过去一年，AI编程发展得很快。从代码补全，到自然语言生成代码，再到能够自主执行任务的编程智能体，AI正在改变开发者的工作方式。对于一个程序员来说，让AI帮忙写代码、查问题、生成测试用例，已经成为越来越普遍的研发方式。但当AI从“个人工具”走进一家企业的真实研发现场，事情就没有那么简单了。

打开网易新闻 查看精彩图片

因为企业软件研发面对的，从来不是一道孤立的编程题。一个真实的软件项目，可能运行了几年甚至十几年，代码分布在多个仓库，涉及不同语言和复杂的依赖关系；开发过程中还存在大量业务规则、研发规范和团队协作流程。一次看似简单的需求变更，背后可能牵动多个模块。

这意味着，AI编程真正进入企业，首先要解决的并不是“会不会写代码”，而是“能不能理解一个项目，并按照企业的工程方式把事情做完”。这也是广联达携手华为云正在探索的问题。

个人提效，并不等于组织提效

广联达于2023年启动“All in AI”战略，目前已经在内部推进AI编码应用，用于提升研发效率并支撑产品智能化。在实际体验中，广联达观察到，目前业界主流编程智能体在个人使用场景下，可以带来约30%至50%的效率提升。这个结果并不难理解。

一个开发者原本需要花几个小时完成的代码编写，现在可能只需要描述需求，由AI生成初版代码，再由开发者修改和确认。但问题在于，开发者个人效率提高，并不意味着整个研发组织的效率同比提高。

企业研发还有需求分析、方案设计、代码Review、测试、缺陷修复、持续集成等一系列环节。如果AI只负责其中的“写代码”，其他环节仍然依靠原有方式完成，那么AI带来的可能只是一个局部环节的效率变化。

更复杂的是，企业研发并不是从零开始。以广联达为例，其约80%的业务场景基于存量代码开发。这意味着AI面对的不是一个空白项目，而是已经存在的代码、业务逻辑、系统架构和研发规范。让AI在这样的项目上完成一次增量开发，远比让AI从零生成一个Demo复杂。

AI首先得“读懂”企业的代码

对于存量项目而言，第一道门槛是上下文。开发者自己接手一个陌生项目时，通常需要先了解项目结构、代码关系、业务逻辑以及不同模块之间的依赖。AI同样需要完成这一过程。

华为云码道在这一场景中提供CodeBase能力，支持跨仓跨语言、千万级代码索引和端云协同检索，并结合向量+图谱双引擎与代码依赖分析，为AI提供项目级代码和依赖关系等上下文信息。

这意味着，AI关注的不再只是当前文件里的几百行代码，而是能够进一步获取与当前任务相关的项目内容。对于企业存量项目来说，这一步是AI从“代码生成工具”走向“项目级开发工具”的基础。

AI还得“按照企业的方法”开发

读懂项目只是第一步。企业研发还有自己的开发规范。同一个需求，不同团队可能有不同的架构方式、代码规范、测试要求和交付流程。AI如果只根据自然语言生成代码，却不了解这些规则，开发者依然需要花时间进行大量修改。

因此，企业级AI编程需要把研发经验和规范沉淀下来。华为云码道支持SDD规范驱动开发，将需求、设计和代码实现进行关联；同时提供80+专家Skills，将软件研发经验沉淀为可调用的专业能力。

广联达在双方联合创新过程中，也围绕实际研发项目持续沉淀企业自己的Rules、Skills等，用于让AI理解和复用企业研发要求。换句话说，企业希望AI掌握的不只是“怎么写代码”，还包括“我们应该怎么开发”。

一个真实项目，给出了什么答案？

最终，企业级AI编程能不能成立，还需要真实项目来验证。广联达的齐山养老院项目就是一次实践。

项目需要基于已有代码新增不良事件管理和客户诉求管理模块，同时完成移动端和Web端开发。按照传统研发模式，预计至少需要80小时。使用华为云码道后，团队实际用时27小时完成，整体效率提升66%；同时，BUG数量下降50%。

这个案例的意义并不只是一个“80小时变27小时”的数字。更重要的是，它对应了企业研发中非常典型的一类任务——在已有系统上进行增量开发。AI需要先理解原有项目，再完成新的需求，并最终交付能够运行的代码。也正因为如此，存量项目开发成为观察企业级AI编程能力的一个重要场景。

从广联达的实践来看，AI编程走进企业之后，评价标准正在发生变化。过去更关注“AI能不能写出代码”；现在企业需要进一步关注“AI能不能理解项目、遵循规范、协同开发，并进入完整研发流程”。这也是AI编程从个人效率工具走向组织级应用过程中，需要面对的现实问题。