新冠疫情對(duì)全球經(jīng)濟(jì)與社會(huì)運(yùn)行模式產(chǎn)生了深遠(yuǎn)影響，也加速了人工智能（AI）技術(shù)的應(yīng)用與迭代。進(jìn)入后疫情時(shí)代，人工智能不再僅僅是前沿科技的象征，而是成為驅(qū)動(dòng)產(chǎn)業(yè)復(fù)蘇、重塑商業(yè)模式、提升社會(huì)韌性的核心引擎之一。中金公司在其系列研究中指出，人工智能的發(fā)展正呈現(xiàn)出若干清晰趨勢(shì)，而人工智能應(yīng)用軟件的開發(fā)也隨之進(jìn)入一個(gè)更為務(wù)實(shí)、融合與創(chuàng)新的新階段。

一、人工智能發(fā)展的核心趨勢(shì)

1. 從技術(shù)探索走向規(guī)模化應(yīng)用：疫情中，AI在病毒基因分析、影像診斷、流行病學(xué)預(yù)測(cè)、無接觸服務(wù)等方面證明了其巨大價(jià)值。后疫情時(shí)代，這種價(jià)值認(rèn)知推動(dòng)AI從實(shí)驗(yàn)室和試點(diǎn)項(xiàng)目，走向各行各業(yè)的規(guī)模化部署。企業(yè)不再滿足于“擁有AI能力”，而是追求“用AI產(chǎn)生可衡量的業(yè)務(wù)價(jià)值”。

1. “AI+產(chǎn)業(yè)”深度融合成為主線：AI的發(fā)展動(dòng)力從互聯(lián)網(wǎng)行業(yè)向傳統(tǒng)產(chǎn)業(yè)溢出。智能制造、智慧醫(yī)療、智慧金融、智慧城市、智慧物流等領(lǐng)域成為AI落地的主戰(zhàn)場(chǎng)。中金公司認(rèn)為，能夠深入理解特定行業(yè)痛點(diǎn)、業(yè)務(wù)流程和數(shù)據(jù)邏輯的“行業(yè)AI”解決方案將更具競(jìng)爭(zhēng)力。

1. 大模型與生成式AI引發(fā)范式變革：以GPT系列、文心一言等為代表的大語言模型，以及AIGC（人工智能生成內(nèi)容）技術(shù)的突破，標(biāo)志著AI從“感知智能”邁向“認(rèn)知智能”和“創(chuàng)造智能”的新階段。這不僅催生了聊天機(jī)器人、內(nèi)容創(chuàng)作等新應(yīng)用，更通過“模型即服務(wù)”（MaaS）的方式，大幅降低了AI應(yīng)用開發(fā)的門檻。

1. 普惠化與責(zé)任化并行：一方面，云服務(wù)、開源框架和低代碼/無代碼平臺(tái)使得AI技術(shù)更加易得，中小企業(yè)和開發(fā)者也能參與創(chuàng)新；另一方面，數(shù)據(jù)安全、隱私保護(hù)、算法公平與可解釋性、倫理治理等議題被提到前所未有的高度，負(fù)責(zé)任的人工智能成為可持續(xù)發(fā)展的基石。

二、人工智能應(yīng)用軟件開發(fā)的新特征與新要求

在上述趨勢(shì)下，人工智能應(yīng)用軟件的開發(fā)范式正在發(fā)生深刻變化：

1. 開發(fā)重心轉(zhuǎn)移：從“模型研發(fā)”到“場(chǎng)景落地”。開發(fā)團(tuán)隊(duì)需要更緊密地與業(yè)務(wù)部門協(xié)作，優(yōu)先解決最緊迫的業(yè)務(wù)問題。軟件工程能力（如系統(tǒng)集成、數(shù)據(jù)管道構(gòu)建、性能優(yōu)化、運(yùn)維監(jiān)控）變得與算法能力同等重要。

1. 技術(shù)架構(gòu)演進(jìn)：基于大模型的“預(yù)訓(xùn)練+精調(diào)”模式成為新常態(tài)。開發(fā)者更多地利用大規(guī)模預(yù)訓(xùn)練模型作為基礎(chǔ)能力，結(jié)合行業(yè)或企業(yè)私有數(shù)據(jù)進(jìn)行精調(diào)（Fine-tuning）或提示工程（Prompt Engineering），快速構(gòu)建專業(yè)應(yīng)用。這要求開發(fā)人員具備新的技能組合，包括對(duì)基礎(chǔ)模型的理解和高效的交互設(shè)計(jì)能力。

1. 數(shù)據(jù)與算力的新平衡：高質(zhì)量、結(jié)構(gòu)化的領(lǐng)域數(shù)據(jù)成為核心競(jìng)爭(zhēng)力。隨著模型規(guī)模的擴(kuò)大，算力成本高昂。軟件開發(fā)需更注重效率，包括模型壓縮、蒸餾、量化以及邊緣計(jì)算等技術(shù)的應(yīng)用，以實(shí)現(xiàn)成本與性能的最優(yōu)平衡。

1. MLOps（機(jī)器學(xué)習(xí)運(yùn)維）走向成熟：為了保障AI應(yīng)用從實(shí)驗(yàn)到生產(chǎn)環(huán)境的穩(wěn)定、高效、持續(xù)迭代，MLOps理念和實(shí)踐變得至關(guān)重要。它涵蓋了數(shù)據(jù)管理、模型開發(fā)、部署、監(jiān)控和治理的全生命周期，是實(shí)現(xiàn)AI規(guī)模化應(yīng)用的技術(shù)保障體系。

1. 安全與合規(guī)內(nèi)嵌于開發(fā)流程：隱私計(jì)算（如聯(lián)邦學(xué)習(xí)、安全多方計(jì)算）、可解釋AI工具包、算法審計(jì)模塊等，需要從設(shè)計(jì)之初就融入軟件開發(fā)流程，以滿足日益嚴(yán)格的監(jiān)管要求和社會(huì)期待。

三、展望與建議

中金公司分析認(rèn)為，后疫情時(shí)代是人工智能兌現(xiàn)商業(yè)價(jià)值的關(guān)鍵期。對(duì)于參與人工智能應(yīng)用軟件開發(fā)的企業(yè)和開發(fā)者而言：

• 聚焦垂直領(lǐng)域：深耕特定行業(yè)，積累領(lǐng)域知識(shí)（Domain Knowledge）和數(shù)據(jù)，構(gòu)建難以復(fù)制的護(hù)城河。
• 擁抱開放生態(tài)：積極利用開源模型、云平臺(tái)和開發(fā)者社區(qū)，站在巨人的肩膀上創(chuàng)新，加快開發(fā)速度。
• 堅(jiān)持價(jià)值導(dǎo)向：以解決真實(shí)業(yè)務(wù)問題、提升效率或創(chuàng)造新體驗(yàn)為出發(fā)點(diǎn)，避免為技術(shù)而技術(shù)。
• 構(gòu)建全棧能力：培養(yǎng)和整合既懂AI算法，又懂軟件工程、行業(yè)知識(shí)和安全合規(guī)的復(fù)合型人才團(tuán)隊(duì)。

總而言之，后疫情時(shí)代的人工智能浪潮正變得更加務(wù)實(shí)和深入。人工智能應(yīng)用軟件的開發(fā)，正在從一場(chǎng)以技術(shù)突破為核心的競(jìng)賽，轉(zhuǎn)變?yōu)橐粓?chǎng)以深度融合、價(jià)值創(chuàng)造和負(fù)責(zé)任部署為核心的系統(tǒng)性工程。唯有準(zhǔn)確把握趨勢(shì)，并據(jù)此調(diào)整開發(fā)戰(zhàn)略與組織能力的參與者，才能在這波浪潮中立于潮頭。