2025QECon全球软件质量效能大会：2025 研发效能基准数据洞察与 AI 应用+度量闭环

2025研发效能基准数据洞察与AI应用

+度量闭环任晶磊｜思码逸•清华大学计算机系博士；前微软亚洲研究院研究员，斯坦福大学访问学者•《软件研发效能度量规范》标准核心起草专家•多篇论文发表在

FSE、

OSDI等顶级国际会议上•

曾参与微软下一代服务器系统架构设计，获4项美国发明专利•研发大数据平台Apache

DevLake开源项目发起人任晶磊思码逸创始人兼CEO目录CONTENTS1.

2025研发效能基准数据洞察2.

企业个性化AI成效度量3.研发应用

AI

的切入点与落地闭环•每年一度中国研发效能数据调研，从工具中提取客观数据。•2025年统计

200+企业，18个典型研发效能指标的基准线。•涵盖《软件研发效能度量规范》三个主要认知域：交付速率、交付质量和交付能力。 DevData2025研发效能数据基准调研认知域指标（单位）平均值IQR交付效率需求交付周期（天）247–

30需求颗粒度（代码当量）69926–

584代码生产率（代码当量/人月）42302768–

5083代码贡献均衡度35%29%–41%代码提交颗粒度（代码当量）1258–

118交付质量单元测试覆盖度14.0%9.1%–

19.7%注释覆盖度37.3%30.0%–44.1%代码不重复度78.9%77.8%–84.9%重点问题密度（个/千当量）4.531.0–

3.7千当量缺陷密度（个/千当量）3.550.01–

2.41缺陷修复工作量（代码当量）907–

89函数圈复杂度（10以下函数占比%）97.8%97.3%–98.5% DevData2025研发效能基准数据（部分）

60%40%20%0%39%31%100-499人38803104不同规模企业的代码生产率：敏捷vs.组织管理企业规模越大，越需要关注团队代码贡献均衡度不同规模企业的代码生产率中位值5079

数据洞察：

企业规模6000400020000100人以内100-499人500人以上不同规模企业的代码贡献均衡度中位值代码贡献均衡度500人以上100人以内代码生产率32%你所在企业将

LLM或基于

LLM的工具主要应用于研发的哪些阶段？11%6%6%7%9%11%

13%

编码阶段

业务规划

设计阶段

需求阶段

测试阶段

运维阶段

其他

还没有落地

数据洞察：

AI应用阶段37%355231%

25%5%已应用AI的企业代码生产率高于尚未应用的企业，但效率提升幅度低于20%，当量数据与主观评价一致LLM落地应用与代码生产率中位值+17%LLM应用于研发后的实际效率提升情况34%

数据洞察：

LLM的应用效果（效率）500040003000200010000<20%

不明显

20-39%40-59%>80%40%30%20%10%0%尚未应用LLM已落地应用LLM代码生产率企业

占比41734%人在

IDE

中指挥AI干活算清

ROI，完成目标开发流程测试流程效能成果效能目标

研发应用AI的闭环“程序员的一天”工作坊，找到AI的发力点“共性”不变

：结果度量•工程规范：人与AI

协作及可观测性•例如：规范提交占比•业务影响：AI价值的最终体现•例如：在控制需求颗粒度（代码当量）前提下，需求吞吐率和交付周期的变化

效能度量中的共性33%13%6%

4%

4%LLM的应用效果（质量）应用

LLM后，质量提升不明显的企业占比高（40%）API智能测试，以

DevChatTester为例：•

生成单用例成本

<

10元•

脚本执行通过率

>90%LLM应用于研发后的实际质量提升情况40%不明显

<20%