亚信科技万人级 AI Coding 实践：人均代码产出提升 14.6% 的转型路径

事件概述

亚信科技深耕通信行业三十余年，拥有近万名研发人员。面对运营商数字化转型中系统历史包袱重、新老业务逻辑交织、知识极度沉淀且复用率低等挑战，传统研发管理模式已触及效率天花板。为此，亚信科技将“AI Native”确立为明确战略方向，旨在从底层逻辑上重构软件基础设施、开发方式与应用形态，实现从“人驱动代码”向“智能体驱动系统”的代际跃迁。

核心信息与实施路径

1. 战略定位与范式重构
亚信科技认为，AI Native 是以通用人工智能（AGI）为核心根基的全新软件范式，其差异体现在三个层面：

• 基础设施：从以容器为核心的 PaaS 转向以大模型为核心的 MaaS。
• 开发方式：从 DevOps 走向 AI Engineering，从人工编写代码转变为驾驭 Agent 编写代码。
• 应用范式：SaaS 软件走向 Agent 智能体，由“业务本体知识 + 数字孪生 + 智能体”共同支撑。

2. 四大工程范式体系
为解决知识沉淀与协同难题，亚信提出了构建 AI Native 的四大工程范式：

• 数据语义化：通过 RDF 三元组将孤立数据转换为信息，并利用 OWL 赋予逻辑规则，构建智能体的核心认知框架。
• 业务本体化：构建本体孪生，为智能体提供具有操作性语义的业务世界模型，保障执行一致性。
• 应用智能体化：以多智能体（Multi-Agent）为核心技术，驱动业务本体孪生的数字化系统。
• AI 工程化：迁移至以 AI Agent 及其运行环境为载体的工程管理范式，加速智能体驱动的研发创新。

3. 工具选型与落地实践
在反复试错后，亚信选择阿里云旗下的 Qoder 作为核心工具，主要基于以下考量：

• 基模持续投入：确保模型能力持续升级。
• 配套环境适配：能够灵活配置以适应组织、流程和规范。
• 安全底座可信：满足运营商对高安全等级的准入要求。

具体落地措施包括：

• 企业级知识库构建：利用 Qoder 知识引擎自动提取代码规范、API 资产和架构特征，将长文档拆解为小卡片进行混合检索，降低 Credit 消耗并提升回答精度。
• 编码规范智能化：将编码规范自动注入系统提示词，实现“生成即合规”，规范符合率从 60% 提升至 95%。
• 多 Agent 并发协同：在缺陷修复等场景中，由人类架构师定义模块边界和角色约束，将任务拆解给多个 Agent 并发执行（如缺陷定位、修复、验证），Agent 间共享上下文并协同工作。

关键成果与数据

• 覆盖率与活跃度：AI 在核心 BSS 系统覆盖率整体达到 80% 左右；千人规模运营团队月活跃率稳定在 90% 以上。
• 效率提升：人均代码产出提升约 14.6%；从需求到测试的端到端全流程平均提效 8.6%。
• 业务价值案例：
  • 营销场景：某全光网络产品营销转化率从 1.2% 提升至 3.1%，方案采纳率从 4.9% 提升至 10.5%。
  • 故障定位：某专网核心网故障定位准确率提升超 20%，定位时长降低超 50%。

值得关注

亚信科技总结了三条转型建议：一是模型选型决定上限，需关注基模能力的持续投入；二是将 Agent 视为新员工进行管理，赋予岗位、环境和边界；三是依靠数据驱动飞轮，通过数据分析优化流程。未来，亚信计划进一步探索智能体互联网，实现 Agent 间的自动协作与独立运行（如 Qoder Wake 产品），推动数字员工雏形的发展。