱动的模式，通过智能体和数字员工发挥数字化转型的作用。

　　总体来说，无论从企业的角度还是软件供应商的角度，智能化对于变革的推动作用还是非常巨大的。

　　宋贺鹏：感谢各位嘉宾的分享，刚才大家说的基本把我后面想问的问题解答一大半，我将后面的几个问题融合在一起。个人一直有个观点，其实通过一项新技术的诞生最主要的因素就是人类的懒惰。随着新技术越来越发达，人会变得越来越懒，现在大模型尤其是今天要聚焦的代码大模型。现在全球在做大模型，中国和国外差距并不是很大，如果举全国的资源来做，很可能抢到先发优势，形成国内基础性的研发平台，在此之上可以大力开发应用，让我国在软件研发的层面快速追齐或者超越，这是比较积极的观点。比较消极的观点是代码大模型可能会扼杀基础编程能力，可能会导致coding的工种没有了，高等教学中基础编程语言没有了，甚至学了之后这种基础编程的毕业生找不到工作。如果按自己的想法，哪种方式你们觉得比较有明显的趋势，或者比较接近于未来可能发生的真相。

　　李清勇：这个问题是仁者见仁，智者见智，我还是持乐观的态度。最近从各种科技新闻说AI程序员，给大家带来的冲击较大。我个人的观点是，大模型无论是代码大模型他还是工具，程序员是个人，而且代表着具有创新能力的群体，工具代替人的风险，从人类发展的历史来是比较低，可以从两个维度进一步诠释。

　　从软件开发需要的能力维度来说，软件开发不简单是coding的事情，涉及到各种方面的能力，比如抽象思维、建模能力，包括所说的计算思维，各个方面的能力都有要求，想做出好用的软件，需要有对物理世界的认知，以及对人情世故的感受，才能够开发出体验好的软件出来，这些能力的话目前大模型似乎没有展示相应的竞争力，这是能力维度。

　　从整个软件开发流程维度来说，软件开发它应该是很复杂的周期，在座各位行业专家应该更有经验，它从需求分析到系统的设计，再到coding，到后面的测试和运维都是很复杂的过程，在此过程中可能代码是一方面，但怎么和人打交道，对于事情的理解可能也是更加丰富的方面。

　　个人感觉，代码大模型可以把重复性的coding工作释放，但这样对于程序员，尤其对于优秀的程序员来说是有推动作用的，使得他有更多的时间和精力去思考创新性的事情，使得他所研究的算法或者产品更有吸引力。总结来说，个人的观点是代码大模型对于程序员，尤其对于优质的程序员来说是倍增器，放大他们创新和创造的能力。

　　宋贺鹏：我突然有个想法，您说代码大模型也好，它是种工具，或者说可以从某种程度上讲它也是一种生产工具，我的问题是，这种代码大模型算不算新质生产力？

　　徐童：我觉得绝对属于新质生产力，你刚才的问题我觉得特别好。有人说程序员要失业，有的人说不至于，其实我特别赞同李院长的观点，我相信在座的业内人士都比较冷静，对于代码大模型的能力有客观的认识。首先它是革命性的力量，非常强大的工具，其次我们也不能神化它。像李院长所指出的，程序员的工作不只是编码，职业的程序员编码时间只占工作的1/3，大量的工作需要和团队交流、客户交流以及和领导交流，需要解决非技术的因素，这是目前大模型解决不了，它更容易解决局部性的，比如帮你补全代码或者找个错误，有了代码大模型这种强大的工具以后，可以将程序员从重复性、枯燥的工作中解放出来，让他做更适合人类做的工作。

　　举个例子，说很多观点不如实际案例有力，教改项目组里面有位老师，他也是北邮教务处的副处长，他给我们看这次激进教育改革的录像，每年做数据结构课程设计的课，3个同学形成小组做小项目，以往这种项目做的很差，学生基本没有什么兴趣，但是今年他做了激进的改革，必须采用“码上”的大模型，效果让他特别震惊，学生在演讲的时候特别踊跃，而且他们做的项目极其酷炫，不像是大二学生能做出来的，充满想象力。我们分析，以前的项目比较简单，但是同学们被最基本的代码卡住，无法很快形成成果以后他就很受挫，没有成就感，用大模型之后能够让同学把枯燥的东西迅速完整，把精力聚焦在产品设计、用户体验的打磨等，产生非常大的成就感，他非常乐于做个很新的东西，这让我们感觉非常的振奋。你刚才提到人会不会变懒，我觉得有些人不会变懒，尤其这次项目是一批人，这不是个例。

　　我们经常有个误区，程序员要失业，有个基本前提是软件产业的量是一定的，量一定的情况下大模型干的多，程序员肯定干的少，但是从科技发展史的角度来看往往不是这样的，新技术进步之后产业急剧扩大，虽然机器的生产力扩大，但是产业放大之后带来更多人类的就业岗位。比如说汽车之前的时代，大家是驾着马车，但是汽车普及之后开汽车的司机更多，这是我的观点。

　　戴敏：我从企业或者从软件实践的角度也来扩展一下。刚才谈到实验，发现同学们更踊跃，或者思想更开放。人类的程序员，某种程度上可以认为人从出生以后不断接受各种信息数据，你在不断地训练思想，。不管程序员还是学生我觉得都很有意思，人成长这么多年，真正学习代码开发时间和学习整个人类知识、世界知识的时间相比来说微不足道，按照现在的模式，不管软件开发还是同学们做这些设计，其实我们要求他回过头来，回到他学的几年的知识领域，用这个知识领域来表征出他的想法，确实有可能这个过程会堵塞很多新的思想和想法，或者大家的积极性。大家最熟悉的还是经过几十年培养起来自己的这些思维方式，自己的思想上的亮点，这是我想谈到的一点。

　　第二，刚才听老师谈的时候，前半句话讲有点麻烦，好像我的观点和老师不太一样，说到软件或者开发的盘子是不变的，我想这该怎么办，听见后半段我们感受特别深，刚才我说行业里面，电子化、信息化到数字化，每个阶段的时候好像都有种感觉。因为技术的发展，开发效率越来越高之后，会不会原来的市场没了？其实不是，因为市场越变越大。我经常在公司内部谈的时候说，大家不要觉得原来要开发1周的东西，现在是2小时开发，带来的影响是原来客户只敢给你这么多需求，现在给你更多，因为效率提高、成本降低。在IT推广比较早的行业，它的IT条线的组织架构比较完善，但现在有个特点，所有行业比如说从招聘信息来看，很多行业开始完善地构建自己的科技条线，意味着科技引入、IT引入的门槛更低，可以做的事情更多，更多的企业能够建自己的，而不是原来大家只能采购，也可以从客观上说市场越来越大。

　　沿着这点，回到刚才的问题，这两个观点有一部分认同，有一部分不完全认同。比如说惰性，从软件开发、行业软件的角度，肯定会存在，能力提升之后对企业也好，对机构也好产生新的压力，要求你必须进一步提升能力，而不是留在原地踏步，因为这样会被淘汰掉。因为客户给你的新压力和新需求，不会让我们停在原来，像刚才老师提到的，可能要加强更强的方面，这就涉及到第二个方面，在整个软件开发里，刚才谈到不管从软件工程，特别是对复杂的软件系统，它会更强调系统工程的技能应用。相对于小的应用，比如说网页和网站的应用不算，但是2B它会越来越体现这点，但是这个能力在我们的大模型，在现在这个时代的大模型，哪怕加上Agent机制之后也是远远不够的。

　　大模型回到根源来看，我一直也在想个有意思的问题，很明显的一点，很多大模型如果在专用知识领域只有少数大模型表现突出的话，你会发现代码这个领域比其它领域表现好的大模型要多得多，我在想这个问题为什么？本质上就是因为代码大模型训练数据、样本数据质量更高，从某个角度上来讲国内的软件开发商开发出来的代码和国外软件开发商开发出来的代码，本质上都是java、C，差异小得多，跟你同样写一份需求规格说明书来说，大家的差异比代码大得多，因为代码本身已经强加很多约束，客观上导致质量很高，所以在代码领域代码大模型表现可以这么好，我们原来已经把很多数据的噪声剔除掉，也能看得到代码大模型的能力为什么在这个层面。刚才说初级程序员表现会突出，中级、高级表现会差，即使利用Agent，这时候更多利用上层的抽象，比如根据简单的原始需求生成系统，我们有些小同志的误区，觉得大模型已经到了这种程度，其实远远不高，特别是对复杂系统而言，这种能力是现有的语料基础上达不到的，这才是刚才说中高级程序员应该重点看的。中高级程序员，特别是对于行业应用而言，最重要的是具备自己的行业领域知识，不止是规范固定的编程语言的领域，而是其它，从这个角度来说至少在目前阶段我觉得没有办法替代，而且会要求更多地去做这个事情。

　　第三，在这个事情上除了有市场压力，以及分析应该朝哪个能力方向以外，大模型本身上除了代码开发，现在尝试的除了代码本身以外，还有在我们解决客户业务场景下的增强，比如说对传统的机器学习解决方案的增强，机器学习受力于算力和数据量，停留在这样的程度，大量的人工特征工程来解决。但是现在到了这个阶段，实际上可以尝试其它的手段。在这样的一种方式下，如果从软件开发企业的角度上，它可能代表着一种新的数据和信息的处理范式，这个范式意味着你如何使用、如何去组织团队，如何构建你的文化，都可能会产生变化，以原来一个代码库、代码培训、代码考试的标准来界定这个人，可能会变，可能辅助些其它东西，比如企业的战略规划，比如企业文化配合，这些方面也要逐步跟上。

　　韩国权：前面几位专家从专业的角度提了非常好的见解，我提三点个人的看法，还是更喜欢把事跳出来看。

　　第一，在座很多人都是学软件、计算机相关专业，在上学期间真正学代码的时间其实非常短，我印象中上学的时候代码都是课外的事情，课内不讲代码。回过头来看，软件工程真正要解决问题不完全是代码，它是很重要的工作，但是不是唯一的工作，或者说前面有专家提到1/3的工作可能是coding，剩下都是其它事情。从这个角度来看，能够让我们的coding效率变得更高，只是解决其中之一的效率问题，还有更多效率和质量的问题，我们的提升应该在整个软件工程体系当中，需要增长的能力可能会更多，也许未来有模型帮我们解决其它方面的能力，但是软件工程体系化里面的东西很多不是单纯的追求科学最高效率。比如说现在算法驱动的快递行为，需要的是温度，不完全是效率，如果完全交给机器的时候，可能实现效率的最高，但是不能在人类社会里面形成有温度的IT能力，当然这也是我们在学习软件工程整个学习里面很重要的部分，和业务打交道，和人打交道，和安全要求打交道，这些都是在代码之外的。它可能帮我们在某些能力上能够快速掌握，但是不能替代我们的所有，我们应该能够形成在其它能力上更快增长。

　　第二，现在在反思大模型，包括人工智能从刚出来到现在，一些很重要的社会现象，原来我们认为机器应该解决基本体力劳动，一直以来都是这样，曾经认为把很多基础性的工作由人工智能、机械和系统解决，但是大模型出来的时候，大家翻看在前年底、去年初很多分析文章都在讲，可能某些工种不见了，现在我们再看最近的文章，其实是创造性的工种受到最大的威胁，不是基础的工种，比如说AI的绘画、AI的作曲，文件不能说简单的摘抄，而且汇编、分析这样的工作，在整个工序里面并不是最基础的部分，相对是往上提。现在有关于AI伦理的认知，人工智能包括大模型的出现，可能会更快的造成人类的两级分化，有些工作明确不会以人工智能的方式替代，中间的工作被替代之后，逼着很多人变成更复杂的智力劳动交给人类完成，这时候更呼吁的是人工智能温度的问题。从这个角度看，不管被替代的是哪个部分，一定会有底层的部分是没有办法被替代的，coding都写出来，测试也能够自动化，系统形成的结果和业务、和人之间的交互能不能形成最优，我可能做最优的系统，交出来是最优的效率，但是应用这个系统的人是不是能够接受这个最优的效率，是不是可以调整他的思维方式和行为模式，这时候人工智能需要再退回一步，在背后支撑软件工程师们和软件从业者们，做好这方面的解释。

　　第三，目前看出代码生成工具能够覆盖的语言种类非常多，这就冒出来全新的问题。早期有个语言叫logo语言，假设在那时候有大模型帮我们写logo语言，会出现后面所有新的技术体系和新的语言体系吗？可能都没有，人类正是因为遇到更多的问题，我们形成更多的创新思维，以体系化和结构化的方式在创新语言，而机器在帮我们某个语言上实现它的最优，创新的工作，当我们的能力变得更强的时候，其实我们要解决的问题还有一大堆没有人解决，软件的工作者应该更多地看到还没有被解决的问题，我们能不能有更创新的技术、体系、方法来解决。这就有了前面几位专门都提到的，软件能解决的问题，世界会变得更大，我们会有新的东西出现，会有新的问题解决，这时候要靠人类的创造力，世界是这样不断迭代的，我对于目前coding的大模型，对于软件产业的影响，整体来看还是非常积极地拥抱，因为我们相信人类的创造力和人类社会的复杂度，还有很多的工作需要软件从业者花时间精力去成长，解决掉它。

　　仪思奇：我其实和韩院长有着类似的观点，对于大模型的出现是不是软件工程师自己内卷，自己革自己的命，大家大可不必有这方面的顾虑，回顾整个软件发展的过程，现在大家看到大模型出现，生产力陡然提升，感觉好像自己在革自己的。但回顾整个软件发展的过程，软件工程师一直在革自己的命，从语言、框架、设计思想各方面的进步，一直在提升软件开发本身的效率。软件开发的过程来说，不仅仅是编码，就编码这一部分来说，生成代码这一小块来说也不是高级程序员非常想干的一件事，有的时候内部开玩笑，感觉现在的软件这么复杂，有这么多的团队来做，我们不像知识密集型产业，更像劳动密集型产业。就是因为有大量代码生成工作，对于高级程序员来说这就是重复的劳动，通过大模型把这部分的工作适当的取代，我觉得更多的是解放大家的思想，有更多时间看他自己想要专注的问题，包括工程结构的问题、业务领域的问题、用户体验的问题和性能管理方面的问题，高级的程序员更喜欢关注和解决这类的问题。

　　我们在内部和实习生聊这个问题的时候也开玩笑说，在软件开发这个行业特别切记一点，你学会了钉钉子，看什么都想钉钉子，好像我们在盖房子一样。以前在农村老家盖个房子需要一门手艺，但是现在面对企业的需求不是三层五层的小楼，而且上百层的摩天大楼，我们需要更多的技巧，需要解放生产力，释放人们的创造力和价值，这块还是比较乐观的。

　　宋贺鹏：感谢五位专家的精彩分享，由于时间关系，今天不再过度地解读和分享后面的细节。

　　（声明：所有会议实录均为现场速记整理，未经演讲者审阅，国际在线登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。）