当AI成为软件的生产者：东软率先提出AI原生软件工程六大能力体系

7月16日，是一个值得纪念的日子。

2026世界人工智能大会即将召开之际，中国政府倡议成立世界人工智能合作组织，来自亚洲、非洲、拉丁美洲和欧洲的29个国家现场签署协定，成为创始成员国，标志着全球人工智能合作与治理迈出重要一步。

同日，东软集团面向全球发布《数据驱动的AI原生软件工程战略发展白皮书》（以下简称“白皮书”），率先系统性地提出AI时代软件工程的新理念、新架构与新路径，为软件产业从传统工程范式迈向AI原生生产范式贡献东软思考，提供具有中国实践特色的系统方案。

白皮书提出AI不再只是辅助工具，而是全面进入软件研发生产全生命周期，软件产业正迎来一场生产范式的深层重构——从“以人力为核心”转向“以知识与智能协同为核心”，从“人力密集型产业”迈向“知识密集型产业”。Gartner®在《Top Strategic Trends in Software Engineering for 2025》中预测，“到2028年，90%的企业软件工程师将使用AI代码助手，而在2024年初，这一比例还不到14% 。”AI原生软件工程将在5-6年内进入主流采用。

产业变革的方向已经清晰，关键问题在于：软件企业如何系统性地完成这场转型？

白皮书给出了自己的答案：以“四层环境三层映射”软件生产体系业务架构为核心，以软件资产与技术、知识工程与方法、组织与能力发展、基础设施与工具、安全与合规、运营与治理六大能力为支撑，构建“统一规划、统一平台、统一运营、统一治理”的AI原生软件生产体系。

六大能力如何支撑这场生产范式重构？本文逐一解读。

软件资产与技术

让软件资产

成为AI可理解、可复用的“活资产”

传统软件资产更多表现为代码、组件、平台和产品。而在AI时代，软件资产正在发生根本性变化——它不再只是静态代码与技术成果，而是需要能够承载业务意图、领域知识、架构实践，并能够被AI持续理解、调用、复用和演进。

围绕这一转变，白皮书提出六项举措：

构建AI时代软件资产分类体

围绕业务意图与价值主张、业务能力与实现、软件架构、代码组件、Prompt模板、Skill等内容建立资产分类，并基于APQC建立跨行业的统一业务能力表达，推动软件资产从单一代码形态扩展为覆盖“目标与意图、知识与认知、生成与执行、验证与反馈、治理与演化”全过程的综合资产体系。

建设公司级软件资产目录和能力地图

推动软件资产从项目成果向公司级能力沉淀转变，将分散的资产转化为可展示、可组合、可复用的业务能力与技术能力。

推进现网系统技术债务治理与知识化

对历史核心系统开展代码理解、架构反推、业务规则抽取和测试资产补全，让隐性业务知识显性化、结构化，提高系统的AI可理解性。

完善资产关联和追溯机制

围绕需求、规则、代码、测试、缺陷、运行数据等核心对象建立追溯链路，增强AI对上下文的理解能力，提高资产推荐、方案生成和代码生成的准确率。

推动软件架构向AI原生架构演进

从传统分层架构、微服务架构，逐步向知识增强架构、Agent协同架构、事件驱动架构和可观测智能架构演进，强化系统对模型调用、Agent编排、行为观测和结果审计的支撑能力。

建立软件资产运营机制

将软件资产作为公司级经营对象，建立覆盖创建、评审、发布、复用、反馈、升级、下线的全生命周期管理，并将资产复用率、知识引用率等指标纳入考核，推动公司从项目交付型组织向资产复用型、知识驱动型组织转变。

知识工程与方法

让AI真正理解产业、行业与客户

知识是AI时代最重要的软件生产资料。Gartner在报告《Emerging Tech: AI Vendor Race: AI-Native Software Engineering Disrupts and Transforms Product Development》（2025年9月）中指出： “在这种范式下，开发者为AI工具提供相关上下文，以引导其完成重复性任务，同时专注于产品开发中最有意义和最具创造性的方面。”——这恰恰说明，AI生产能力的上限，取决于企业知识供给的质量

白皮书围绕行业Know-Why、Know-What、Know-How，提出建设企业级知识工程体系的六大方向：

建立企业级知识资产管理与方法体系，统一知识分类框架、语义关系模型和资产标准，将分散在个人经验、项目文档、会议纪要、运维事件中的隐性知识转化为标准化、结构化的知识资产；健全AI软件生产上下文供给机制，推动上下文从临时拼接走向体系化供给，对高风险任务严格控制上下文来源和使用边界，避免AI基于过期、冲突或不完整的信息生成不可靠结果；实现业务知识与工程知识的融合贯通，建立业务能力到系统能力、业务规则到代码逻辑的映射关系，让AI从业务语义进入工程实现，推动软件生产从“局部智能辅助”走向“全链路智能协同”；推动数据与知识驱动的AI评测与治理，让知识既作为AI生产的输入，也作为判断AI结果是否可信、合规、可交付的标准；规范知识资产运营流程与价值评估，明确知识主人制，量化知识资产对效率、质量、复用和商业价值的贡献；建设公司统一知识库，通过Skill机制让知识进入大模型可访问的上下文，并以专家审核确保生成结果的正确性。

组织与能力发展

构建人机共生的新型组织

AI原生软件工程战略落地的核心载体是组织与人。白皮书明确提出：未来真正具备竞争力的组织，是在坚持人的主体性、价值判断和最终责任前提下，能够把人的价值导向、专业判断、知识资产和AI能力持续融合放大的组织。

在组织形态上东软将构建由全人劳动力、人携Agent劳动力、Agent自闭环劳动力组成的三元混合劳动力体系，以任务复杂度、风险等级与标准化程度为依据差异化配置人机分工；组织运行从固化的部门制、项目制，转向任务驱动、动态组合的“小任务、小单元、小闭环”柔性形态，管理体系从职位管理升级为能力管理。

在人才发展上建立“底座能力＋动态迭代”的AI原生人才能力模型，底座能力涵盖认知能力、AI协同能力、领域能力与伦理能力，同时根据模型能力和工具演进动态调整培养重点，避免将短周期工具技能固化为长期能力标准；特别强化领域专业能力建设，防止AI时代出现“工具能力增强、领域能力弱化”的问题。

在专家体系上以医疗健康、汽车智能、数据价值化、企业数字化转型等重点战场为导向建设专家梯队，推动专家从“个人专业能力展现”向“组织级能力沉淀”升级，建立专家牵头、员工落地、客户与用户共同参与的四方协同知识工程机制。

在领导力上重塑三层领导力——方向领导力对业务方向与价值选择承担最终判断责任，治理领导力对人机协同边界与安全合规底线承担治理责任，赋能领导力聚焦组织级知识沉淀与全员AI适配力提升。

Gartner有一个形象的比喻：“AI原生时代的开发者更像乐团指挥而非乐手。”东软的组织与人才体系设计，正是要让每一位员工都能成为合格的“指挥家”，同时以专家群体守住复杂问题决策与价值底线。

基础设施与工具

从“人使用工具”到“组织驱动智能协同”

按照“算力统筹、模型私有、工具统一”的原则，白皮书提出构建承载数据、知识、模型、Agent、软件资产与组织协同能力的新型智能化生产底座。

基础设施层面构建“租用、自建、Token/API服务”三位一体的异构算力与模型供给体系：租用算力实现弹性调度，自建算力保障信创业务自主可控，Token/API服务保持对外部先进AI生态能力的快速获取。

技术底座层面构建AI原生基础平台（运行时环境）、AI原生工具平台（知识加工与新范式生产SOP工具）、AI原生应用平台（Agent、MCP、A2A、AI可观测等共性技术）三位一体的共性技术底座，并首先用于打造公司AI原生开发者平台。

工具链层面推动AI能力深度融入软件开发生命周期：需求阶段探索EARS等需求规格化表达，为Spec驱动开发提供高质量输入；设计开发阶段推动“规范即代码”，以Spec作为唯一真理来源；持续交付阶段构建AI原生CI/CD流水线，形成“生成—测试—修复”自动化闭环；运维阶段利用AI分析运行数据，并将新知识反向沉淀至知识库。最终形成“生成—验证—运行—反馈—优化”的持续闭环。

同时，白皮书强调建立统一模型入口、统一知识入口、统一Agent入口和统一治理入口，避免工具孤岛、数据孤岛和知识孤岛，并保持工具链对第三方模型平台和外部生态的开放集成能力。

安全与合规

构建“全流程内生”的安全治理体系

Gartner在报告中警示了AI原生的新型风险：幻觉在多智能体工作流中复合放大、AI工具扩大了安全攻击面、盲目信任AI输出将带来严重商业风险，并预测到2027年25%流入生产环境的软件缺陷将源于人类对AI生成代码缺乏监督。

对此，白皮书提出：传统外挂式、碎片化的安全治理已无法应对AI时代的系统性挑战，必须构建“安全内嵌、全域覆盖、智能驱动、闭环运营”的新一代安全体系。

白皮书系统识别了六大核心风险域——数据与知识安全、Prompt与上下文安全、模型与AI供应链安全、Agent安全、生成结果与工程安全、合规与监管风险，并针对性部署八大工作：建立多层级叠加的安全风险认知；确立"安全与发展并重、预防与治理结合"的总体原则，落实最小权限与全过程可观测可追溯；构建全生命周期数据与知识安全防护体系；建立Prompt与上下文全流程安全管控，防御提示词注入与上下文污染；强化模型与AI供应链安全治理，建立AI供应链资产清单；建立Agent安全协同与行为管控体系，高风险任务必须引入Human-in-the-loop人工审批；推进AI原生工具链安全升级，将安全校验嵌入CI/CD全流程门禁；完善行业适配的合规与知识产权治理，落实《网络安全法》《数据安全法》《生成式AI服务管理暂行办法》等法规要求。

运营与治理

用数据证明和优化AI价值

为保障AI原生软件生产体系高质高效运行，白皮书提出以“度量”为标尺、以“效能”为导向、以“质量”为防线，构建三大子体系。

软件资产生产力度量体系

摒弃以代码规模为核心的滞后评价，转向对“业务意图—架构设计—软件实现”一致性传递的过程洞察。架构度量保障业务意图与架构设计的一致性，开发度量关注Spec质量、上下文质量与AI生成可控性，交付度量关注持续、批量、可验证的交付能力，并通过“度量—分析—治理—优化”增强回路，将治理结果反向注入知识资产与工程方法。

AI FinOps体系

围绕算力、模型、Agent、数据、知识等核心AI生产要素，建立集约化资源管理体制与透明可追溯的成本管理方法；强化“谁使用谁负责，谁受益谁承担”的成本责任意识；探索AI时代“单元经济学”，量化单次模型调用、单次代码生成、单个Agent任务的边际成本与收益；并建立事前准入、事中预警熔断、事后溯源复盘的全链路成本治理机制。

AI原生质量保障体系

推动质量范式从“过程合规”向“适应与信任”根本转变——质量重心左移至Spec源头定义，通过静态分析、一致性检查在源头消除歧义；右延至生产环境全栈可观测，建立从监控告警到自动修复的闭环反馈；质量门禁深度内嵌于AI原生工具链，对AI生成物自动运行差分测试，低置信度结果自动路由至人工审计。同时推动QA角色从“个体工作成果的检查员”转型为“体系与过程的审计员”和“AI能力的训练师”，明确生产人员对Spec质量和AI生成结果负首要责任。

结语

不做短期工具红利的追逐者

做新生产范式的构建者

AI原生软件工程的竞争，表象是研发与交付效率的竞争，深层是知识工程能力、人机协同能力、软件资产运营能力与跨专业协同能力的综合竞争。

东软35年服务大健康、大汽车、智慧城市等行业的深厚积累——行业知识、软件资产、工程方法与客户场景理解——正是AI时代最宝贵的生产资料。通过六大能力体系的建设，东软正在将这些积累显性化、结构化、资产化、智能化，构建"以数据与知识为核心、以AI为引擎、以软件资产为载体"的人机协同软件生产体系。

正如白皮书结束语所言：意识不是计算的结果，而是计算的前提。AI可以增强表达与执行，但不能替代人类对价值、责任和方向的最终控制。智能世界的可靠伙伴——东软愿与客户、合作伙伴及行业生态共同探索数据与知识驱动、人机协同的AI原生软件工程新范式，共同推动全球软件产业迈向新的发展阶段。