cloud云+未来应用-资料

CLOUD云+未来应用特辑内部资料免费交流第十九期-2024年5月近设所有(2024华为位木有限公司，留一切没利。非经华为技术有阳公司书置同意，任傅学位和个人不得物自抄，复印本宣料内容的减分规金慧，不本盗料内容仪供参考，均“如量”控供，非遇用法要求，华为技术有限公司对本资料幅有内容不提供图网示或示的保证，包活组不限于述销性或者述用于某一特定日的的保证。在律允许的范图内，毕为技术有限公司在任何消况下都不对四使用本流科任们内容削产生的任树将殊的、的带的、问酸的、钢发性的些亩进行路偿。也不时任何利国、数温、雷公成期约的妈失进行性。印数：2000册 01中国信通院人工智能所副所长(主持工作)魏凯 应用现代化六大关键技术，加速企业数字平台进化升级 09 Email:hwcloudplus@ 23 AI时代的应用开发者变革CSDN创始人&董事长蒋涛 28 32AI正在改变技术栈，大模型将重塑千行万业和AI做好的话，通常很轻松突破20倍PS值。如果从Cloud100来看，有接近100倍PS值的，在未来应用-重定义云基础设施平台能力S重塑所有应用软件释放AI生产力开发者生态一款软件都需要AI大模型的赋能，每个Al都需要AI驱动的编程助手。面向未来，多模态+巨声智能会有更大的发展，AI最终会走向多模态，加上具身智能。现在有一个词很热“VLA”*,前面要感知，大模型会变成中控，会调用其他的模型、数据库、分拆任务等等，最终“A”园区安全内部审计收入预测以华为为例：Al是生产力革命，从20+到上万场景，逐渐深入到更多场景，创造更多价值AIAlAIAl*VLA:视觉-语言-动作模型(VLA:vision-language-action)。智能化反推数字化：大模型驱动数智融合(LakeHouse),其次要有一个数据网络(DataMesh),一个Agent可以调所有的软件，不仅仅是调自己的软有的优势。中国有很多开放的行业场景，很多行业走得很快，我们要用下一代的技术和方法快速做到世界做到世界第一的竞争力才能在商业上成功。不深入场景，是做不好的。第二，为了加速中小企业，全国有制起来会更快。第三，跟我们一起组团出海，2023年■魏凯中国信通院人工智能所副所长(主持工作)用户会这么做。我也相信，中国所谓有200多个大模多任务适应性复杂推理能力知识吸收能力传统AI数据量增大，性能容易陷随着训练算力、数据的增一种模型可完成多种任务，多模态/跨模态几乎可压缩人类所有知识，知识增强(RAG)企业，现在才有2000家企业通过了数据管理能力成熟AIAI工程化以技术工具、数据治理、运营管理、风险管控为核心，实现大规模、高质量、高效率的开发与应用，推动可信AI体系化落地。技术工具数据治理技术工具数据治理台风险管控数据部署运营管理构建模型的规划、风险水位的监测和应对处置的机制。只有这四个抓手抓实了，才能真正为人工智能到行业赋能做好充分的准备。人工智能在软件工程里头的应用是无处不在，环节、场景是非常多的。我们也看到好多头部企业已经尝到甜头，在代码自动补全、生成、测试、使用、研发等各个环节都发挥很大的作用，尤其是像金融机构、互联网公司，已经在研发部门全员普及这样的文化。未来人工智能大模型对于研发模式和组织架构的影响，现在是生产工具、生产力的变革，当应用到一定程度和深度的时候一定会激发模式变革和组织架构变革。我们看得不是特别清楚，但是有两个模糊的感觉：一个是以前软件开发从瀑布式到敏捷开发的模式，大模型来了以后一定会有新的发展，我们需要提前思考。另外一个组织角色、人力分配的变化，以前软件开发是一种大兵团作战，现在由于编码效率、测试效率的提高，我们未来可能是架构师和少量软件代码工程师的配合，是一种特种兵的作战模式。这是初步的思考，化学反应还正在发生，可能需要进一步观察。国家提要走新型工业化的道路，中国要走中国式现代化，要创新驱动，要绿色发展，要普惠、国际化等等。其实我们提应用现代化，实际上是微观层面的，我们的目标是让新型工业化中的数据驱动发动机就是应用，应用是要围绕新型工业化中很多目标做数字化转型、智转、数改等☑大的目标，最终是为了支撑中国式现代化，这三个化是一脉相承的。其中最大的变量是AI,尤其是未来即将到来的通用人工智能，人工智能是我们国家发展新型工业化最大的技术变量，这个最大技术变量用到新型工业化是非常合适的。当然对于应用现代化，对于整个中国式现代化也是适用的，通用人工智能将是未来中国发展最大的技术变量。加速企业数字平台进化升级应用系统大模型开发3.0②OntheLoop范式(人监督AI开发)需求/指导0上在软件本身就会变化。这样使得在整个软件全生命周期，应用全生命周期，从设计、开发、测试，以及运维都会有革命性的变化，所以这些一定会影响未来来预测到2025年可能这种应用数量将是过去人类历史上40年的总和，这么多的应用要被制造出来，怎么样能够让应用的制造量变大，是不是需要让所有人都能参与应用的开发，这样称之为未来要变成全民都要能开发应用，这样才能真正满足未来企业的要求。企业大量的数据是烟囱型的，怎么让数据被唤醒，被高效地利用，为未来的智能决策提供价值，这也是面临的链的攻击已经按照每年6到7倍的方式在增长，以前应用安全的方式都是建篱笆和围栏，用各种墙拦在外面。第二个，大家现在都知道软件应用成分70%到80%都是开源软件。每天都在社区公布漏洞，去年公布的漏洞达到3万多，意味着你写的软件每天黑客都可以看到应用开源软件的漏洞被公布，就可以攻击进去。所以怎么能让应用变成内生和全生命周期的安全，也是企业面临所以变成7×24小时永远不能停机的应用已经变成企业面对这些现代化应用的诉求，我们发现必须让所有的应所以我们构建了企业数字化的平台，这个平台最重要的就是能够把企业面对未来现代化应用的基本要求内置到区块链新技术，必须需要有一个平台导入，不可能让每在华为公司有很知名的几个变革项目：一个是面对研每一个变革为华为在该领域能力的提升都是倍级的增“村自为战”,为企业IT提出新的要求。我们希望“6+1可”,意思是当我决策明天有一家企业分离出来的时候能够做到，如果是物理新开所有的IT,我们希望做到三可”,马上就能够研发，马上就可以有营销体系、供应制造订单采购销售营销服务经营税务资金办公行政资产内控审计福查专业开发者单点MTTR天级全民+专业开发者TTM天级全生命周期安全多活MTTR分钟级变成虚拟机上运行的内容。所以用这样自动翻写的能样，这样会带来一些困扰，但是我们有大量的数据之的消耗降低了70%,为企业省了大量的钱。同时在很多华为云应用现代化6大关键技术，引领企业数字平台升级进化最后一个是韧性。在华为云上引入混沌工程，我们一直讲只有在实战中才具备经验。所以好天气是造就不了好水手的，所以现网的环境是必须需要越来越多容灾的检混沌工程是验证系统韧性的方法，通过主动引入故障，经大概总结出了200多个故障模式，有八大类的容灾预案。每年会开展2500多次常态化的故障演练，现在来看，已经帮我们拦截了接近90%以上可能会导致二级或三级事故的风险。所以希望通过混沌工程的方法能够使得未来要做到I到5分钟就能够感知故障，10分钟内就能够跟进，30分钟内就可以完全恢复业务，这目前华为公司面临的主要问题，第一个是规模，系统复杂度已经是代码仓有上千亿行，虽然我们自己只有几十万行，但是开源代码加起来有上千亿。我们版本是以千为单位，这不是全公司的，有些产品线一个产品在线第二是软件集成发布流程复杂，不管是用共主干开发，还是用分成流水线发布，使得整个软件集成和发布特别从开源软件整个层次也可以看出企业软件越来越复杂，在这么多软件里面，选择你要的东西，这时候还要考虑2019年公司变革时候的调研，我们从代码量增加到团队规模的增加从组织流程的复杂度再到工具环境的复杂度另外是交付节奏，我们希望按月交付、按天交付，我们是八个月一个版本，现在能做到6个月一个版本，所以再看现在做的一些事情，大模型是否能提升软件开发效率，不管是工业界还是学术界，尤其是微软讲多少人在用大模型，我们内部也在用这个东西，做这个事情。华为大模型的使用是从设计开发到测试交付、维护，都有可能在用这个模型。目前的规划是做知识管理和代码生OM资源研发效率70%。这个挑战在于内容特别多、步骤特别长，整个Mini行要26个步骤，非常容易遗漏。学习曲线特别陡峭，有380多种模型属性，落到脚本有246个API的函数，应用逻辑很复杂，这么一个复杂的我记得2020年在产品线团队调查，一个新员工进来学和各种方法，把中间的某些步骤自动化，我们的目标是另外整个研发工具链中，刚才AIForSE与SEForAI,这些都是可以做的，包括知识获取、AI应用、模型与服务等。在数据这块也是非常重要的，我们自己有教训，软件集成发布流程复杂软件集成发布流程复杂现在主要的工作重心包括模型开发、模型运行和模型运维运营，这是我们正在关注的几个方面。还有华为公司有很多内源项目，最近有一百多个内源项目出来，比较有名的项目，一个是AICoder,全球技术服务部搞的一个框架。还有一个小鲁班机器人，可以自动回答公司每一个员工日常问的问题，当然后面有很多引擎，不一定面向未来，我们期望面对软件的复杂性方面来解决这些问题，一个是怎么优化的我们研发过程；第二是怎么做知识积累；第三是怎么帮助个人提升能力；最后一个是在组织团队方面怎么促进协作。AI技术给解决软件复杂性带来了很多新的机遇和挑战》》对员工个人的影响：充分利用大模型的能力，快速学习新技能》对团队或者公司的影响：构建更强大的知识系统，加速员工的学习效率，提升员工的单位产出，甚至出现超级员工》对管理角色的影响：未来可能不需要那么多拉通对齐的角色，需要的是更多的会用工具的全能型人才·快速学习：与大模型多轮交互，学习新知识·超级员工：构建强大的知识系统，提升能力·人员技能优化：简单重复的事情交给AI·角色评估：评估各角色效率，诞生超级个体·快速学习：与大模型多轮交互，学习新知识·超级员工：构建强大的知识系统，提升能力·人员技能优化：简单重复的事情交给AI·角色评估：评估各角色效率，诞生超级个体软件·组织结构优化：优化分工，促进共建共享·智能数字人：实现数字身份的分身·AI协调员：协助拉通对齐，减少会议·人员评估模型：新的评估维度和培养模式团队·解释：给人解释复杂的流程、历史代码和架构·工具：超级调度器、超级定界工具、芯片设计工具...·决策辅助：针对ROI计算需求实施方案·改变创新模式：读论文、总结需求、匹配团队·经验沉淀：沉淀人脑海中的经验和知识·辅助决策：产业趋势快速解决，辅助决策·智能推荐：知识、文档、专家、工具等·流程优化：评估断点，给出优化建议大语言模型打开的空间和带来的挑战(软件工程)险责任，有可信保障需求。比方天气预报就是典型的预测性任务。人在软件开发与演化中完成的是决策性任务，需要对任务完成正确与否作出可信性判断，需要对软件系统是否满足需求、摆脱缺陷作出可信性判产品没有产品没有“三包”模型生成的预测性内容进行开发和演化高质量的软件我们说大模型模型支持从自然语言需求生成预测性代基于大模型的人机协同编程基于大模型的人机协同编程目标解决问题、应对挑战的途径基于大模型的人机协同编程目标解决问题、应对挑战的途径二?≥?问题与挑战但是大模型的预测性内容生成对于软件开发演化来讲是专业相机，也就是说因为预测性的生成内容缺乏可信判断，需要人工分析和理解，修改和确认。从解决问题的角度看，大模型是专业相机。正是因为大模型是专业相机，你就需要有驾驭专业相机的专业能力，所以驾驭大模型需要具备更强专业能力，需要对大模型生成预测性内容进行判断的能力，目前来讲，我们解决这样需要更强的能力的问题有两个视角：一个是从企业应对视角来讲，专业能力达不到要求要禁止使用大模型。但并不意味着要把专业能力达不到要求都开了，没有初级程序员哪来高级程序员，因为人要判断代码是不是符合要求，判断代码是否符合要求的能力比写代码的能力还要高，而不具备写代码的能力，肯定不具备判断代码是否符合要求的能力。所以从这个角度讲，要保留人工编程流程和初级程序员的岗位。现在很多媒体说初级程序员要下岗，人工变成被大模型替代，其实不是这个概念。从个人应对的视角，要不断夯实专业基础，全面提升专业能力。其实我们企业要裁掉没有专业能力提升空间的人。整个软件开发与演化是人类针对所解决问题的创新性思维活动。从自然语言需求到满足需求的程序代码是有可信保障需求的决策性任务。大语言模型打开自然语言到程序代码的空间，因为可以生成预测性内容，可以实现从无到有，但是又缺失可信性判断，对我们从有到对的过程，带来了可信保障难题与挑战。而解决问题、应对挑战的途径，一方面从技术角度讲，希望不断地通过各种各样的办法降低可信性判断的复杂性。另外一方面最重要的是全面提升专业能力驾驭大ChatDev相当于用Chat形式实现Dev软件开发的目的。在有机物理系统和有机生物系统以及人类社会都存在涌现的现象，II23所以也能看到堆积个体成为大的实体，今年也能够看到一些涌现的行为，一个神经网络参数逐渐增大，能够达成在某一个基点情况下性能突飞猛进的现象。我们也在思考会不会发生第二层涌现，正如通过大模型组成大模型的群体，通过大模型群体做一个共同的任务协作，有没有可能达成一个大模型或者一个智能体，达成不了的能力。考虑到人或者说AI有没有可能通过新的交互形式或者信息传递的形式，使得他们传递效率更高。这里考虑到人类所说的语言，其实是一种非常直接的信息传递方式，我们结合多个大语言模型组成的(Agent)智能群体使得他们通过语言的交互形式达成我们想让它们做的任务，比如软件开发。软件开发大概会分为自然语言以及编程语言，实际上软件开发过程确实需要基于自然语言的需求做理解和设计，有了这些设计之后做编程语言涉及单个只能体需要：记忆能力、规划能力、工具、环境感知能力。多智能体系统，需要有群体目标，如何对多个智能体做组织管理，如何对他们做动态的路由，以模型具体的工作，像Smallville小镇*用25个智能体在以上课或社交。是ChatDev,通过多智能体帮助人类完具体选择了软件开发这样的场景，可以看到大概有四个主要的步骤、一个是设计和分析，需要分析人类给出的指令，到底应该设计成什么样。比如设计一个标准五子棋游戏，智能体需要讨论得出结论这句话应该生成一个桌面应用还是生成PPT,或是者生成一个网页，这的需求和智能体完成的代码，文档撰写生成用户手册，使得外层的用户可以拿到软件的源代码，可以直接安装我们做智能体群体、软件设计或编码、测试或者文档撰我们提出一个交流链的组织形式，相当于是通过链式结未来应用重塑千行万业随着微服务、Serverless、DevOps、低代码开发等数字技术的发展，应用全面现代化的时机已经成熟，应用现代化势在必行。技术创新已经催生出众多SuperAPP,极大方便了人们的生活。而在未来，应用将以AIAgent形式出现，应用将具备自主理解、规划决策和执行复杂任务的能力，让人机交互像人人交互一样，更自然、更沉浸、更个人化。生成式人工智能技术的不断发展，逐渐缩短人与人工智能的距离，其应用领域也越来越广泛。从研发、医疗、教育、工业生产、金融，到电商主播等领域，华为云均已取得阶段性应用成果。未来，AIAgent将进一步突破应用边界，成为人们的得力助手，更加高效、便捷地完成各种任务。三=GUI/TUI/LUI交互未来应用重塑千行万业在研发领域：让每个开发者拥有智能编程助手。华为云智能编程助手CodeArtsSnap已经学习了760亿行精选代码、1300多万篇经典的技术文档，以及8500多万个开源代码仓，具备智能生成、智能问答和智能协同三大核心功能，辅助专业开发效率提升10倍以上。未来，AIAgent将进一步影响软件的使用以及编写方式，让非开发人员也能轻松创建和分享自己的应用，真正迈入人人华为云盘古大模型加持的润达医学助手可结合患者病史实现远程挖煤作业。山能集团引入盘古预测大模型用于煤矿洗选，增收2000万人民币。未来，AIAgent可通过“感知系统+控制系统+执行系统”,在大模型的驱通过运用不同组合的数字化工具，自主协同完成具体场融大模型开发的网点助手和数据分析助手，将大模型的生成能力与检索技术进行融合，可以自动生成业务办理电商直播领域：让每个电商主播拥有自己的数字分身助打造数字形象，帮助村民实现24小时持续带货，让蜡Agent将会帮主播提供更加多元化的内容主题策划，更加丰富精妙的创意生成、以及可以满足不同消费者“千蒋涛CSDN创始人&董事长0%20%40%工具云化让编程变得更简单，除了语言编程，实际上工具也很重要，比如解决通信能力、电信能力，要简化成使用越来越广泛，可以将调动的能力做成API,让开发者很好地使用。这些API,就是开发者来做，开发者主导的公司在最近十年有巨大的发展，其中变成百亿公司还有一个投资人做的统计，开发者的工具市场在2022年产生了640亿美金，是高速的成长。在代码中怎么帮助开发者更好地生成应用，这些工具是非常有价值的。每一个水平功能被API化、SAAS化。在美国有20家公司做这样的服务，帮你监控所使用的API,你不能依靠厂商，自己监控自己，就是裁判和运动员，中国几乎没有这样的公司提供这种服务，都是很昂贵的服务。所以云化以后，价格变得很便宜，开发人员不用写重复性的水过去开发成本还是非常高的，工资也很高，做一个应用越来越复杂，开发一个APP要多个系统。但是现在有了AI,有了大模型以后，有了巨大的变化。做AI这个事情变得很便宜，做应用开发有了AI的帮助，过去没有被满足的应用就可以实现。过去AI只能用在超大型公司，高的，现在工具模型的价格也在极大地降低，未来端侧也可以做大模型推理，现在1元也可以调用大模型玩一一个维度是Web3.0。过去Webl.0是信息互联，Web2.0是人的互联，Web3.0就是软件和软件的互联、API和API的互联。就像ChatGPT里面AIAgent和AIAgent的互联，这是AI最大的作用，智能应用未来一定是以亿AIAgent还很早期，刚开始可以让每一个开发人员都可以有AI博士的能力，软件的生产成本将被极大地降低。业的应用，过去因为付不起，但是现在用大模型以后，行业应用就可以具备AI能力，个人也是一样的。题，但是这个问题确实不好解决。像有的客户本身业务很复杂，可能有地产、旅发、农业、商业地产的业我们也不断地探索，把东西进行拆解和任务简化，我们提了一个应用模块化设计，其实是把这些复杂的能力分开，分块到不同的角色进行处理，我们把应用模块化设计分三成个角色做拆解：第一个角色是创造者，相对来说比较清晰。业务负责人或者业务部门的人配合在这个领域的供应商一起做业务模块的设计。需要两部分的能力：一个是甲方对自己的业务部门的流程和逻辑非