软件工程智能化标准与实践-2025北京站_QECon全球软件质量效能大会-橙柚科技

优惠倒计时

8折票抢购中

团购享受更多优惠

北京站 · 10月31-11月1日

上海站 · 9月12-13日

深圳站 · 5月23-24日

中国信通院云大所云计算部高级业务主管，云上软件工程社区负责人，主要从事云计算、软件工程智能化、智算云服务领域标准制定、技术与产业研究等工作，主导编写软件研发效能、质量工程等行业标准和研究报告，及云原生AI等国际标准。

主要负责软件工程智能化、汽车、金融、低空经济等领域研究。牵头或参与编写《云上软件测试成熟度模型》、《云上智能体评测能力要求》、《汽车行业智能化成熟度模型》、《2023年度中国企业软件研发管理白皮书》、《2025年软件工程智能化标准体系建设指南》、《AIGC驱动Devops智能化应用研究报告》、《2025年AI技术在项目管理中的应用洞察报告》等行业标准和研究报告。具备多年软件工程&测试领域项目管理经验，发表云计算相关领域专利十余篇，软著十余篇。

专场出品人：马龙飞

专场出品人：韩思齐

专场出品人：王海清

中国信息通信研究院云计算与大数据研究所云计算部高级业务主管

主要从事系统稳定性保障领域研究工作，稳定性保障实验室负责人，曾牵头撰写《混沌工程平台分级能力要求》、《混沌工程能力成熟度模型》、《分布式系统稳定性度量模型》等标准撰写，主导国内首个混沌工程调查问卷、系统稳定性建设指南蓝皮书，积极推动我国系统稳定性水平提升。

专场：软件工程智能化标准与实践

人工智能正重塑软件构建方式，开启效能的跃升之门。然而，要将这股变革之力转化为可靠、可复制、可衡量的企业价值，定义清晰的标准规则与可复用的实践经验不可或缺。当前，如何让智能开发工具真正落地并释放效能？需要建立哪些模型治理机制来管控风险？怎样科学评估智能化投入的ROI与业务价值？企业应如何规划智能化转型路线？这些围绕软件工程智能化标准与实践的核心命题，正是推动这场工程革命从愿景走向现实的关键所在，也是本专场致力探讨与解答的焦点。

马龙飞

中国信息通信研究院

云计算与大数据研究所云计算部

高级业务主管

现任中国信通院云计算与大数据研究所云计算部高级业务主管，长期深耕于软件工程智能化、汽车及金融等关键领域的核心技术研究、产业推进与标准制定工作。
作为核心发起人与撰稿人，牵头编制或参与《云上软件测试成熟度模型》、《智能化软件测试成熟度模型》、《2025年软件工程智能化标准体系建设指南》、《2023年度中国企业软件研发管理白皮书》、《2025年AI技术在项目管理中的应用洞察报告》、《AI赋能汽车行业智能化转型技术创新报告》等行业标准和领域研究报告，为行业规范化发展提供核心指引。
具备多年软件工程&金融领域项目管理经验，发表云计算相关领域专利十余篇，软著十余篇，在软件测试与智能化转型方面拥有深厚的理论功底和丰富的独到见解。

待定

中国信通院软件工程智能化标准化探索路径

随着国家全面推进“数字中国”与“数字经济”战略，软件作为核心载体，其研发效能与质量已成为衡量产业竞争力的关键指标。在顶层政策的指引下，市场正处于从“软件定义”向“智能驱动”跃迁的关键节点。生成式AI等技术的爆发式增长，为软件工程效能革命提供了全新动能，正驱动研发模式向智能化深度转型。
然而，产业的智能化实践仍面临严峻挑战，呈现出“高预期、高投入”与“碎片化、难度量”并存的局面。在此背景下，亟需一套通用、共识的标准化框架，以打通从技术到实践的信任通道，引导行业从“工具试用”走向“体系化智能”。
本议题将分享中国信通院在软件工程智能化标准体系的建设思路与未来路径，聚焦于“如何建立统一的能力评估标尺”、“如何构建端到端的智能化质量保障体系”以及“如何规划一条清晰的演进路径”。旨在与业界共同推动形成“技术有标准、应用有规范、治理有依据”的健康发展生态。

内容大纲
1. 背景引入：数字化浪潮下的软件工程智能化变革需求
1.1 国家顶层战略驱动，央地协同增效
1.2 智能软件需求推进，数字化进程持续攀升
2. 行业痛点：剖析软件工程发展瓶颈，明确破局关键
3. 建设思路：分层演进，构建智能化工程化标准实施矩阵
3.1 智能基础底座：构建技术赋能可控的数字化基石
3.2 核心能力建设：覆盖全生命周期的智能化能力矩阵
3.3 行业线标准适配：建立垂直领域差异化实施路径
4. 中国信息通信研究院稳步推进软件工程智能化产学研协同发展
5. 趋势展望：软件工程智能化技术演进与产业升级驱动

听众收益
1. 把握市场趋势与政策导向，精准把握国家政策红利与市场爆发节点，为企业战略布局与资源投入提供关键决策依据；
2. 了解智能化落地路径与标准框架，帮助企业识别自身所处阶段；
3. 明确下一步建设重点，避免在工具选型与技术路线中盲目投入。

韩骁

浙商银行科技管理部

质量管理中心主管

现任浙商银行科技管理部质量管理中心主管，深耕测试与质量管理领域多年，始终聚焦前沿理念与创新方法的探索，尤其在AI测试研究上持续发力，以实现测试环节的高效协同与精准管控，全力推动测试领域智能化转型的深度落地与实践突破，带领团队通过信通院DevOps持续交付三级能力评定，实践经验连续入选2022、2023服贸会企业数字化转型论坛优秀案例。

待定

探索多模态多智能体协作的软件测试新范式

在数字化浪潮席卷全球的今天，金融行业正经历着从“信息化”向“智能化”的深刻变革。作为保障业务系统质量的核心环节，软件测试面临着前所未有的挑战，一方面，业务需求的复杂度与日俱增，传统基于人工编写的测试用例难以覆盖海量场景；另一方面，金融系统对安全性、稳定性的严苛要求，使得测试环节必须兼具高效性与精准性。在此背景下，人工智能技术与测试领域的深度融合，为破解行业痛点提供了革命性路径。但在智能化测试场景的探索中，单纯依赖单一文本大模型存在显著局限性，存在测试案例自动生成准确率低、缺陷定级误判率高，仍需投入大量人力进行结果校正与补充标注，严重制约了测试效能的提升。多模态大模型的崛起为金融业软件测试注入新动能。通过融合视觉理解、自然语言处理与推理决策能力等，AI测试不仅能精准解析需求文档中的非结构化数据，还能实现缺陷定级的自动化与智能化，显著降低人工干预成本。浙商银行深化智能测试实践，基于语言、代码、视觉三类大模型，在测试领域形成多模态多智能体协作的AI测试机制，助力打造以AI为核心的测试新范式，解决了传统测试中“覆盖率低、误判率高”的顽疾，更推动测试范式从“经验驱动”向“数据驱动”的跨越式转型，为全行数字化转型提供高质量的质效保障。

内容大纲
1. 技术筑基，建设大模型驱动的AI测试架构，浙商银行整体技术方案围绕大模型底座选型、智能体搭建以及智能体协作三方面形成AI测试能力。
2. 应用引领，打造全链路覆盖的场景体系，通过以代码智能诊断与接口测试用例智能生成、基于业务流程的测试用例智能生成、UI自动化测试智能执行、缺陷智能定级与提交四个智能体应用场景为背景，浙商银行推出基于多智能体协作的AI测试员工作模式。
3. 四维协同，规模化推进AI测试转型实践。为实现智能化测试体系的战略转型，浙商银行通过夯实技术底座，培养专业人才、统一工作思路、切实发挥实效四方面有效推进转型落地。
浙商银行通过构建语言、代码、视觉多模态协同的AI测试体系，测试用例生成效率提升30%，回归测试人力成本降低50%，缺陷提交效率提升50%，不仅破解了传统测试中非结构化数据解析难、缺陷治理低效等痛点，更推动测试范式从单点环节优化向全链路智能化跃迁，以“智能体协作网络”的形态重构了软件质量保障体系，实现了质量风险的实时预警与动态防御。

听众收益
1.了解AI测试的核心技术框架与落地路径，明晰智能化测试的关键突破点
2.明晰全链路AI测试场景的落地方式，获取多智能体协作工作模式的实际应用经验
3.学习规模化推进AI测试转型的协同策略，借鉴推进方法

牟钦宇

中国邮政储蓄银行软件研发中心

用户体验专家

中国邮政储蓄银行软件研发中心用户体验技术专家，曾任职于网易，积累了丰富的用户体验实践经验。目前主要负责邮储银行软件产品的体验数智化建设工作，牵头构建用户之声VOC分析模型，通过深度挖掘用户潜在需求、精准解析海量用户反馈数据，为银行产品体验升级提供科学决策依据与可落地的优化方案，助力产品决策精准贴合用户需求，驱动产品价值与用户体验双提升。

待定

用户声音驱动的产品全生命周期价值提升探索与实践

随着数字化转型步入深水区，银行业已迈入“存量时代”，客户对于个性化、定制化的产品需求日益增长。而传统研发模式存在以下核心痛点，严重制约产品迭代效率：一是反馈来源碎片化，数据孤岛问题突出：用户反馈分散于客服对话、应用商店评论、社交媒体留言等多渠道，各渠道信息彼此割裂、缺乏整合，难以形成完整的用户认知视图，无法全面把握用户真实需求。二是决策逻辑主观化，缺乏科学支撑：面对海量用户反馈，现有模式缺乏标准化的量化分析模型，产品决策过度依赖个人经验而非系统数据洞察，使得产品方向选择常陷入主观判断，难以匹配市场真实需求。三是信息传递断层，关键环节脱节：用户声音多止步于前端业务部门，未能有效触达产品规划、设计、研发等核心环节。开发测试团队因无法及时获取完整反馈，难以准确判断优化优先级，导致用户关切问题难以及时落地解决。四是价值评估表层化，闭环验证缺失：新功能上线后的效果评估，多停留在下载量、使用率等宏观数据层面，缺乏对用户真实满意度、使用体验的深度挖掘，无法形成 “反馈 - 开发 - 验证” 的完整价值闭环，难以持续优化产品竞争力。

这些问题背后的本质在于：用户声音在产品生命周期中始终处于“离散输入”状态，未能转化为贯穿产品演进全程的“核心驱动力量”，这种结构性缺陷，导致产品迭代效率较低，市场响应迟缓，最终影响用户体验与产品竞争力。
为破解这一困局，邮储银行以用户声音推动研发模式变革，以真实用户反馈为核心纽带，推动其与研发全流程高效协同，助力产品决策精准贴合用户需求，最终实现全生命周期、全旅程、全渠道、全触点的用户体验实时监测，驱动产品价值与用户体验双提升。

内容大纲
1. 从“经验主导”到“用户引领”的趋势变革
1.1 困局剖析：传统研发模式的X大瓶颈
1.2 破局关键：用户声音驱动研发模式变革
2. 用户之声全域洞察与协同响应体系
2.1 全域感知：多渠道用户声音一体化采集与整合
2.2 智能洞察：用户之声VOC分析模型构建
2.3 高效协同：用户洞察融入研发全流程
3. 实践成果

4. 未来展望

听众收益
1. 获取用户之声VOC分析模型构建思路；
2. 获取用户声音融入研发全流程的协同机制，提升产品迭代效率；
3. 借鉴构建 “反馈 - 开发 - 验证” 完整价值闭环的经验，实现产品价值与用户体验持续提升。值与用户体验持续提升。

龚明杰

平安科技精益敏捷与DevOps专家

研发管理部分组经理

SAFe SPC规模化敏捷专家认证、VeriSM数字化转型认证、SPOT引导师等认证
平安大学五星、十佳讲师
平安集团研发实践社区理事长、重庆DevOps社区发起人、深圳敏捷部落10周年专题出品人、中国企业敏捷实践白皮书执委、“金融行业业研一体”提出者
专注研究与实践IT数智化：复杂组织敏捷&DevOps变革、数智化软件研发体系建设、企业数字化转型等，曾领导或帮助多个1000人大型组织成功转型

待定

AI驱动下的研发数智化管理探索

AI驱动的软件研发正在显著提升研发团队的效能，迅速改变传统的研发模式，AI快速迭代及应用深化给研发管理与改进工作带来了新的挑战，比如，如何度量团队的交付能力？让研发过程风险可观测？研发管理应该如何变革？等等。本次分享将主要聚焦AI新研发模式下的研效度量、数智化管理与改进，分享一些探索实践经验。

内容大纲
1. AI驱动的软件研发管理面临前所未有的挑战
2. AI+研发管理实践框架
2.1“一体两翼”管理体系
2.2 “三段四区”洞察模型
2.3 “五环”精准改进机制
3. AI驱动研发的研效度量
3.1 人机协同下的研发效能
3.2 研效度量新尝试
4. 研效管理的AI智能化探索

于晓南

Thoughtworks 专家级咨询师

Thoughtworks 专家级咨询师/赋能专家/CAC 认证敏捷教练
目前担任DAMO的全球知识经理与服务经理
拥有15年丰富的产品质量交付经验，深度参与过各类大型复杂项目的质量交付过程，积累了扎实的质量分析与流程改进能力。在敏捷需求管理、敏捷质量管理、敏捷项目管理，以及质量分析与持续改进等领域具备丰富的实践经验。精通质量理论、测试方法与策略，始终致力于推动数字化人才的培养与赋能。
目前主要负责数智化运维业务线的知识管理与服务管理，专注于构建和落地跨时区协作机制，推动跨区域知识与案例的共享，不断提升业务影响力与价值。

待定

AI重塑质量：质量原生与智能共生

解决的问题和痛点：
AI如何重塑整个质量内建过程。传统软件工程做质量内建受限于人本身的限制，整个流程是基于人为约束的设计，有些我们习以为常的冗余环节、“浪费行为”，造成了额外的浪费。这些冗余在AI时代是完全可以保质保量的前提下逐步精简的。

思考的方向：
1.结合当前质量内建流程和关键实践，引出以往做质量的惯性思维和路径依赖
2.AI可以精简哪些工作内容？助力哪些实践？人为确认的关键节点是哪些？
3.我们可以做什么，如何保有质量人本身的优势？

内容大纲
1. 关键概念导入
1.1 什么是质量原生？
1.2 什么是智能共生？
1.3 质量智能演进
2. AI如何重塑质量
2.1 传统软件工程时代：AI之前我们怎么做软件？
2.2 人为约束和路径依赖带来的额外成本
2.3 AI重塑软件质量：保质保量、化繁为简
3. 迈向质量原生与智能共生的未来
3.1 人机协作的最佳模式
3.2 质量智能演进
3.3 理想方案 vs 快速成功方案

听众收益
1. 获得行业范式转移的顶层视角：从“成本中心”到“价值引擎”的质量观重塑
2. 洞察传统模式的隐性成本：识别并打破“人为约束”与“路径依赖”的枷锁
3. 掌握“保质”与“提速”双轨并行的可行路径：利用AI实现“质效合一”的工程实践
4. 构建未来人机协作的清晰蓝图：定义在“智能共生”时代团队的核心竞争力
5. 规划符合自身现状的演进路线：在“理想国”与“快赢方案”间做出明智取舍

季可航

中国信息通信研究院

云计算与大数据研究所云计算部

云计算研究员

中国信息通信研究院-云计算与大数据研究所-云计算部-云计算研究员，专注人工智能与云计算交叉领域，负责云服务稳定性和人工智能领域研究，日常支撑工信部开展云服务稳定性方面调研和政策制定工作，参与多项云计算领域团体标准、行业标准、国际标准编制工作。

待定

AI + 稳定性：智能化时代业务连续性保障的建设路径

当前，智能化转型加速渗透各行业，企业业务模向智能化深度转型，核心业务依赖的系统架构更复杂、数据流转更密集、用户需求更实时。业务稳定安全运行往往面临着运维难度大、运维效率低、运维成本高等问题。

但随着人工智能（AI）技术的飞速发展，基于人工智能的运维能力作为支撑系统稳定运行与高效迭代的关键环节，正助力企业从传统运维模式中脱颖而出，成为数字化转型浪潮中的重要力量。

在此背景下，中国信通院开展了基于智能化时代特征的业务连续性保障思路研究，从底层基础设施稳定性、运维大模型建设、大模型稳定性、智能运维体系到上层sre agent、AI应用在运维场景落地等方面出发，构建了智能化时代业务连续性保障模式演进路径。致力于联合业界力量，共同构建AI时代下运维领域的良性发展生态，为行业持续健康前行奠定基础。

内容大纲

1. 智能化转型下的业务连续性挑战

2. 智能化时代业务连续性保障思路

2.1 智能化时代业务连续性保障模式演进路径

2.2 智能化时代业务连续性保障的AI技术支撑体系

2.3 AI服务连续性支撑体系

3. 总结与展望

张亚茹

中国移动 AI算法工程师

专注人工智能与云计算交叉领域，负责IT云运维大模型智能体技术攻关，先后开发了告警解析增强模型、IaaS通用运维知识问答模型等，并基于模型能力打造IaaS智能体，实现垂直场景的智能运维闭环。近年来，以第一作者发表高水平论文6篇，参与3项行标的撰写，申请专利7篇。

待定

中国移动IT云运维大模型智能体研发实践

随着大模型的发展，IT云数智化运维聚焦大模型赋能方向，本议题介绍大模型、智能体在IT云运维场景的落地实践。基于一线运维与租户业务人员实际痛点，采用研运一体的模式推进IaaS层智能体建设，通过私有化语料构建知识工程、聚焦IaaS层大模型训练、规范智能体建设标准，实现智能体的可视化编排和一站式管理，落地领域专属智能引擎，打造告警综合分析与工单催办、各种主机与网络设备健康检测、ip地址甄别等生产一线场景应用，全面助推IT云数智化运维升级。

内容大纲
1. 大模型技术演进
1.1 大模型发展背景
1.2 运维垂域大模型发展现状
1.3 业界案例分析
2. 大模型在中国移动IT云运维探索
2.1 IaaS大模型建设背景分析
2.2 智能体建设方向
2.3 智能体建设方式
2.4 智能体编排方案
3. 运维大模型落地实践
3.1 IaaS大模型训练情况
3.2 运维大模型成效
4. 总结与展望

听众收益
1. 了解垂类领域任务导向式知识库构建方法
2. 了解智能体编排规范与思路
3. 了解IaaS运维大模型智能体在智能运维中的运维实践