熱門資訊> 正文
2026-09-02 08:30
(來源:牛透社)
8月26日,由崔牛會主辦的「2026 ToB AI 產研大會」第二站在深圳南山區舉行。
本次大會以「從工具提效到工作流重構」為主題,圍繞「AI Coding 之后,ToB 軟件公司的產研流程怎麼重做?」這一熱點展開。
隨着 AI 從個人編碼工具進入團隊研發流程,企業面對的問題也開始發生變化:如何讓 AI 進入完整研發鏈路?如何建立新的質量保障機制?研發系統、組織方式和業務交付又需要怎樣同步調整?
這一變化同樣體現在大會前期調研中。崔牛會創始人兼 CEO 崔強在開場中引用 400 余份有效問卷和 197 份開放式回答並指出,AI Coding /代碼生成以 75.4% 的關注度居首,質量、安全、上線驗收(68.4%)、測試用例生成與自動化測試(68%)緊隨其后。
但他強調:「工具只是顯性入口,流程、治理與落地纔是隱形焦慮」;多數團隊仍面臨「局部提效、整體未明顯拉昇」的共性問題。
圍繞這一變化,來自 EC、藍凌、小鵝通、衡石科技、有贊、金山辦公的六位一線實踐者,從研發流程、質量工程、研發系統、組織方式到企業級 AI 基建與客户交付,分享了 AI 進入真實生產環境后的實踐路徑。
01
AI進入完整研發流程:
從編碼提速走向質量閉環
當 AI Coding 從個人工具逐步進入研發現場,研發團隊首先需要重新審視的,是從需求分析到測試交付的完整生產過程。
EC 研發負責人羅凱分享了從單人的 AI Coding 工具走向整個產研體系重構的實踐。團隊形成的統一共識是,AI 的核心價值在於放大會用 AI 的人的能力,而非完全替代研發。
基於這一思路,EC 搭建覆蓋需求分析、規格生成、審覈與三路分發、並行開發與測試、后處理與部署、場景測試六個階段的 AI 研發體系,並通過將超級個體的能力插件化分發,拉平團隊的基礎能力線。
當 AI 深入研發鏈路,質量保障也隨之面臨新的挑戰。
藍凌軟件研發中心技術負責人李衡介紹,AI 時代質量保障的對象已經從代碼本身延伸到模型不確定性、工具調用不確定性以及業務流程的高頻變化。對此,藍凌將質量工程從傳統工程化進一步升級為人機協同質量閉環,覆蓋需求鏈路、編碼驗證、測試執行與資產度量,並將智能體的效果、穩定性、安全與成本納入質量衡量。
從這兩組實踐可以看到,AI Coding 帶來的變化並不止於代碼生成效率提升。
隨着 AI 被納入真實研發流程,企業需要同時補齊需求、驗證、測試和度量等環節,AI 的效率優勢才能真正轉化為可持續的研發能力。
02
研發生產系統與組織方式同步調整
當 AI 不再只是嵌入某個研發環節,而是成為生產過程的一部分,企業進一步調整的就不僅僅只是工具鏈,還包括承載研發活動的系統和組織方式。
小鵝通 CTO 王鐵波介紹了自研 SES 自演進系統,該系統重新組織人、AI與系統三類能力並打通閉環,讓AI真正進入組織的生產體系。
與此同時,小鵝通也同步推進了組織調整:取消獨立測試崗位、減少部分管理頭銜、保留結果負責人,並將釋放出的研發人力進一步下沉到業務一線。配套的人機協作機制使產研團隊整體工單處理吞吐量提升至去年同期的近3倍。
王鐵波認為,企業自有的私有工程資產與業務知識庫,將成為 AI 時代難以被複制的核心壁壘。
兼CEO 劉誠忠
衡石科技創始人、CEO 劉誠忠則從數字員工的實踐進一步展示了組織形態的變化。其數字員工「賈維斯」上線后,可自主完成bug復現—診斷—修復—驗證的閉環,面向單個場景,在FDE陪跑下2到4周即可完成落地。
在他看來,組織級數字員工成為新的中心節點后,團隊結構會趨於扁平,傳統的對齊、匯報類管理工作將逐步減少;與此同時,人類的核心價值更多集中於定義目標、產出原創方案、驗收結果並承擔責任。
有贊門店技術負責人方軍則分享了以 Workspace x Agent x 人為基礎的「小特戰隊」模式。團隊優先採用成熟產品,將資源投入 Workspace 底座建設和人員能力培養。
在這一模式下,以 Pad 端支持有贊寄件為例,同一需求由原來的 27 人日壓縮至 6 人日;交付節奏也從以月為單位的大批次長鏈路,轉向按天的小批次短閉環。
以上實踐共同指向一個變化:AI 的引入正在推動研發生產系統和組織機制同步調整。
工具只是進入點,真正決定效率能否持續釋放的,是企業是否有新的系統承載 AI、是否建立適配的人機協作方式,以及是否重新定義團隊中的角色與責任。
03
AI進入企業業務:
從內部應用走向客户交付
當 AI 進一步從研發環節走向企業整體經營,企業需要考慮的範圍也從內部研發效率擴展到 AI 基建、業務場景和客户交付。
金山辦公解決方案架構負責人劉慶輝從企業級落地視角分享了「三通兩管一平」的實踐框架,即通知識、通數據、通能力,管成本、管安全,並建設統一的 AI 基建平臺,以避免煙囪式、散裝化的 AI 系統。
他還介紹了「三聯四合」的跨團隊協作模式——業務側三個角色負責定場景、給數據、推試點,FDE 側四個角色負責判方向、搭方案、接數據、優效果,並強調這一模式必須由業務方牽頭。
在具體落地策略上,劉慶輝強調,企業選場景要「高價值、高難度」,並主張「用時再治」的輕量化數據治理思路。
對企業而言,AI 項目的評價標準也由「是否完成部署」進一步轉向「是否形成可驗證的業務結果」,尤其在面向客户交付時,AI 能否真正嵌入業務場景、穩定運行並持續創造價值,成為更核心的判斷標準。
從 AI Coding 到質量工程,再到研發體系、組織方式和企業級 AI 基建,AI 正逐步進入企業真實生產流程。對於 ToB 軟件企業而言,下一階段需要解決的,是如何重構一套能夠讓 AI 持續產生業務結果的生產體系。
未來,崔牛會將持續圍繞這一方向,通過「中國 FDE 實踐大會」與「Rebuild|2026 中國企業 AI 大會」等活動,進一步深入探討 AI 時代企業產研體系的演進路徑,共同尋找下一階段企業軟件生產與組織變革的答案。