中国信通院：AI4SE行业现状调查报告（2026年）（36页）.pdf

1、中国信息通信研究院人工智能研究所2026年3月AI4SEAI4SE 行业现状调查报告行业现状调查报告(2022026 6 年年)版权声明版权声明本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。本报告版权属于中国信息通信研究院，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院”。违反上述声明者，本院将追究其相关法律责任。前言前言随着新一代人工智能技术在软件工程领域的系统化、规模化应用，大模型、智能体等技术正深度融入需求分析

2、、架构设计、编码实现、测试验证、运维管控等全生命周期环节。软件工程与人工智能的深度融合迈入关键阶段，迎来了生产力跃升与创新模式重构的重大机遇，也面临着从技术探索到规模化落地的切实挑战。实践表明，智能化软件工程（AI for Software Engineering，AI4SE）为企业降本增效、提升生产力开辟了可行路径，但仍面临专业人才紧缺、应用成效度量难、高质量数据集缺乏等挑战，亟需行业提供指引。为进一步把握 AI4SE 行业发展态势、总结落地经验、明晰演进方向，为我国软件产业智能化转型提供实践指引，中国信息通信研究院联合发起“2025 年度 AI4SE 行业现状调查”工作。调查过程以智能化软

3、件工程技术和应用要求面向软件工程的智能体技术和应用要求 等系列标准为参考，聚焦 AI4SE 发展现状及落地成效。本报告以调查结果为基础，对软件工程各阶段的智能化转型现状、落地效能提升情况、未来发展趋势、挑战与机遇等维度进行了深入分析。目录目录一、调查背景.1二、总体现状.3三、智能需求与设计现状.11四、智能开发现状.13五、智能测试现状.20六、智能运维现状.23七、总结展望.26图 目 录图 目 录图 1受访企业行业分布.1图 2受访者职位分布.2图 3企业人员规模（左一）和研发人员（左二）规模.2图 4企业对软件研发过程的智能化转型重视程度.3图 5企业软件研发智能化转型遇到的挑战.4图

4、 6企业软件研发智能化成熟度.5图 7企业在软件研发过程中应用大模型的时间情况.6图 8企业在软件研发过程使用大模型的方式分布.6图 9企业在软件生产过程中使用的国内大模型分布.7图 10AI 赋能软件工程各阶段提效数据对比.8图 11软件工程各阶段效率提升区间分布.9图 12企业在智能化软件工程中将重点开展的方向分布.10图 13软件需求过程应用 AI 的各环节分布.11图 14软件设计过程中应用 AI 的各环节分布.12图 15智能开发工具应用人数占开发总人数比例（应用渗透率）.13图 16智能开发工具活跃用户数占比.14图 17智能开发工具应用形态分布.15图 18智能开发工具选择分布.

5、16图 19智能开发工具用户满意度分布.16图 20企业代码生成采纳率分布.17图 21企业代码生成入库采纳率分布.17图 22开发效率提升区间分布.18图 23企业应用 Agent 在开发环节带来的主要价值.19图 24企业落地智能测试工具聚焦的环节.20图 25企业落地智能测试工具聚焦的场景.21图 26文本测试用例采纳率分布.21图 27测试效率提升区间分布.22图 28智能运维落地场景分布.23图 29运维效率提升区间分布.24图 30运维智能化成熟度分布.25图 31大模型助力运维质效提升点分析.25AI4SE 行业现状调查报告（2026 年）1一、调查背景软件研发是当前大模型最具应

6、用价值的方向之一。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，软件研发的智能化水平显著提升，各类企业纷纷探索大模型在研发全流程中的落地路径与应用成效。为系统梳理大模型在软件研发领域的应用现状，客观呈现技术落地的进展与面临挑战，助力企业加速软件研发流程的智能化转型，推动行业持续演进与变革，中国信息通信研究院组织开展AI4SE 行业现状调研，以期为产业界提供参考依据，促进大模型在软件工程领域的高质量落地应用。本次调查采用在线问卷方式，共收集 2443 份问卷，经筛查选取2109 份有效问卷。问卷收集周期为 2025 年 12 月 11 日至 2026 年 1月 15 日。1.参与调查