后疫情时代人工智能的发展趋势与软件开发新格局——基于中金公司视角

新冠疫情对全球经济与社会运行模式产生了深远影响，也加速了人工智能（AI）技术的应用与迭代。进入后疫情时代，人工智能不再仅仅是前沿科技的象征，而是成为驱动产业复苏、重塑商业模式、提升社会韧性的核心引擎之一。中金公司在其系列研究中指出，人工智能的发展正呈现出若干清晰趋势，而人工智能应用软件的开发也随之进入一个更为务实、融合与创新的新阶段。

一、人工智能发展的核心趋势

1. 从技术探索走向规模化应用：疫情中，AI在病毒基因分析、影像诊断、流行病学预测、无接触服务等方面证明了其巨大价值。后疫情时代，这种价值认知推动AI从实验室和试点项目，走向各行各业的规模化部署。企业不再满足于“拥有AI能力”，而是追求“用AI产生可衡量的业务价值”。

1. “AI+产业”深度融合成为主线：AI的发展动力从互联网行业向传统产业溢出。智能制造、智慧医疗、智慧金融、智慧城市、智慧物流等领域成为AI落地的主战场。中金公司认为，能够深入理解特定行业痛点、业务流程和数据逻辑的“行业AI”解决方案将更具竞争力。

1. 大模型与生成式AI引发范式变革：以GPT系列、文心一言等为代表的大语言模型，以及AIGC（人工智能生成内容）技术的突破，标志着AI从“感知智能”迈向“认知智能”和“创造智能”的新阶段。这不仅催生了聊天机器人、内容创作等新应用，更通过“模型即服务”（MaaS）的方式，大幅降低了AI应用开发的门槛。

1. 普惠化与责任化并行：一方面，云服务、开源框架和低代码/无代码平台使得AI技术更加易得，中小企业和开发者也能参与创新；另一方面，数据安全、隐私保护、算法公平与可解释性、伦理治理等议题被提到前所未有的高度，负责任的人工智能成为可持续发展的基石。

二、人工智能应用软件开发的新特征与新要求

在上述趋势下，人工智能应用软件的开发范式正在发生深刻变化：

1. 开发重心转移：从“模型研发”到“场景落地”。开发团队需要更紧密地与业务部门协作，优先解决最紧迫的业务问题。软件工程能力（如系统集成、数据管道构建、性能优化、运维监控）变得与算法能力同等重要。

1. 技术架构演进：基于大模型的“预训练+精调”模式成为新常态。开发者更多地利用大规模预训练模型作为基础能力，结合行业或企业私有数据进行精调（Fine-tuning）或提示工程（Prompt Engineering），快速构建专业应用。这要求开发人员具备新的技能组合，包括对基础模型的理解和高效的交互设计能力。

1. 数据与算力的新平衡：高质量、结构化的领域数据成为核心竞争力。随着模型规模的扩大，算力成本高昂。软件开发需更注重效率，包括模型压缩、蒸馏、量化以及边缘计算等技术的应用，以实现成本与性能的最优平衡。

1. MLOps（机器学习运维）走向成熟：为了保障AI应用从实验到生产环境的稳定、高效、持续迭代，MLOps理念和实践变得至关重要。它涵盖了数据管理、模型开发、部署、监控和治理的全生命周期，是实现AI规模化应用的技术保障体系。

1. 安全与合规内嵌于开发流程：隐私计算（如联邦学习、安全多方计算）、可解释AI工具包、算法审计模块等，需要从设计之初就融入软件开发流程，以满足日益严格的监管要求和社会期待。

三、展望与建议

中金公司分析认为，后疫情时代是人工智能兑现商业价值的关键期。对于参与人工智能应用软件开发的企业和开发者而言：

• 聚焦垂直领域：深耕特定行业，积累领域知识（Domain Knowledge）和数据，构建难以复制的护城河。
• 拥抱开放生态：积极利用开源模型、云平台和开发者社区，站在巨人的肩膀上创新，加快开发速度。
• 坚持价值导向：以解决真实业务问题、提升效率或创造新体验为出发点，避免为技术而技术。
• 构建全栈能力：培养和整合既懂AI算法，又懂软件工程、行业知识和安全合规的复合型人才团队。

总而言之，后疫情时代的人工智能浪潮正变得更加务实和深入。人工智能应用软件的开发，正在从一场以技术突破为核心的竞赛，转变为一场以深度融合、价值创造和负责任部署为核心的系统性工程。唯有准确把握趋势，并据此调整开发战略与组织能力的参与者，才能在这波浪潮中立于潮头。