中电金信：从AI赋能到AI原生——企业级工具链平台重塑与建设实践

导语：近日，中电金信受邀出席“2025·CSDI中国软件研发创新科技峰会”，与国内外一线技术专家共话AI与算力驱动的产业变革。

随着企业数字化转型的不断深入，如何在企业现有研发工艺基础上，通过引入AI技术来提升软件研发效能、降低成本、增强影响能力，已成为企业必须面对的关键课题。在企业数字化转型与AI工程平台应用专场论坛中，中电金信研究院副院长、数字银行事业部总经理胡汝道发表主题演讲《AI重塑软件工艺、企业工具链平台建设实践》，分享了如何驱动AI深度融入软件开发全流程，推动企业软件研发效能提升。

中电金信研究院副院长

数字银行事业部总经理 胡汝道

本场分享中，胡汝道聚焦企业级软件研发工艺和工具平台构建，展示了如何通过AI助手和智能体，与软件研发流程和工具实现深度融合，从而显著提升各项研发指标。同时，他结合中电金信在金融等重点行业领域的实践，对这一路径进行了可行性验证、成效分析和未来展望，并为未来“AI为主、人为辅”的软件开发新模式，提供扎实的研究基础与实践参考。

01

用AI重塑软件工艺

为什么是现在？

过去十年，软件工程经历了敏捷、DevOps、云原生等浪潮。但进入智能时代，我们发现：

■　软件研发复杂度越来越高，需求、架构、开发、测试环环相扣，任何一个环节的信息丢失都会导致成本上升；

■　企业虽然积累了大量资产与经验，却无法高效复用；

■　信息孤岛和沟通壁垒，成为制约研发效率的关键瓶颈。

与此同时，大语言模型等AI技术的突破，为软件研发提供了全新的可能性。今天我们不再讨论“AI能否进入研发过程”，而是要回答“如何让AI真正融入研发全过程”。

从“AI赋能”到“AI原生”，这是一个质变的过程。正如电力改变了工业革命，AI正在改变软件工艺的底层逻辑。

02

推动科技管理的“三通工程”

锻造企业一体化软件开发工具链

从企业架构视角透视科技管理本质，运用企业架构的方法论推动科技管理的“三通工程”。

面对复杂的软件研发体系，中电金信提出“三通工程”作为核心方法论。从企业架构视角推动科技管理的本质升级：

■　组织通：打破业务与IT的壁垒。实现业务功能、流程与IT职能贯通，让研发团队不再是“接单式”的存在，而是和业务团队同频共振；

■　数据通：贯穿主数据流动。从工作层到管理层再到决策层，数据要透明、要标准、要一通到底；

■　流程通：需求、设计、开发、测试、投产形成闭环，不再是割裂的链条，而是高效的生产流水线。

在这个体系下，我们打造了一体化的软件开发工具链和工艺框架：

■　以企业级元模型为核心，实现研发活动的标准化表达；

■　建设研发资产库，让需求、设计、代码、测试等资产能够沉淀和复用；

■　通过数字孪生过程，让研发从“0-1”建模，再到“1-N”资产复用，形成持续迭代和保鲜的研发循环。

这就像搭建了一条“数字化生产线”，既保证了研发活动的可控性，又释放了AI融合的空间。

03

依托场景化助手+行业知识库

实现AI赋能软件开发全过程

采用“场景化助手+行业知识库”的方法，为现有研发平台全流程进行AI赋能，建立全流程智能化水平，提升整体效率。

我们采用“场景化助手+行业知识库”的方法，将AI能力系统化嵌入研发平台的每一个环节：

■　AI 4 需求

• 过去，需求往往在传递过程中被层层拆解，信息损耗严重；

• 借助AI助手，可以实现需求的自动分析、拆解和追踪，让需求直接传达到开发人员手中；

• 这样不仅减少了沟通成本，还保证了需求的“保鲜度”。

■　AI 4 建模

• 业务需求说明书可以直接输入AI智能体，自动生成业务模型；

• 系统能够识别出任务、活动等关键元素，并自动填充描述；

• 元素之间的横向、纵向关系，甚至来源文档追溯，都可以由AI自动完成。

■　AI 4 设计

• 传统的设计环节，常常需要大量人工编写和转换；

• AI可以通过解析文档，快速生成设计资产，自动完成数据建模、接口配置、服务编排，并输出设计脚手架代码；

• 研发人员的关注点，从“如何实现”转向“验证和优化”。

■　AI 4 编码

• 通过在IDE（如IDEA、VSCode）中嵌入AI编码助手，基于企业知识库和历史资产，能够自动生成70%~90%的业务逻辑代码；

• 同时，它还能补全、优化、审查代码，生成单元测试与注释，真正提升开发效率；

• 特别是通过“企业知识+大模型+智能体记忆”的融合，显著提升了代码的采纳率，避免了AI生成代码“用不上”的尴尬。

■　AI 4 测试

• 测试自动化是研发智能化的关键一环；

• AI测试机器人能够自动提取测试点，生成测试大纲与用例，甚至可以基于界面元素信息，自动生成和验证测试脚本；

• 支持自然语言或录屏方式生成测试脚本，进一步降低测试人员门槛；

• 最终实现从测试用例生成、脚本生成到结果跟踪、报告总结的全流程自动化。

从需求到测试，AI已经不再是“局部帮手”，而是研发全链条的“智能伙伴”。

04

实践与展望

打造从“AI赋能”到“AI原生”的软件工程新范式

实现从现在的“AI赋能软件工程”到“AI驱动软件工程”，真正打造“以AI原生”的软件工程新范式。

在实际落地过程中，我们得出3个关键认知：

■　 “场景化智能体+企业知识库”是最有效的组合：智能体解决流程和执行问题，知识库则保障规范性和专业性；

■　人机协同是最佳实践：AI负责效率，人类负责价值创造，两者形成互补；

■　平台化思路是未来方向：通过统一的平台，能够快速接入新的AI技术和工具，降低改造成本，提升适配效率。

未来，我们认为软件工程将迈入一个全新的阶段：

■　从AI赋能软件工程，走向AI驱动软件工程；

■　最终实现AI原生软件工程，也就是研发本身就是以AI为核心组织起来的。

届时，企业研发平台将变成“AI原生平台”：

■　需求、建模、设计、编码、测试全链路由智能体协作完成；

■　知识库、记忆库与大模型深度融合；

■　研发角色从执行者转向验证者、优化者与价值创造者。

这场变革将带来效率和质量的双重飞跃，也将彻底改变软件研发的范式。