AI+DevOps（AIDO）现状调查报告（2026年）-中国通信标准化协会

(2026年)2026年8月当前，人工智能正以前所未有的深度和广度重塑软件研发的技术范式与产业格局。以大语言模型、AI智能的新一代智能化技术，已从辅助编码的概念验证阶段迈向研发能力的简单延伸，而是智能原生时代研发运营一体化的核心实践框度量等全生命周期，构建智能体运行的约束规则、反馈闭环与治理体系，实现了从“人指挥机器执行”到“机器在边界内自主执行、人类聚焦决策与创新”的范式转变。立足我国超大规模市场优势、完备的数字产业体系与丰富的软件应用场景，加快AI+DevOps的技术创新与实践落地，将有效破解智能化研发运营规模化推广中的工程化难题，为我国软件产业高质量发展提供坚拆解AIDO的概念演进路径与技术特征，全面分析AI在研发运营全具链各环节的AI应用现状与选型考量。鉴于大模型技术仍处于快 5（一）AI+DevOps（AIDO）范 5（二）AI+DevOps（AIDO）的核 6 7 8 9 24 31 39 47 56 64 67 69 76 79 841 9 11 13 19 20 21 23 2 3 64 70 72 734 78 5一、背景与总体概述（一）AI+DevOps（AIDO）范式兴起的三重驱动随着大模型技术的持续演进，软件工程的流程与模式正加速重塑，人工智能与研发运营体系的融合已从局部工具应用走向体系化范式政策层面，国家已将智能化研发确立为人工智能深度应用的重动的意见》明确提出推动人工智能与实体经济各领域深度融合，为明确在研发设计环节重点推进智能辅助设计、软件代码辅助编写等可考核的产业行动。各地方政府相继出台配套实施方案，围绕智能算力供给、行业大模型培育、软件产业升级等方面形成纵向衔接、横向协同的政策体系。政策红利的持续释放，使智能化研发从企业能基座。与依赖预定义规则和固定脚本的传统自动化工具不同，大模型具备自然语言理解、代码生成、逻辑推理与知识泛化能力，使机器首次能够“理解”研发活动的语义内涵。与此同时，AI智能体6嵌入需求管理、代码开发、测试验证、部署发布、监控运维等各环产业层面，企业降本增效的迫切诉求与软件系统复杂度指数级增长之间的矛盾日益尖锐。云原生、微服务、分布式架构的普及，使现代软件系统的组件数量、依赖关系与变更频率呈爆炸式增长，依赖人工经验的传统研发运营模式已难以为继；与此同时，市场对交付速度、质量稳定性与资源效能的要求持续提升。这一结构性矛盾催生了人机协同的新型研发运营模式，即由AI承担高频、重复、规则性的决策与执行任务，人类聚焦于目标定义、架构设计与价值（二）AI+DevOps（AIDO）的核心需求、开发、测试、发布、运营各阶段，形成“智能感知—自主决策—闭环执行”的新型研发运营一体化范式。其核心特征在于：以数据和模型为驱动，实时感知研发运营全链路状态；以智能体为载体，在既定目标与约束下自主完成分析、规划与决策；以工具链为执行通道，实现从决策到行动的自动化闭环，并通过反馈机制持续7用为标志，AI作为人类工程师的辅助工具存在，决策权完全由人掌握。第二阶段为AI协同编排，借助MCP协议与智能体架构，多个智能体被串联并嵌入研发流水线，能够跨环节协同完成需求拆解、代适应优化与自主交付，人类角色转向目标设业实践整体处于第一阶段向第二阶段过渡的关键时期，部分领先企于交付流水线，平台工程通过标准化自助服务平台沉淀组织级工程能力获得感知、推理与自优化的“智能内核”，四者层层递进、相8知识与经验从个体专家向组织级模型资产沉淀，缓解自主可控的智能研发工具链与标准体系，对我国在人工程交叉领域形成技术引领、抢占产业竞争制高点具二、AI+DevOps发展格局与生态现状有待产业层面的实践加以检验。本章立足实证调查，考察我国企业数据支撑。本次调查采用在线问卷方式，围绕发展格局与生态现状共60家企业回收有效问卷3351份。受访企业以数字化程度较高的9从组织人员规模看，65.00%的受访组织人员规模在500-1999人之间，构成样本主体；100-499人规模的组织占16.67%,大于10000人的组织占8.33%,2000-4999人的组织占6.67%,5000-9999人与50-99人的组织各占1.67%。总体来看，本次调查以中大型数字化企业为主，其DevOps与AI实践对同类组500-1999人65.0%100-499人16.7%■≥10000人8.3%2000-4999人6.7%5000-9999人1.7%50-99人1.7%在100-200人，18.33%在50-100人，5-20人、20-50人与200-500人规模的组织各占15.00%,11.67%的组织DevOps团队已超过500100-200人5-20人5-20人200-500人>500人00占比(%)从行业分布看，科技行业占36.67%,互联网行业占23.33%,银行占18.33%,保险占13.33%,其他金融服务占5.00%,电信与航空图3受访组织行业分布图测试工程师与技术总监各占5.00%,产品经理占3.33%,高管与咨询技术总监产品经理5可按需交付用户价值),28.33%处于L3级(全面推行并贯穿软件全生命周期),21.67%已达到L5级(形成持续改进文化、工程高度智能化与自主化),L1与L2级合计仅占20.00%。八成受访组织的持21%-40%图6流水线纳管率分布图3.流水线构建成功率集中在80%以上区间36.67%在81%-90%,13.33%在71%-80%,成功率不足70%的组织合计仅占8.33%,另有5.00%表示不清楚。超过七成组织的构建成功率稳定在80%以上，流水线工程质量整体可靠。占比(%)占比(%)4.流水线红灯修复时长以4小时内为主68.34%的组织能在4小时内恢复流水线，快速反馈与修复机制已基本建立；但仍有约6.67%耗时超过8小时，说明告警归因与环境复现20图8流水线红灯修复时长分布图5.容器化项目比例分布均衡，云原生改造进入深水区从容器化项目比例看，25.00%的组织容器化比例在61%-80%,41%-60%与81%-100%的组织各占23.3%,10.00%的组织容器化项目比例在21%-40%,5.00%的组织容器化项目比例不足20%,另有13.33%的组织容器化项目占比已超过60%,云原生改造已由试点进入深水区；图9容器化项目比例分布图各占61.67%,开发环境(DEV)占58.33%。制品晋级机制已贯通从参照线60%参照线60%20图10制品晋级环境覆盖分布图多次),23.33%每周发布1-3次，16.67%每周1次，15.00%每两周1按需(每日多次)41.7%每周1-3次23.3%每周1次16.7%每两周1次15.0%每月或更少3.3%8.发布成功率普遍高于90%,变更质量保持稳定从平均部署/发布成功率看，38.33%的组织成功率在96%-99%,21.67%在91%-95%,10.00%达到99%以上，18.33%在81%-90%,仅1.67%低于80%,另有10.00%表示不清楚。七成组织的发布成功率超过90%,不清楚从平均变更流程耗时(发起变更流程到正式发布)看，40.00%需要3-7天，仅1.67%超过7天，另有11.67%表示不清楚。变更流程整体高效，但仍有近两成组织耗时超过1天，审批与流转环节存4-24小时28.3%图13变更流程耗时分布图在CI/CD阶段的AI尝试上，仅18.33%的组织未进行AI尝试。73.33%的组织已尝试智能代码审查，65.00%尝试智能故障定位与诊与智能回滚决策(21.67%)的尝试比例明显偏低。AI在CI/CD中的应用仍集中于分析建议类场景，直接作用于发布决策的自动化场景智能代码审查智能代码审查73.3%占比(%)果度量缺失(约三分之一组织未设指标)意味着推广速度可能快于组织内全面推广50.0%部分团队推广36.7%POC/试点10.0%尚未开始/不适用3.3%流水线执行时长(63.33%)与服务恢复时间(61.67%)紧随其后，变更失败率从已引入AI大模型能力的研发运营环节看，代码生成与补全(66.67%)渗透率最高，代码审查与漏洞扫描、测试用例生成与自动化测试各占60.00%,需求分析与需求生成(58.33%)与文档生成及知识库维护(55.00%)亦超过半数，架构设计与技术方案推荐占48.33%;智能监控与根因分析(30.00%)和部署发布与灰度策略优化(26.67%)的渗透率相对靠后，仅6.67%的组织暂未引入。AI能代码生成与补全代码生成与补全AIDevOps平台(一体化),20.00%在现有工具链中嵌入独立的AI商业+自研尚未集成尚未集成少比例各占46.67%,故障定位精准度占38.33%;但仍有33.33%的组MTTR缩短----参照线40%署辅助建议型智能体(由人最终决策),23.33%部署人机协同执行型智能体(关键动作需人工确认),6.67%已在有限场景实现自主决策闭环，21.67%仍处于规划或试点阶段，13.33%尚未启动。合计辅助建议型35.0%人机协同执行型23.3%有限场景自主决策6.7%规划/试点中21.7%尚未启动13.3%图20DevOps智能体部署与自主程度图(三)需求流程实践占比(%)占比(%)成交付，28.33%在8-14天，23.33%在15-30天，5.00%在31-60天，3.33%超过60天，另有11.67%表示不清楚。超过半数团队可在两周占比(%)占比(%)5化另有11.67%表示不清楚。约68.33%团队将单需求控制在10人天以4-10人天43.3%0-3人天25.0%11-20人天13.3%≥21人天6.7%不清楚11.7%6.67%,另有10.00%表示不清楚。需求向开发任务的转化效率较高，3-5天23.3%>5天6.7%5.需求交付及时率集中于81%-90%区间从平均需求交付及时率看，35.00%的团队及时率在81%-90%,21.67%达到91%-100%,16.67%在71%-80%,低于70%的合计15.00%,占比(%)占比(%)20在需求阶段的AI尝试上，仅11.67%的组织未进行AI尝试。占比(%)029■部分团队推广46.7%组织内全面推广36.7%POC/试点10.0%尚未开始/不适用6.7%从需求价值评估实践看，53.33%的团队已建立定量价值评估，低与需求吞吐变化各占48.33%,AI工具使用时长占31.67%,而关注需求返工减少认为AI输出口径与格式不统一、额外增加跨团队规范对齐成本，46.67%担忧敏感业务数据输入AI工具带来的数据安全与知识产权泄露隐患，AI容易遗漏隐形业务规则导致后期返工(45.00%)与AI生成内容质量参差增加人工修改评审成本(45.00%)并列其后；口径不统一(四)敏捷研发实践25.00%为4:1,23.33%为3:1,2:1占10.00%,1:1仅占5.00%。约占比(%)占比(%)0从敏态(敏捷开发)项目占比看，26.67%的组织敏态项目占比在61%-80%,25.00%达到81%-100%,20.00%在41%-60%,低于40%的从分支模式看，特性分支开发占58.33%,主干开发占51.67%,GitFlow占45.00%,Forking工作流占11.67%。多种分支策略并存特性分支开发特性分支开发58.3%从开发阶段占整体交付周期的比例(故事从待开发到待测试的28.33%在61%-80%,仅1.67%超过80%。开发环节仍是交付周期的主图34开发阶段占交付周期比例图5.单测覆盖率集中在41%-60%,仍有较大提升空间从主要系统/项目单测覆盖率看，40.00%的团队覆盖率在41%-60%,23.33%在61%-80%,16.67%达到81%-100%,15.00%在21%-40%,5.00%不足20%。六成团队的单测覆盖率仍不超过60%,随占比(%)占比(%)200图35单测覆盖率分布图(软件成分分析)占53.33%,SAST(静态应用安全测试)占46.67%,代码重复度检测许可证合规参照线50%在设计及开发阶段的AI尝试上，仅10.00%的组织未进行AI尝试，为各环节最低。71.67%的组织已尝试代码审查与优化建议，70.00%尝试智能代码补全/生成，61.67%尝试辅助架构/方案设计，部分团队推广43.3%组织内全面推广33.3%POC/试点11.7%尚未开始/不适用11.7%居首，代码扫描漏洞数占70.00%,代码评审通过率占65.00%,单测代码评审通过率65.0%技术债务统计23.3%方案采纳率占41.67%,一次性构建成功率占28.33%;仍有35.00%占比(%)(五)测试实践1.测试阶段约占交付周期两到三成占比(%)占比(%)52.自动化测试占比集中在41%-60%,高度自动化团队仍21-40%与61-80%各占18.33%,达到81%-100%的仅占1.67%,另有图42自动化测试占比图从自动化测试接入流水线的情况看，48.33%的团队已将部分核合持续推进，但全量接入的团队仅一成，测试自动化的工程化集成部分核心接入48.3%正在接入21.7%■计划未来接入13.3%已全部接入10.0%暂无计划6.7%从非功能测试的开展方式看，36.67%的组织按需开展(发布前/重大变更时),定期开展(如每季度/每月)与按迭代+定期结合开展各占21.67%,18.33%按迭代开展，仅1.67%未开展非功能测试。非功能测试已普遍纳入质量保障体系，但常态化、迭代化开展的比按迭代43.33%,容灾恢复测试占21.67%,Accessibility测试仅占6.67%;从测试缺陷密度(每新增千行代码Bug数)看，41.50%的团队在0.6-1.0个，36.60%在1.1-2.0个，12.20%在2.1-5.0个，9.80%在0-0.5个。整体来看，测试质量整体较为可控。图46测试缺陷密度分布图从线上缺陷密度(千行代码Bug数)看，37.50%的团队在0.51-1.0个，仅2.50%超过1个。整体来看，线上质量较为可控。0.31-0.50.31-0.50.11-0.30-0.1在4小时以内，20.00%需要1-3天，10.00%需要3-7天，仅1.67%图48缺陷修复时长分布图9.缺陷逃逸率以5%以内为主从主要系统/项目缺陷逃逸率看，31.70%的团队逃逸率在0-2%,24.40%在3%-5%,6%-10%与11%-20%各占19.50%,4.90%超过20%。5图49缺陷逃逸率分布图生成，50.00%尝试智能缺陷预测，31.67%尝试精准测试(智能用例推荐/筛选),28.33%尝试视觉识别/UI自动化，26.67%尝试智能测试数据生成。测试环节的智能化呈现“用例生成先行、精准化滞后”自动化用例自动化用例生成61.7%精准测试31.7%(POC/试点)阶段，尚未开始与不适用者合计15.00%。已起步的组部分团队推广41.7%组织内全面推广35.0%尚未开始/不适用15.0%POC/试点8.试覆盖率占65.00%,缺陷密度占61.67%,缺陷修复时长占58.33%,缺陷逃逸率缺陷逃逸率66.7%缺陷修复时长58.3%13.AI辅助测试的效果衡量以缺陷检出率提升为核心成效率占43.33%,精准测试覆盖率提升占38.33%,测试阶段效率提参照线40%(六)度量阶段行度量，建立组织效能基线),L1与L2级各占16.67%,L4级(度量结果作为组织决策关键输入)占10.00%,L5级(全面形成度量驱图54度量成熟度自评分布图2.AI辅助度量以智能报告生成与监测告警为主智能生成度量报告3.近九成已引入AI的组织研发运营效率获得提升获得中等提升(协同耗时降低20%-50%),23.33%获得显著提升(协同耗时降低10%-20%),仅1.67%无明显变化，另有11.67%暂时未引中等提升(20%-50%)40.0%显著提升(≥50%)23.3%小幅提升(10%-20%)23.3%无明显变化1.7%辅助人工)”是当前最主要的形态，需求文档编写(51.67%)与流水线问题排查(51.67%)的提效比例最高，其余环节均在人工只需监管)”的比例已相当可观，单测脚本编写(43.33%)、回归用例编写(41.67%)与代码编写(40.00%)位居前三，测试脚占比(%)2.组织适配AI转型以增设专职岗位与治理机构为主现有DevOps团队中新增AI工程师/提示词工程师等专职人员，占比(%)自主交付(从需求到部署的全流程智能化)各占61.67%,并列首位；图59未来1-2年重点投入方向图生成代码存在未知漏洞或后门(供应链风险),60.00%担忧大模型显著担忧。数据安全、代码供应链安全与生产环境可靠性构成知识产权与数据隐私风险顾虑，技术成熟度不足(45.00%)与数据ROI难以量化占33.33%,现有工具链与AI平台集成复杂占31.67%,已有草案/部门指引26.7%使用外部通用标准23.3%已发布企业级规范20.0%尚未开始16.7%制定中13.3%在把握整体发展格局的基础上，本章进一步聚焦工具层面，考察有云，35.77%的团队仍保留物理机，22.10%的团队已开始采用占比(%)图63基础设施技术/工具使用率图在DevOps平台类工具的使用上，51.06%的团队使用Gitee(40.32%)与GitLab/极狐GitLab(38.99%)紧随其后，华为云CodeArts(26.63%)与腾讯蓝鲸(25.21%)亦有较高使用率。此外，GitLab/极狐一腾讯蓝鲸一阿里云云效0图64DevOps平台使用率图(二)持续交付与流水线在代码管理工具的使用上，70.45%的团队使用码云/Gitee图65代码管理工具使用率图队使用GiteeDevOpsRepo,48.79%的团队使用Ha自研工具10.2%(49.67%)使用率位居前三；GoModules(41.10%)与Pythonsetuptools/poetry(38.21%)的使用率持续上升，反映出Go与MavenMavenGradlePythonsetuptools/poetry-Ant27.9%透CODINGCI(36.67%)与阿里云云效流水线(36.07%)使用率相近，占比(%)图69代码质量工具使用率图(29.86%)与Puppet(29.31%)在部分团队中继续使用，18.18%的AnsibleAnsibleTerraformSaltStackPulumiPuppet自研工具18.2%参照线40%的企业依靠脚本或定时任务临时粘合、仅能单向同步，20.05%的企业工具间数据相互隔离、依靠人工复制传递，19.36%的企业暂未打统一数据总线或IDP36.5%尚未打通占比(%)势简易工具门户32.8%正在规划建设24.9%暂无建设计划14.3%(三)敏捷研发管理与协作腾讯TAPD(10.60%)、GitLab/极狐GitLab(9.20%)与禅道(8.80%)5占比(%)图74需求与项目管理工具使用率图在团队协作与沟通工具的使用上，微信(63.24%)、企业微信(60.13%)、钉钉(58.17%)与飞书(56.03%)的使用率均超过五在文档与知识库工具的使用上，65.38%的组织使用飞书文档，60.71%的组织使用Confluence,两者并列成为主流选择；GiteeDevOpsDoc/Wiki(49.88%)、腾讯文档(42.43%)、语雀(34.02%)与GitLab/极狐GitLabWiki(32.45%)亦有广(四)质量保障与测试用率达50.78%,普及势头明显；Hoppscotch(29.40%)与SoapUI(26.63%)在部分团队中使用。JMeterJMeterPostmanApifoxHoppscotch2.Selenium与Appium分领Web和App自动化测试，(29.46%)、XCUITest(20.14%)与Detox(16.77%)在移动端测试AIDO)现状调查报告(2026年)Selenium(Web)Selenium(Web)Appium(App)41.6%PlaywrightCypressPuppeteerEspresso占比(%)3.JMeter与LoadRunner为性能测试双主力，新兴工具多元化发展在性能测试工具的使用上，JMeter(72.10%)与LoadRunner(59.14%)占据主导地位；Locust(39.72%)、Gatling(37.00%)占比(%)在测试管理与度量工具的使用上，69.81%的团队使用Allure,Zephyr(五)安全与合规卫士的使用率为42.80%;奇安信(26.66%)、开源网安(25.33%)小佑科技(30.61%)与NeuVector(27.80%)亦被广泛采用，覆盖镜20安恒明鉴(20.45%)、Webinspect(16.77%)、AppScan(11.91%)、TenableWAS(11.01%悬镜灵脉悬镜灵脉PTE44.2%图83DAST工具使用率图ContrastSecurity(占比(%)盟(34.56%)与CrowdStrikeFalcon(34.29%)等商业化方案亦有用率为46.80%;奇安信开源卫士(25.97%)、棱镜七彩(25.00%)、悬镜源鉴悬镜源鉴SCA天际友盟(20.60%)、微步在线(18.73%)与清科万道(18.40%)等国产工具使用率接近或超过Mandiant(16.98%)、VirusTotal悬镜云脉悬镜云脉45.8%微步在线18.7%8.SOC/SIEM市场国内外厂商竞争激烈Splunk(46.86%)使用率居前；国产厂商中天融信(43.91%)、奇安信(43.03%)与安恒(40.71%)紧追其后，360(35.40%)、Wazuh(34.17%)、知道创宇(33.50%)与AlienVault(32.00%)等亦有占比(%)天融信奇安信追日360知道创宇安全合规(18.70%)、清科万道SMART-SDL(16.16%)、默安科技(13.99%)、安天SDLC(13.30%)在部分组织中使用。应用安全正