2025年软件研发应用大模型国内现状调查报告

2025 RESEARCH REPORT软件研发应用大模型国 内 现 状 调 研 报 告 > >拥抱AI.重塑研发拥 抱 A I重 塑 研 发201 调查获得的一些结论02 国内使用大模型（LLM）的概况03 在软件研发生命周期应用LLM04 LLM未来展望附录 LLM能发挥良好作用的应用场景清单特别鸣谢目 录3大模型（LLM）不仅可以提供强大的内容生成能力，还能够处理复杂的任务，为软件研发带来了巨大的潜力和机遇，将软件工程带入3.0时代。然而,国内对于LLM在软件研发中的实际应用情况和潜在价值尚未有系统性的了解和总结。开发团队普遍缺乏将LLM技术与现有软件工程实践深度融合的经验和方法论指导。如何评估LLM的适用性,并制定有效的集成策略,成为亟待解决的关键问题。为了推动我国软件研发领域的发展，作为软件研发行业的重要参与者——AI+研发数字峰会（AiDD）组委会，联合软件工程3.0时代、测试窝、异步社区、思否、稀土掘金等多个社区、组织发起「2025年软件研发应用大模型」国内现状调查。通过这次调查，旨在全面了解我国软件研发领域应用大模型的情况，探索大模型在软件研发中的优势和机会，为进一步推动大模型技术的应用与发展提供有力的支持和指导。「2025年软件研发应用大模型」国内现状调查于2025年10月开启，历时一个月时间完成数据收集。下面就基于调查获得的数据进行梳理和解析，汇编成本调查报告，希望不仅给每一位读者带来启发和思考，还能给每一个软件企业或团队带来重大的参考价值，能够指导他们完成下一年度AI战略的重构、相关AI部署和行动规划。本调查报告于AiDD峰会深圳站（2025年11月14日）首发公布，其中难免有不妥之处，敬请指正！401 调查获得的一些结论总体趋势与行业格局601调查获得的一些结论大模型应用已进入“深耕细作”阶段，重心从试点转向系统化落地。相较2024年以探索和验证为主，2025年企业更专注于在具体业务流程中整合LLM，形成端到端的智能工作流（如智能代码助手、AI运维分析等）。LLM应用从「通用」向「垂直」领域加速迁移，行业大模型成为主流。金融、制造、能源、软件研发和政务等五大领域已形成成熟的行业模型或私域定制模型，比2024年扩大约1.8倍。模型生态由“模型能力竞争”转向“应用生态竞争”。企业更倾向通过平台集成、插件生态（如 Dify、Coze、FlowAgent）构建完整应用链条，而非单纯比拼模型基座性能。0 10 20 3701调查获得的一些结论软件与IT服务业成为大模型应用最活跃的行业之一（渗透率超78%）。软件生命周期管理、代码智能化、知识文档管理成为重点突破方向。企业开始重视“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。2025年，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（约30%）。生成式AI基础设施趋于标准化与平台化。公有云模型服务（阿里、百度等）与私有化部署（基于DeepSeek、Qwen等）并行，统一API标准和模型接口成为趋势。从“人辅助AI”向“AI辅助人”的角色转变加速。AI不再只是生成文本或代码，而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。0 40 50 60 7企业内部落地现状801调查获得的一些结论在软件全生命周期的具体落地情况需求、编程和测试成为LLM三大高效落地环节。其中代码生成、文档分析、测试脚本生成的自动化成熟度最高。平均节省开发与测试人力成本30%～45%。测试与质量环节智能化突破显著。LLM辅助的自动化测试生成、日志分析和测试覆盖率优化已普遍应用，测试工具生态（主要是自研AI测试工具）成熟度大幅提升。LLM驱动的软件运维进入智能分析阶段。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运维新方向。软件开发知识与知识管理融合，形成“开发文档即知识库”的新范式。利用LLM进行接口文档、开发手册的自动生成与版本同步，显著提升知识利用率。0 80 91 01 1901调查获得的一些结论管理、策略与组织变革层面提示工程、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。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。ROI评估能力提升，“可量化价值”成为关键验证标准。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。1 21 31 41001调查获得的一些结论向智能体（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。1 5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。1 6未来展望（2026前瞻）「2025年软件研发应用大模型」国内现状调查报告01调查获得的一些结论1102 国内使用大模型的概况我们先看一下国内软件研发团队对大模型（LLM）的态度，绝大多数（89.2%）是拥抱LLM，关注、开始使用或积极使用LLM的。积极应用大模型的团队，占比超过了一半，达到 62.8%，比去年增多了 8.8%，进一步得到提升开始关注并试用的团队明显减少了（11%），绝大多数转化为积极应用，说明试用成功，带来了效益，处在观望中、不了解的团队或公司，和去年相比比较稳定，相差1.0%左右，在误差范围内。不过，经过近3年的发展，依旧还有不了解的团队，说明这些团队太封闭、远离尘世吗？国内软件研发团队对大模型（LLM）的态度1.0%6.3%24.0%26.0%42.7%0.0%2.4%6.3%54.0%37.3%0.0%3.4%7.4%62.8%26.4%0%20%40%60%80%100%其他不了解目前处在观望着积极应用开始关注并试用2025年2024年2023年8.8%1302国内使用大模型的概况「2025年软件研发应用大模型」国内现状调查报告借助LLM发挥什么作用？可以看出，软件研发团队最期望大型语言模型（LLM）能够帮助团队实现“降本增效” 、提升整体效能、在2025年得到进一步巩固，增加近10%，达到 85.1%；其次，在提升开发（编程）的工作效率上有明显进步，增加了 16.7%，说明LLM在代码生成、代码评审等应用场景，效果是积极的。此外，接近一半的团队期望提高公司产品的智能水平或用户体验，以便LLM更好地服务于实际业务产品。通过LLM缩短开发周期并加速产品上市的预期依旧不够高，但比去年有所改善，提升了5%。说明大部分企业还只是在一些关键环节（开发、测试上）应用LLM，没有打通产品研发的整个周期。从我们观点看，提倡在大模型时代，应用ATDD方式，从需求生成、需求评审开始，并借助智能体构建工作流，全面推行大模型，产品上市周期将明显缩短。国内团队期望让LLM发挥哪些