近日，Google Cloud DORA团队发布了《2025年人工智能辅助软件开发现状调查报告》，揭示了AI云在软件开发中的真实影响与关键挑战。报告指出，云计算与AI
已成为软件开发的新常态，但它的价值并非由工具本身决定，而是由组织的系统能力与文化环境共同塑造。

报告焦点：AI云普及背后的三大行业阵痛

        2025 年 DORA 报告对全球近 5000 名技术人员的调研显示，AI已深度渗透软件开发领域，但 “高速发展” 与 “基础薄弱” 的矛盾凸显，三大发现引发行业关注：

1、生产力与信任度的矛盾：AI采纳高度普及，但输出质量信任体系建设仍需加强

        普及现状：90% 的开发者日常使用 AI 工具，71% 用其辅助编写新代码，80% 认可 AI 提升了个人生产力。

        信任危机：仅 4% 的开发者 “高度信任” AI 输出，30% 明确质疑其准确性，代码质量、逻辑偏差成为核心顾虑。Stack Overflow同期调查印证，开发者对 AI 的
不信任感仍在上升。

2、吞吐量与稳定性的矛盾：AI只是“价值放大器”，软件交付稳定性保障机制亟待适配AI新范式

        报告提出——“AI是一种放大器”。它既能提升高效能工程团队的交付速度与质量，也可能放大低效能团队在流程与技术债上的固有挑战。

        一个关键转变在于：AI采纳现已对软件交付吞吐量产生积极影响，但它仍与软件交付不稳定性的增加相关联。这表明，团队在利用AI提升速度的同时，其底层的质量
保障与风险控制系统尚未能完全适应AI加速开发的新范式。

3、能力构建与价值实现的矛盾：平台工程非工具堆砌，整体体验才是决定性因素

        当前平台工程的生态格局呈现三大特征：无处不在的普及性、高度复杂的系统性， 以及由团队主导的驱动模式。高质量平台被证实是规模化 AI 价值的核心载体，94%
的企业已采纳平台工程，但其质量高低直接决定了AI投资的回报水平。

        平台在系统可靠性与安全性等核心技术上评价较高，但在反馈响应与任务自动化等体验维度仍有不足。平台工程的整体体验直接影响组织效能与员工满意度，用户视其
为有机整体，其整体有效性远高于单一功能表现。

此外，DORA首次提出了“AI能力模型”，涵盖七大关键能力：

        该首版模型中的七项AI能力被证实能放大AI技术采纳的效益。这些能力涵盖组织的技术及文化层面，投资发展这些领域有助于释放AI工具的潜能。也正是帮助企业构
建智能化研发体系、落地AI辅助开发流程中所持续聚焦的核心领域。

中国信通院体系建设路径

        中国信通院长期深耕于软件工程智能化领域，致力于帮助企业构建云原生、平台化、智能化的研发基础设施，推动AI技术与研发实践的深度融合。围绕“坚实技术底
座、全流程工程化落地、垂直行业赋能”三大目标，构建 “技术栈-工程域-行业线”分层协同演进的智能化转型标准架构。

1、构建全流程工程化落地，引导信任建设

        围绕“全流程工程化落地”，从“通用能力、专用场景、应用成熟度”三大维度为AI工具质量建立基准，帮助组织系统性构建对AI输出的验证能力。2025年新增 “智
能研发效能度量、AI原生应用架构”等方向，直击报告中“系统缺乏AI适配能力”核心矛盾，助力组织建立从工具到流程的全链路能力。

2、强化稳定性保障联动，夯实基础底座

        聚焦“主动防御-智能进化”的体系构建，将软件交付吞吐量与稳定性指标纳入评估体系，构建“AI驱动的全流程稳定性防护”机制：形成“事前预防-事中控制-事后
恢复”的全周期稳定性保障闭环，以提高系统稳定安全运行为目标，从而让AI在提升交付效率的同时，也成为系统稳定性的有力保障。

3、规范平台工程实践，确保价值落地

        围绕“坚实技术底座”，智能开发能力评估将 “智能开发核心构建、工具链适配/集成” 纳入核心指标，为企业搭建高质量内部平台提供标准化参考，帮助平衡 “创
新实验” 与 “系统稳定” 的关系。

        目前，中国信通院已形成软件工程智能化标准及评估体系，覆盖软件研发效能、软件质量、软件测试、运维稳定性等软件质效评估体系，完成20余项标准的立项及编
写工作，累计开展40余家企业50+产品/服务的符合性评估工作，同时依据相关研究输出调查报告等10余项研究成果。依托标准及研究，为企业提供预评估咨询与能力建设
规划，通过构建与业务成果对齐的度量体系，助力企业走出“为AI而AI”的困局，实现技术赋能业务的闭环。此外，以“连接、赋能、共创”为路径，组织行业生态活动，
推动技术标准化与场景创新协同，切实助力企业打通转型关键路径。

        正如报告强调 “AI 成功是系统问题”，中国信通院将持续以标准化建设筑牢行业根基。我们相信，只有在坚实的工程实践与文化基础上，AI才能真正成为推动软件研
发进化的加速器。