我要投稿

百度如何打造AI原生研发新范式？

发布日期：2024-10-31 11:56:53 浏览次数： 1635 来源：Comate编码助手

2024年10月23-25日，2024 NJSD技术盛典暨第十届NJSD软件开发者大会、第八届IAS互联网架构大会在南京召开。本届大会邀请了工业界和学术界的专家，优秀的工程师和产品经理，以及其它行业领军人物，分享交流经验和心得。

百度文心快码总经理，工程效能部总监臧志出席大会开幕式，并分享了《AI原生研发新范式的实践与思考》。在大模型赋能下，研发过程正在发生一场深刻变革。面对这样的变革，如何在公司和行业中拥抱和落地，是百度一个重要的探索方向。

在本次大会上，臧志阐释了AI原生研发新范式的内涵，分享了从两个方面快速推动建设和落地的经验。一方面，是推进以数据+大模型为基础的研发方式，实现需求交付模式的变革，也称为AI换道交付。另一方面，是推进AI赋能和重构研发的全流程，实现生产力的倍增，称之为人机协同。

具体来看，以数据+大模型为基础的研发方式，将围绕着大模型作为核心的能力供给，通过Prompt工程和数据工程，来实现需求的交付。对于Promot工程来说，是通过改变自己，来适配和发掘大模型在目标任务上的表现，是大家最常用和首先应该使用的方式，也是百度各个应用侧最普及的方式。而数据工程，则比较复杂，在通过Prompt不容易达成目标任务效果的时候，则需要针对任务来准备数据，改变大模型，来支撑我们的能力。

想要在整个公司落地这套研发方式，需要有一整套体系来沉淀大家的实践经验，形成正向循环和平台化的效应。除了最基础的模型、模型服务、研发工具之外，更重要的是去挖掘和激发各个业务的实践，总结成为流程规范，通过平台化的方式来形成复制。如果实践成熟，会形成指南，如果公司对于指南的做法形成更为统一的看法，会做成规范。也就是通过实践+规范指南+工具平台，这一套组合，支撑和促进了公司内AI原生开发的大幅增长，以及效率的提升。从年初到现在，我们的应用数增加了76%，现在这类应用能占到公司整体应用的10%以上，超过50%的工程师开发过Prompt，在数据飞轮和数据流程上也实现了50%的提效。

臧志在阐释了AI原生研发新范式的具体内涵之后，也分享了百度在AI赋能研发领域的探索和实践经验。

AI赋能研发的领域最近非常热，行业大致会按照AI辅助的贡献来分为五个阶段。在一家企业落地，不是简单的一个阶段，而是复杂任务的组合，因此前面提到的几个阶段，会同时存在，共同推进。总结起来，这由两个要素来决定：一个是任务的复杂度，这包括任务的粒度有大有小，是否跟其他的代码库或系统有耦合。另一个因素，是人的参与方式，这包括以人为主到机器为主，更抽象的表达方式等等。

在这个过程中，我们发现研发智能化是所有研发团队的共识。通过智能化首先会提升效率，也会更容易的落地一些先进理念，比如测试左移等主张。每个研发团队也都会在这个共识下，去思考结合他们的研发场景，他们需要的更先进的基础设施是什么。所以，在一个企业的研发智能化落地过程中，如何调动和组织起各个团队的积极性至关重要。

百度在智能编码领域已经探索了两年，文心快码已在公司内部被数万名工程师使用。百度每天生成的代码中，有30%由文心快码生成，整体采纳率达46%，这一提效工具的应用令工程师整体提效达到12%。文心快码的应用不仅提高了研发效率，也显著提升了代码质量。在百度内部实践中，文心快码安全漏洞扫描准确率已超过95%，并有83%的扫描漏洞已被修复闭环。

同时，百度通过文心快码的内外部的实践经验，已经总结出一套标准化的落地流程以及最佳实践，通过实施人机协同原则和构建落地执行体系，促进企业工程文化的转变和数据驱动价值闭环。

除了帮助百度内部数万名工程师提升研发效率和质量之外，文心快码也已应用于吉利汽车、顺丰科技、方正证券、华农保险、喜马拉雅、同程旅行、名创优品、上海三菱电梯等万家企业客户，覆盖汽车、金融、物流、互联网、机械制造、软件服务、集成电路等行业领域。文心快码在企业的落地实践案例，也获得了权威机构的认可，成为行业最佳实践标杆应用

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

FP8 低精度训练：Transformer Engine 简析

2024-07-11

万字综述 10+ 种 LLM 投机采样推理加速方案

2024-07-11

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-07-09

太爽了！o1 现在可以天天享用了

2024-09-18

通义千问超越GPT4了？

2024-06-11

Qwen2大模型微调入门实战-命名实体识别（NER）任务

2024-07-23

基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）

2024-07-20

DifySandbox 的构建背景和实现机制

2024-07-12

彻底理解系列之：FP32、FP16、TF32、BF16、混合精度

2024-07-26

大模型国产化适配10-快速迁移大模型到昇腾910B保姆级教程（Pytorch版）

2024-07-23

大家都在问

LLM实践系列-聊聊大模型STF的数据清洗过程有多繁琐？

2024-11-18

深入理解预训练与微调，为什么需要预训练，什么是微调？

2024-11-16

GenAI部署：成功率与ROI为何双下滑？

2024-11-16

Cursor：如何构建 AI Coding 最佳实践？

2024-10-31

百度如何打造AI原生研发新范式？

2024-10-31

多语言向量模型的语言鸿沟（Language Gap），对比学习能否带来突破？

2024-10-27

如何使用NotebookLM？

2024-10-26

OpenAI新发布的canvas和Claude的Artifacts，哪个更好？

2024-10-25

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

FP8 低精度训练：Transformer Engine 简析

万字综述 10+ 种 LLM 投机采样推理加速方案

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

太爽了！o1 现在可以天天享用了

通义千问超越GPT4了？

Qwen2大模型微调入门实战-命名实体识别（NER）任务

基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控）

DifySandbox 的构建背景和实现机制

彻底理解系列之：FP32、FP16、TF32、BF16、混合精度

大模型国产化适配10-快速迁移大模型到昇腾910B保姆级教程（Pytorch版）

大家都在问

LLM实践系列-聊聊大模型STF的数据清洗过程有多繁琐？

深入理解预训练与微调，为什么需要预训练，什么是微调？

GenAI部署：成功率与ROI为何双下滑？

Cursor：如何构建 AI Coding 最佳实践？

百度如何打造AI原生研发新范式？

多语言向量模型的语言鸿沟（Language Gap），对比学习能否带来突破？

如何使用NotebookLM？

OpenAI新发布的canvas和Claude的Artifacts，哪个更好？

热门标签