大模型已超越辅助工具范畴，正深刻重塑软件开发流程与工程师的传统角色，从代码生成到团队协作，效率边界被重新定义，引发行业对未来技能需求和工作模式的深层思考。这并非简单的效率提升，更是一场关于人类与AI协作新范式的探索，预示着一个以智能体为核心、以高阶思维为驱动的软件工程新时代。
当“AI写代码”不再是科幻小说的桥段，而是工程师日常工具箱里的寻常物件，自动补全、代码生成、原型搭建几乎成为标配，业界对人工智能的关注点，已悄然从“AI是否会取代程序员”转向更具深度的问题：当大模型真正融入研发体系后，究竟什么变了？什么又未曾改变？近日，InfoQ《极客有约》特别邀请了同程旅行、网易游戏和百度等公司的资深专家，共同探讨了这一深刻变革。他们的洞察揭示，大模型正在发起一场自底层技术逻辑到高层团队协作，甚至是对工程师自身核心竞争力边界的范式重塑。
AI如何重塑软件开发流程？
大模型的融入，首先体现在对软件开发生命周期（DevOps）中关键环节的自动化赋能。百度资深研发工程师颜志杰指出，在传统的DevOps双环模型中，编码（Code）和构建（Build）环节长期以来以人为主导，因为它们依赖复杂的逻辑判断和创造性思维，难以通过规则穷举实现自动化。然而，随着模型能力增强，特别是推理模型（Reasoning Model）的推出，大模型开始具备了“慢思考”能力，能够处理这些“强逻辑”任务1。业界涌现的如Cursor的Composer、Comate的Zulu，以及Devin、SWE-Agent、Mauns、Genspark等AI Agent，都在加速打通这些此前被认为是自动化盲区的环节。颜志杰强调，正是大模型使得AI能够像人一样被异步委托任务，并与人高效协作，这确实是“离开了大模型根本搞不动”的突破性进展。2
这种变革不仅限于代码编写，更延伸至研发协作模式的演进。同程旅行工程效能架构师杨方伟观察到，大模型正在催生知识共享的新范式，它成为一个动态、可交互的团队内部知识库。新成员可以通过与AI对话快速理解项目细节，极大减少了对资深工程师的频繁打扰。此外，大模型也降低了跨领域协作的门槛，例如帮助工程师理解产品设计初稿或API文档，从而提升沟通效率。网易游戏高级技术经理林香鑫则补充说，大模型赋能了“有想法且能动手”的人，例如策划人员现在可以借助大模型的编码能力，快速验证思路并形成原型，根本上改变了传统“需求-研发-验收”的低效循环。这种新模式允许在构思阶段同步进行原型论证，从而预判并排除潜在风险点。2
同时，企业内部的工作模式也在悄然改变，员工开始优先思考“哪个AI工具能解决当前任务”，而非传统上“先找人对接”的路径。这种思维习惯的转变，被林香鑫视为大模型时代的关键特征。2
重新定义工程师的价值
在大模型浪潮下，工程师的核心竞争力正在被重新定义。颜志杰将AI带来的收益分为“enable”（赋能）和“enhance”（增强）两类。他认为，AI的赋能作用更为显著，它让工程师能够完成原本无法胜任的任务，例如后端工程师利用AI工具快速生成前端页面，弥补技能空白。而增强作用则体现在提升现有能力上，如生成单元测试或深度报告，但这通常难以带来质变级的效率感知，因为AI无法承担最终责任，端到端任务仍需人工校验。2
多位专家一致认为，在AI时代，最能受益和脱颖而出的工程师具备以下特质：
- 积极拥抱变化与好奇心： 乐于尝试新工具，探索大模型应用场景，不畏惧试错。
- 优秀的交流与调适能力： 能清晰准确地与AI沟通（通过优化提问等方式）以修正结果，并随着模型迭代调整交互策略。林香鑫尤其强调了“精准定义问题的能力”，认为其重要性在AI时代被放大。
- 快速学习与整合能力： 迅速掌握AI工具特性并融入现有工作流，能从更广泛视角审视问题。
- 扎实的基础知识： 能更敏锐地发现问题，并快速做出准确判断及有效优化，这是掌握核心决策要素的关键。2
与此相对应，过去被视为核心竞争力的一些“死磕”式技能，其价值正被稀释。林香鑫提到，精细记忆API调用方式或重复性调试等，在AI加持下变得相对廉价。这促使工程师将精力聚焦于大模型目前难以胜任的领域：对关键业务需求的深度理解和解决非典型问题的能力。后者包括对前沿技术的理解与整合，以及跨领域解决方案的创新。颜志杰强调，核心在于避免与AI或机器比拼记忆等特定能力，而是寻找自身独特的竞争优势。AI无法“背锅”，最终决策与掌控权仍在人类手中，因此，成为能指挥AI的“方向盘”掌控者，其价值将随AI能力的增强而同步提升。2
效能度量与未来展望
尽管AI带来了显著的效率提升，但一线工程师的直观感受却可能有所差异。颜志杰指出，当前AI对工程师整体工作时间的覆盖度不高，且若仅作为Copilot辅助编码而需人工校验，其效率提升感知有限。他认为，真正的质变在于实现任务的“自动化”，而非简单的“辅助”。当大模型能够异步托管并完成复杂任务时，工程师的精力才能真正转向系统稳健性、处理AI无法解决的10%-20%关键问题。业界普遍报告的AI提效在10%-20%区间，考虑到编码仅占工程师30%的时间，这难以带来显著体感变化。2
对AI工具开发者而言，焦虑感更甚。林香鑫坦言，行业迅猛发展的宣传与实际落地应用之间常存在差距，团队面临的挑战是如何证明自身能达到业界宣称的水平，以及评估引入AI工具究竟是提升效率还是增加了成本。对于个人工程师，这种效率焦虑也普遍存在，但专家们建议，最有效的应对方式是投资自身未来的能力，保持持续学习状态，聚焦价值创造而非简单重复劳动，并守住质量底线。2
有趣的是，关于“AI是否会导致软件工程师数量减少”的提问，专家们给出了反直觉的答案——数量会增加。杨方伟和颜志杰都认为，如果AI能大幅提升生产力，使更多人具备工程师能力，将催生远超生产力增幅的新需求，并以更低成本实现更多任务，最终推高对相关人才的需求总量。这种观点与启明创投主管合伙人周志峰的看法不谋而合，他认为在AI时代，“模型即产品”的理念决定了模型或Agent的优秀程度直接决定了产品的绝大部分表现，这预示着掌握底层模型能力的企业将诞生更多超级应用3。阶跃星辰创始人、首席执行官姜大昕也指出，2025年AI Agent之所以火爆，与模型能力大幅提升和使用门槛降低密切相关3。
在衡量研发效率方面，专家们强调了目标导向的重要性。林香鑫指出，需求交付速度是典型标准，而AI工具的使用量和用户满意度可作为辅助考量。颜志杰则提出，度量指标需与团队具体实践和迭代节奏紧密结合，例如双周迭代团队可关注“两周内完成需求占比”。杨方伟总结说，指标应服务于改进，而非成为目的本身，需根据团队阶段性需求和特性进行选择。2
在实践层面，当前AI代码生成占比约30%-40%，但通过优化IDE规则等方式，有望将人工调整比例降至20%，从而实现30%-40%的效率提升。同时，保证AI生成代码的正确性依然依赖传统手段，如严格的代码审查、安全扫描，以及通过提供历史案例、Few-Shot学习和明确规则来约束AI的生成范围和风格。2
展望未来，杨方伟认为2025年将是AI应用开发的爆发元年，预见其将迎来井喷式增长。林香鑫也指出，目前模型能力呈垂直化发展趋势，选择模型需结合具体业务场景。从整体来看，大模型正在推动一场深刻的软件工程变革，它并非替代人类，而是通过赋能和提升，拓展人类解决问题的边界，并催生一个全新的、人机共生的软件开发生态。对于工程师而言，保持好奇心、持续学习，并将快速迭代的AI技术与实际业务价值紧密衔接，将是其在时代浪潮中“被看见”并保持竞争力的关键。2