郵儲銀行,奔跑在智能化軟件開發的春天裏_風聞
脑极体-脑极体官方账号-从技术协同到产业革命,从智能密钥到已知尽头1小时前
2011年,硅谷投資人馬克·安德森的一句話——軟件吞噬世界(Software is eating the world)被世人所知曉。10多年過去了,一語成讖,這句話已經成為當下的共識。各行各業的數智化,都離不開軟件的研發、迭代、維護乃至創新。但現實中,軟件吞噬世界之前,首先會吞噬掉開發人員的時間和精力。隨着軟件研發的需求與日俱增,很多企業的開發人員數量,卻沒有也不可能同步指數級增長,加上應用軟件是政企服務觸達最終用户的觸點,為了更精準、更及時地適應市場變化、滿足客户需求,持續升級軟件功能成為必需,開發人員承擔的研發、測試、運維等任務也比以往更繁重。如何將開發人員從重複枯燥的工作中解放出來,聚焦於更具創造性、創新性的軟件研發,成了行業數智化順利實現的前提條件。在郵儲銀行身上,我們先一步感受到了行業數智化充滿希望的春天。作為數字金融的先行探索者,郵儲銀行已經打造了“郵儲大腦”、智能運維平台等,來支撐金融轉型升級。最近上線的“郵小研”智能開發平台,則有望加速金融應用的研發與迭代進程,讓郵儲銀行實現數智化加速跑。以郵儲銀行為例,我們來看看智能化軟件開發,如何推動一家企業乃至一個行業邁進數智化春天的。金融行業數智化如火如荼,是積極擁抱大模型的第一梯隊。郵儲銀行正以顯著的“加速度”奔跑,積極佈局數字化轉型戰略,加大對大模型、雲原生、AIoT等新一代數字技術的深度投入。當“AI+金融”“數字+金融”應用,在郵儲銀行的業務土壤中等待萌發的時候,離不開一種能力:軟件開發。所以,金融數智化,郵儲銀行首先面對的一個困境,就是軟件開發的“三多”難題。需求多:郵儲銀行處在數字化轉型的關鍵時期,產品研發需求旺盛,導致應用開發的任務繁重,其中存在大量重複性工作,亟需邁向智能化、自動化。功能多:基於前期的數智化探索,郵儲銀行已經上線了大量智能應用及功能,這些多樣化功能的測試上線,都依賴於開發人員的“手工作業”,比如需求分析、編寫測試腳本,導致產出率低,拉長了軟件發佈週期。耗時多:系統測試全工程生命週期較長,交付效率不夠高,極度消耗測試人員的時間,這與銀行數智化應用較短的迭代週期,形成了巨大的矛盾。面對軟件研發的“三多”困境,銀行在當前環境下又確實需要做好成本控制,注重投入產出比。該如何填平這條供需鴻溝呢?基於大模型的智能化軟件開發,逐漸成為行業認可的方案。基本邏輯就是提前將金融軟件的相關知識、能力、成果沉澱到一個模型中,並結合算力、開發工具棧、雲服務等必要基礎設施,來支撐軟件研發的全局智能化、全流程自動化,從“手工作坊式”開發模式邁向“工業化生產”。用一個研發測試平台,來解決軟件開發“三多”與開發資源有限之間的矛盾,無疑是一個絕佳的解法。通過引入大模型技術,郵儲銀行希望建立一個高效、智能的研發測試平台,以支持金融科技產品的快速開發和高質量測試。藉助平台一系列自動化和智能化的測試工具和服務,提高軟件測試的效率和精度,降低開發成本,提升產品質量,加速產品上市時間,並支持業務創新。但新的問題,又擺在了郵儲銀行面前。一是技術門檻,智能化的研發測試平台,需要打造一個專精於軟件開發的基礎大模型,這對金融行業提出了很高要求;二是資源門檻,研發測試平台還需要AI算力、雲服務、工具棧等一系列必要的研發資源,而且還要滿足金融業對安全合規、自研可控、高可靠性等要求。縱觀市面上,能滿足上述條件的智能產品和服務並不多。那麼,郵儲銀行的數智化腳步會因此而停滯嗎?如今結果已經知曉,郵儲銀行順利地打造出了智能開發平台“郵小研”,解決軟件研發的“三多”難題,支持金融科技產品的快速開發和高質量測試,為數智化創新添動力。讓我們好奇的是,郵儲銀行究竟是如何邁過兩大門檻,先一步抵達了百花齊放的數智之春呢?“好風憑藉力,送我上青雲”,中國人常用這句話來形容一個人的際遇突破,離不開外力的幫助和加持。如果我們把“郵小研”,看作是郵儲銀行在智能化軟件開發領域的一員猛將,那麼它的成功問世與智能覺醒,也離不開華為雲CodeArts盤古助手這一股“好風”。前面提到,打造一個智能測試平台,郵儲銀行要邁過大模型技術和多樣資源的兩道門檻,而這些都被CodeArts 盤古助手很好地解決了。首先是技術方面,CodeArts盤古助手的前身是2022年11月亮相的CodeArts Snap智能開發助手,基於盤古研發大模型打造。該大模型此前已經學習了1300多萬篇經典的技術文檔和760億行精選代碼,熟悉了500多萬個開源代碼倉,實現了一句對話讓代碼生成、一次點擊自動註釋和生成測試用例、一條指令智能部署。作為軟件開發者的編程助手,在華為內部和諸多行業都實現了落地應用。2024華為全聯接大會期間,華為雲發佈了全新升級的CodeArts盤古助手,具備重塑軟件開發的智能化能力,成為智能化軟件研發的新範式。其次是資源方面,對於金融業來説,安全合規是“紅線”,因此算力、算法等平台底層的基礎設施必須可靠、可信、安全,而數字金融服務又要覆蓋超大規模用户,性能也必須夠高。這一點上,華為雲就很好地滿足了金融行業需求,來解決上述痛點剛需。比如CodeArts盤古助手的底層能力,依託於華為雲的昇騰AI雲服務,提供強大、可靠的AI算力。未來,CodeArts盤古助手也將深度嵌入CodeArts軟件開發生產線,持續提供研發全流程的智能增強能力。軟件開發生產線CodeArts,也是華為雲打造的一站式軟件開發平台,工具代碼內核自研率高達96%,可以提供需求管理Req、代碼檢查Check、測試管理TestPlan、代碼託管(CodeArts Repo)等20多款自主創新的軟件工具服務,覆蓋需求、設計、開發、測試、部署、運維等軟件開發全生命週期環節。其中全棧自研的雲端代碼託管服務CodeArts Repo,就非常適合分支網點眾多的大型銀行,進行跨地域的多人協同開發。所以,通過CodeArts盤古助手智能生成、智能問答、智能協同三大核心能力,郵儲銀行可以更加高效地開發應用程序。其中智能生成,支持代碼生成、單元測試用例生成、測試腳本生成等生成功能,幫助開發者提升開發效率、減少代碼錯誤和漏洞。智能問答,支持代碼解釋、代碼優化、代碼調試、代碼翻譯等交互問答功能,可以輔助開發人員理解代碼、修復缺陷和優化代碼。智能協同,支持需求獲取、代碼提交、流水線執行等服務的無縫銜接,可以幫助開發人員用對話形式調用華為雲服務,實現一站式應用部署。在華為雲CodeArts盤古助手的有力支持下,“郵小研”覺醒在智能化春風裏。使用華為雲CodeArts盤古助手打造的智能開發平台“郵小研”,支持大模型精準調優、RAG檢索增強,以及多Agent協同系統等任務。目前已生成超過26萬行的代碼,構建了100+應用系統,代碼生成採納率超30%,單元測試代碼採納率超60%。更好的智能化開發體驗,讓郵儲銀行的軟件工程師們紛紛“真香”,內部有超過50%的工程師使用“郵小研”來開發應用程序。智能化軟件開發之路走得更加順遂,郵儲銀行的應用創新和數智化升級速度,自然也就更快了。生機盎然的 “郵小研”,讓我們看到了智能化軟件開發給郵儲銀行數智化帶來的助力。數字經濟浪潮已經是各個國家和地區都在積極擁抱的確定性趨勢。我們希望越來越多的金融機構和其他行業,跑出數智化加速度。而行業數智化的起點,一定是軟件開發智能化。為什麼呢?首先,行業數智化以AI、大模型、雲計算等通用技術為核心,而這些都依賴於軟件工程來進行落地,在行業中釋放技術價值與紅利。但目前,數智化還處於“研發為重”的第一階段,多數銀行還在進行技術儲備和淺層嘗試。可以説,只有在軟件開發自動化、智能化之後,才能進入數智化的快速發展期。這既是機會,是建立差異化競爭力的關鍵期;也是挑戰,必須儘快提升軟件開發的智能生產力。CodeArts盤古助手的價值,恰恰就在於此。首先,作為一種大模型技術在軟件研發領域的落地產品,CodeArts盤古助手是一種能力自證。如果基於大模型的智能化軟件開發,連開發者都不願用、用不好,連軟件行業自身都改變不了,那想改變其他業務場景與行業就更困難了。其次,作為技術先進、高效、低門檻的產業基礎,CodeArts盤古助手為行業和企業解決了智能化軟件開發所耗費的巨大研發成本與資源,會激活行業的信心,更加勇於開展數字化的創新探索。在此基礎上,率先建構起智能化軟件開發能力的企業,會具備更強大的開發效率和迭代能力,建立差異化優勢,重塑AI時代的競爭力。也就是説,未來企業的數智化能力建設,智能化軟件開發將是基礎與核心。所以説,智能化軟件開發,是行業數智化百花齊放的前提條件之一。華為雲CodeArts盤古助手,就是各行各業正在等待的一股春風,不僅在郵儲銀行種下了一抹數智化綠意,也將加快行業數智化春天到來的腳步。目前 CodeArts 盤古助手已在金融、汽車、醫療、能源、製造等眾多行業場景中成功實踐,華為雲從基礎算力到大模型服務、再到具體應用的全棧AI能力,為不同行業和領域的轉型升級提供有力支持,幫助企業加速構建現代化應用,讓AI加速走向千行萬業。