智能化软件工程领域持续涌现出以代码大模型为首的三类大模型，代码大模型数量最多，运维和测试大模型次之。代码大模型以其强大的代码理解注释、代码生成补全、代码检查优化、研发问答等能力，助力软件编码效率和质量的提升。运维大模型当前重点关注运维知识问答、工单处理等方面，未来将从故障识别、故障预测、运维安全等多维度推动AIOps全过程智能水平提升。测试大模型相较而言数量较少，目前大量单测用例生成依靠通用大模型或代码大模型而实现高覆盖率和高完备度，测试大模型需寻找到测试阶段独特的发力点，从真正意义上提升测试能力。

中国信息通信研究院持续开展智能化软件工程行业研究，并根据AI4SE“银弹”案例数据、调查问卷反馈数据及企业走访调研数据，对行业进行深度观察和分析。

一方面，软件开发和测试阶段应用AI提效最明显。受访企业中，超70%的企业在软件开发阶段应用了大模型等AI技术，其次是软件测试也超过了60%。而在软件工程各阶段中，测试和开发过程应用AI技术后提效（人效）最为明显，其次是运维。

另一方面，智能编码工具应用成效初显。近半数受访企业的代码采纳率集中于20%~40%之间，超60%受访企业的代码生成占比集中于在10%~30%之间。代码采纳率是指智能生成的代码中被开发人员采纳的比例，代码生成占比是指项目代码总数中智能生成的代码的占比。

从调研的三十多家金融、互联网、软件服务等领域企业建设情况看，目前业界普遍在简单的基础功能建设上发力较多，在代码静态检查、研发问答、代码生成与补全等能力上的建设较为成熟，在代码动态检查、开发文档生成、代码架构分析等能力方面的建设在持续改进提升,这些方面将考虑实际需求和技术实现难度逐步推进。