2025-06-22 13:16:44 中华网
2025年6月22日，华为开发者大会2025(HDC 2025)期间，华为云与应用现代化产业联盟、中国软件行业协会、中国信通院等单位在应用现代化产业峰会2025上联合发布《应用全生命周期智能化白皮书》。通过该白皮书首次系统性阐述了人工智能推动下应用如何向新型智能应用演进，该白皮书的发布标志着应用现代化开启新纪元。
应用现代化迈入智能化新阶段
首先，大模型技术加速全球产业价值链重构，人工智能技术的突破性进展正在推动应用现代化工程理论进入新一轮创新周期。以大模型为核心的技术范式变革，正在衍生出“人工智能垂直化、垂直系统平台化、软硬系统自主化”发展新趋势，加速重构全球产业价值链。其次，数字基础设施逐渐成为国际竞争制高点。软硬适配、算力数据适配、应用系统适配正在重塑全球数字竞争的底层逻辑。同时，我们也看到数据联接将深刻影响各行业的转型路径与应用安全的保障体系。硬件开放、软件开源、系统互通、数据共享将构建新的数字化应用生态。另外，单机系统智能化、智能系统群体化、人机交互语言化、复杂系统模块化正在人机协作新范式。硬件革新与算法突破推动单机系统从“工具执行者”进化为“智能决策体”，能够自主感知环境，分析数据，做出决策，甚至进行自我优化和升级。最后，在软件驱动、算力推动、应用引导的协同作用下，客户群体正在开启智能化应用开发服务的新纪元，推动产业向服务化、平台化、生态化方向深度进化，显著提升行业客户的核心竞争力，为客户带来更加广阔的市场机会和竞争优势，更将推动社会各行业的转型升级。
人工智能进一步释放应用现代化产业空间
智能应用双端爆发，孕育万亿市场空间。根据相关报告统计，智能应用市场预计将从2025年的2251亿美元跃升到2034年的1.7万亿美元，年均复合年增长率(CAGR)高达25.32%。这场由AI驱动的变革已经深入社会肌理。智能应用从工具进化为新生产力引擎，其爆发性增长不仅体现于数字跃迁，更标志着人机协同范式在企业运营与个人生活的全面确立。作为智能应用的典型代表，智能体市场迎来爆发式增长。2024年全球AI智能体市场规模达到了54亿美元。预计这一市场将持续高速增长，于2034年超过2300亿美元。10年间市场将以45.82%的复合年增长率持续扩张。中国AI智能体市场规模在2023年达到59.8亿元，在2024年已经超过100亿元，预计市场规模将持续高速增长。
智能应用具备六大核心特征
人工智能引发应用从根本上发生变革。AI原生应用具备明显区别于其他应用的技术架构。
新型智能应用具备六大核心特征：
1. 多模交互：视觉图像分析、语言语义理解、姿态运动感知等领域技术的快速发展与融合，使得系统能够同时接收并理解语音、图像、GUI界面、文本、手势、生理信号等多模态信息。这些技术的成熟将为应用提供更加丰富的交互形式：从之前的“单模态”信息交互演化为“多模态”信息交互。
2. 智能协作：通过多智能体(Multi-Agent)之间、以及人机之间的互联互通与角色分工，应用可以在复杂、多变的环境中实现动态调度、决策与执行，拓展能力边界，为业务带来更高层次的灵活性与创造力。
3. 自主运行：智能应用在符合业务目标和安全合规要求的前提下，具备高度的自主决策与自适应独立运行能力。它作为新一代智能应用最显著的特征，也标志着AI原生时代，人与机器在生产与服务方式上发生的颠覆性变革。
4. 环境认知：智能应用系统对其所处物理和数字环境进行实时感知、融合建模、趋势预测与策略动态调整的能力。在新一代智能应用中，环境认知能力至关重要，它让系统能够基于全局上下文自主决策，从而大幅提升运行质量、安全保障和用户体验。
5. 自我进化：与传统依赖版本迭代实现局部优化的模式不同，自我进化(Self-Evolving)通过持续学习、动态适配和自我优化，为智能应用构建了更具弹性和自愈能力的技术框架。
6. 智能研发：通过人工智能技术重构软件研发全生命周期流程，包括需求分析、系统设计、代码开发、测试验证、部署交付与智能运维等环节。其核心价值体现在显著提升研发效率和软件质量，并增强研发敏捷性。
AI-Native和Cloud-Native构建智能应用的技术底座
从技术理念、服务架构、工程方法、应用形态等多个维度看，云时代和人工智能时代的软件应用，有着各自鲜明的特点，对比如下：
智能应用的实现依赖以下关键技术：
•多模态融合技术，实现多模态智能：多模态融合技术是支持应用实现多模态智能的重要一环。多模态大模型是一种能够处理和理解多种类型数据(如文本、图像、音频、视频等)的人工智能模型，多模态大模型通过整合不同模态的信息，能够实现更复杂的任务。
•智能Agent开发与运行，实现群体智能：在多Agent智能体协同开发体系中，全码、低码、零码并非独立的技术路径，而是相互融合、优势互补。全码开发聚焦于构建复杂算法逻辑与高性能计算能力的核心Agent模块，为系统提供性能保障和基础能力底座。低码开发通过模块化组件实现标准化功能Agent的高效构建，完成系统基础框架搭建与核心功能整合。零码开发则赋能非技术人员基于实际需求对Agent进行精细化参数配置与行为逻辑调整，确保多Agent系统具备动态响应业务环境变化的能力。
•检索增强生成，增强智能体个性化记忆：检索增强生成(Retrieval-Augmented Generation，简称RAG)是一种结合信息检索与生成模型的人工智能技术，旨在通过动态调用外部知识库，提升大语言模型的准确性和可靠性。它有效解决了传统模型的“幻觉问题”，同时增强了信息的时效性和安全性，成为当前AI领域的重要趋势。
•智能应用管理引擎，应用自动运行与自主优化：每一个在平台上运行的应用都将拥有一个专属的智能管理引擎，实现全自动的运行和调优。通过平台能力的深度整合和持续优化，应用的自动化运行和自我调优将成为常态，极大提升企业的运营效率和竞争力。
•智能组装与集成，扩展应用能力边界：通过“外部工具集成、智能组装平台、AI智能网关、MCP动态服务架构”四层技术体系的协同，企业可构建持续扩展的“数字化DNA”。实现“横向裂变”，每个接入的外部系统，可通过组件市场转化为可复用能力;纵向跃迁，AI网关的智能化路由是传统系统获取“数字神经”，响应速度大幅提升;立体进化，MCP架构自动智能工具化，使得业务编排更简单。
•统一的智能体可观测，支撑海量智能应用高效运维：随着AI Agent元年的到来，客户大量的LLM-based应用上线，未来应用将逐步从云原生转型成为AI原生，形成Event-Driven、Data-Driven、LLM-Driven三分天下的应用形态，将产生复杂的应用链路拓扑和组件依赖，同时催生出多元且复杂的运维需求，面向未来海量AI-Native应用的智能化运维场景，将形成新的智能化可观测技术框架，该框架包括统一且极致性价比的可观测统一存储分析底座(数据层)，运维大/小模型(算法层)，由运维智能体编排而成的运维助手(应用层)以及各种智能运维场景(场景层)。
•多模态交互，建立双向人机协同体验：多模态交互能力和人机协作体验是推动工业向通用人工智能(AGI)方向发展的基础。AGI旨在复制类人智能，具有跨不同任务和环境理解、学习和适应能力。使用多模态(各种输入和输出通道(如视觉、语言、听觉信号和手势)的集成，使AGI系统能够以更接近人类认知的方式感知和解释世界。
•AI内生安全，确保应用全生命周期可信：应用在智能化演进中，安全有了新的定义，安全防护技术上面临全新挑战。在数据开发、模型开发、模型运行、内容生产、AI应用智能体、模型服务与应用的运行和环境、应用的运维等方面，需要新的安全防护能力，以支持智能软件供应链安全、数据模型可追溯、AI软件全生命周期的内生安全防护。
应用智能化成熟度技术演进路径
应用的智能化并非一蹴而就，应用智能化成熟度从L1至L5逐级演进，以交互方式、自主程度、任务复杂度等维度对五个级别进行定义，以中国信通院人工智能研究所《软件智能化成熟度模型》标准为主要参考依据。
•L1级智能应用以固定内容生成、固定交互方式(如按钮、表单)为特征，主要依赖传统机器学习模型运行，典型场景包括基础客服机器人、人脸识别等应用。此类应用缺乏动态学习能力，需人工全程主导，适用于低复杂度、高重复性任务。
•L2级智能应用引入基于大模型的自然语言交互(如多轮对话方式)方式，能理解用户意图并为人类提供辅助能力，典型场景如智能搜索、代码生成补全等。此类应用需要人类大量参与(如确认和修改生成内容)，适用于知识类场景的任务。
•L3级智能应用实现多种模态生成(如文本及图像或语音等)，可通过外挂知识库，并基于智能体等方式处理单一领域复杂任务，典型场景如编码智能体、AI原生应用等，此类应用需要人类参与关键决策(如结果审核)。
•L4级智能应用具备跨领域复杂系统任务处理能力，通过多智能体协同与动态知识库调用，仅需人类设定初始目标。
•L5级代表智能应用的终极形态，能自主完成全领域未知任务(如科学发现)，通过全域知识库和自学习实现自我迭代，人类零干预。
由此可见，《应用全生命周期智能化白皮书》是具备远见的匠心之作，目前千行万业加速迈向智能化，该白皮书的推出正当其时。不管企业是正处于启动智能化初期，还是已经在践行智能化的道路上，都可以通过该白皮书获得行动的指导，看清楚未来的方向，才能行稳致远。应用现代化，让智能触手可及。
