发布并深度解读《2025AI+研发应用大模型国内现状调查报告》_2025年软件研发应用大模型国内调查报告-优快云博客

当大模型（LLM）不再只是热门话题，而成为软件研发的"标配工具"时，我们正在见证一场前所未有的技术革命。《2025年软件研发应用大模型国内现状调查报告》历时一个月完成数据收集，深度揭示了国内软件研发领域拥抱AI的真实状况。数据显示，89.2%的团队已积极拥抱LLM，其中62.8%的团队正在积极应用，较去年增长8.8%。这不仅是一组数字的增长，更标志着行业从"观望试水"迈向"深耕细作"的关键转折点。

一、行业格局重塑：从模型竞争到生态竞争

1. 应用深度显著提升

2025年最显著的变化在于，企业已从单纯的技术试点转向系统化落地。调查显示，开始关注并试用的团队从去年的54%降至26.4%，这些团队绝大多数转化为积极应用者，说明试用带来了可观效益。更值得关注的是，处于观望中的团队比例稳定在7.4%，这意味着市场教育已基本完成，剩余的是如何将AI能力深度融入业务流程的实践问题。

2. 垂直化成为主流趋势

行业大模型的爆发式增长印证了应用从"通用"向"垂直"的加速迁移。金融、制造、能源、软件研发和政务五大领域已形成成熟的行业模型，市场规模较2024年扩大约1.8倍。软件与IT服务业成为大模型应用最活跃的行业之一，渗透率超过78%，在软件生命周期管理、代码智能化、知识文档管理等方面取得重点突破。

3. 模型选择格局巨变

2025年的模型选择呈现出戏剧性变化：DeepSeek从去年的3.2%飙升至81.1%，成为国内市场绝对领导者。这一逆袭主要受益于其年初开源的R1和V3版本。阿里通义千问以65.5%位居第二，豆包大模型增长至41.9%，是去年的2.38倍。在国际模型方面，OpenAI GPT系列仍保持67.6%的占有率，而Claude系列增长最快，达到43.2%，是去年的2.45倍。

这一格局变化反映出两个重要趋势：首先，开源策略与性能优势的结合成为制胜关键；其次，企业倾向于同时使用两个以上大模型，以应对不同场景需求。

二、核心价值兑现：降本增效从愿景到现实

1. 明确的价值主张

调查显示，85.1%的团队期望通过LLM实现"降本增效"，较去年提升近10%。更令人振奋的是，在提升开发效率方面，期望值增加了16.7%，达到81.8%，说明LLM在代码生成、代码评审等场景的效果得到广泛认可。

2. 量化收益逐步清晰

企业对LLM投入产出比的评估能力显著提升。超过70%的企业以时间节约、成本下降、质量提升等指标来量化LLM带来的业务收益。在编程效率方面，33.1%的团队实现了20-39%的提效，31.8%的团队实现10-20%的提效，两者合计超64%。即便以20%的平均提效计算，对于拥有1万研发人员、人均年成本50万的大型企业而言，仅直接成本节约就可达10亿元。

3. 人力成本节省显著

在软件开发的关键环节，LLM平均节省开发与测试人力成本30%-45%。代码生成、文档分析、测试脚本生成的自动化成熟度最高。特别值得关注的是，81.1%的团队主要将LLM用于代码生成，较去年增加近15%。部分大厂分享的数据显示，70%的代码已由AI生成，这一比例还在持续上升。

三、全生命周期渗透：从局部突破到系统融合

1. 需求环节：从文档优化到智能分析

LLM在需求领域的应用呈现逐年深化趋势。"润色或优化需求文档"以60.8%的占比成为核心场景，较2024年的47.6%、2023年的22.7%大幅增长。"检查/评审需求文档"和"基于文档提取要点"的应用比例分别升至47.3%、46.6%。更重要的是，"没有使用"的比例从2024年的18.3%降至8.1%，表明需求智能化已成为标配。

在效果方面，43.2%的企业认为提效在20%以下，26.4%在20-40%之间。虽然高提效案例较少，但企业对LLM提效的判断从模糊转向清晰，"不确定"比例从2024年的39.7%骤降至14.9%。

2. 设计环节：从知识查询到方案生成

2025年，"向LLM咨询，让大模型提供建议"以61.5%的占比成为核心场景，远超2024年的48.4%；"作为知识库查询设计知识"达56.1%，较2023年的28.9%实现翻倍式提升。"功能定义分解"（36.5%）、"辅助架构设计"（45.9%）、"辅助UI/用户体验设计"（35.1%）的应用比例也显著增长。

"没有使用"的比例从2023年29.9%、2024年17.5%骤降至2025年5.4%，表明LLM在设计领域已从单纯的知识查询，向深度方案建议、全流程设计辅助全面渗透。

3. 编程环节：代码生成成为绝对主流

编程是LLM应用最成熟的领域。"代码补全"以70.9%的占比成为最核心应用场景，"代码优化"占比60.8%，"函数级代码生成"达56.1%。"还没开始"的比例从2023年16.5%、2024年9.5%骤降至2025年3.4%。

在编程工具方面，Cursor以18.9%的占比位居榜首，通义灵码（16.9%）、企业自研工具（14.9%）紧随其后。国产工具认可度较高，同时国际工具也有一定渗透，形成了丰富的应用生态。

代码采纳率数据显示，21-30%区间以25%成为核心板块，采纳率≥30%的团队占比达47.2%。这既得益于大模型技术迭代，也源于企业对LLM编程应用的调优深耕。

4. 测试环节：智能化突破显著

LLM在测试领域实现了从单一用例生成到全流程覆盖的跨越。"生成测试用例"以68.2%的占比稳居核心场景，"生成测试脚本"占比51.4%，"生成测试数据"达31.1%。"还没有使用"的比例从2023年24.7%降至2025年16.9%。

测试工具生态也在快速成长。虽然52%的企业尚未使用基于LLM的测试工具，但商用工具认可度逐步提升，Ant TestAgent占比6.8%，增长显著。在测试效率方面，23%的团队实现了20-39%的提效，23.6%的团队实现10-20%的提效，中幅提效成为主流。

5. 运维环节：进入智能分析阶段

LLM在运维领域实现了"从零星渗透到全链路覆盖"的跨越。"运维日志分析"（45.3%）、"异常诊断"（43.9%）、"问题定位"（41.2%）成为三大核心场景，较2023年均实现数倍增长。LLM已从基础的日志解析扩展至全链路问题诊断与性能预测，AIOps结合大模型成为企业数字化运维新方向。

在效率提升方面，50.7%的企业仍"不确定"，但这一比例较2024年的57.9%下降7.2个百分点，表明企业对提效的感知逐步明确。24.3%的企业认为提效在20%以下，14.9%的企业实现20-40%的提效。

四、技术与组织双重变革

1. 技术栈升级：从单点应用到系统集成

约62%的企业开始使用RAG或LoRA微调方式将内部数据与模型结合，显著高于2024年的30%。企业更重视"模型能力×业务知识"的结合，内部知识库+私域微调形成主流范式。

在技术选型方面，基于开源大模型部署占比超过一半，达到54.8%。私有化部署成为主要应用方式，这既出于数据安全考虑，也反映出企业对定制化能力的需求。公有云模型服务与私有化部署并行，统一API标准和模型接口成为趋势。

智能体（Agent）开发框架应用呈现"头部重构、生态多元"的特征。Dify以36.5%的占比成为第一大框架，LangChain占比20.9%，Coze占比17.6%，自研框架占比14.9%。"没有用"的比例从2024年的31.2%降至19.6%，应用渗透率持续提升。

2. 组织变革：新岗位与新技能涌现

提示工程、上下文工程与Agent编排成为新型岗位或技能方向。2025年企业开始设置"AI工作流设计师"或"AI应用策略师"岗位，表明从工具导向转向生产力体系建设。这是一个重要信号：AI应用已从技术层面上升到组织战略层面。

团队协作模式也发生了显著变革。50.7%的团队认为个人学习新技术效率大幅提升，40.5%的团队中初级开发人员能更快承担复杂任务，39.2%的团队增加了Prompt设计与AI交互的时间，31.1%的团队将评审重心从语法风格转向业务逻辑。这表明，LLM不仅是生成文本或代码的工具，更是推动人才成长、重塑协作模式的催化剂。

3. 治理体系：从模型安全到全栈智能治理

企业治理关注点从"模型安全"扩展为"全栈智能治理"，涉及数据隐私、Prompt合理性、模型溯源、评估指标与可控输出等。国产企业在安全对策建设方面显著领先国际平均线，这得益于国内对数据安全和合规性的高度重视。

衡量AI工具效能的方式也更加多元化。40.5%的企业通过研发效能指标（如Cycle Time、发布频率等）衡量，37.2%关注质量指标（如缺陷密度），33.8%通过估算工时成本。虽然仍有33.8%的企业尚未建立明确的衡量体系，但整体趋势是从定性评估走向量化分析。

五、挑战与应对：八大困难待破解

尽管LLM应用取得显著进展，但企业仍面临诸多挑战。调查显示，LLM应用主要有八大困难：

缺少高质量的（业务/研发）训练数据（50.8%）
安全、隐私担忧（40.5%）
"AI幻觉"导致引入难以察觉的深层Bug（38.9%）
AI Agent行为的不可预测性与可控性差（29.7%）
目前研发人员的应用水平不行（28.4%）
缺少机器学习和大模型训练人才（27.7%）
缺少算力或云计算平台（27.7%）
难以精确衡量投入产出比(ROI)（25%）

值得注意的是，随着国家和企业的重视、模型能力的改善，训练数据、ML和LLM训练人才、算力、应用水平等因素都有了明显改善。但高质量数据、安全隐私、AI幻觉等问题仍是制约LLM深度应用的核心瓶颈。

六、未来展望：走向智能体时代

调查者对AI未来的展望仍以乐观为主导。61.5%的调查者认为"人人都有一个AI助手"，58.8%认为AI将"极大地提升研发效率"。这两大核心共识持续强化，表明行业对AI普惠化、效率价值的坚定信心。

更重要的是，向智能体（Agentic）系统演进成为确定方向。企业普遍计划在2026年前引入任务导向型LLM Agents，以支持跨阶段自动协作与决策。这意味着AI不再只是被动响应人类指令，而是逐渐承担部分流程自治任务，如生成需求文档、测试脚本、运维报告，并自动评审需求、架构文档、测试用例等。

模型与人类协作方式将从"提示与回复"过渡至"持续对话与共创"。LLM将成为产品经理、开发者、测试者的"长期交互成员"，带来组织工作机制重塑的潜在变革。从"人辅助AI"向"AI辅助人"的角色转变正在加速，这将彻底改变软件研发的组织形态和工作流程。

结语：拥抱变革，重塑研发

《2025年软件研发应用大模型国内调查报告》揭示的不仅是技术的进步，更是整个行业思维方式和组织模式的深刻变革。从试点到体系化、从通用到垂直、从模型竞争到生态竞争，每一个趋势都在昭示：软件工程正在全面进入3.0时代——模型驱动研发、模型驱动运维。

对于企业而言，现在的关键不是要不要拥抱AI，而是如何更深入、更系统地应用AI。那些在需求、设计、编程、测试、运维全链路部署LLM，构建"模型能力×业务知识"深度融合的企业，正在获得显著的竞争优势。那些培养提示工程师、AI工作流设计师等新型人才，重塑团队协作模式的企业，正在为未来的智能体时代做好准备。

技术的浪潮不可阻挡，但方向可以选择。在这个AI重塑研发的时代，唯有主动拥抱变革，才能在下一个十年的竞争中立于不败之地。