2025年AI四大變革！開發團隊擁抱AI，從被動到主動；科技巨頭主導GPU/TPU基礎設施；開源LLM質量飆升，加速AI民主化；ModelOps融入SDLC，DataOps+MLOps成關鍵。

譯自：Four Transformational Changes Coming to AI in 2025

作者：David DeSanto

在過去的兩年里，人工智能在軟件開發中的應用呈指數級增長，而且這種趨勢將在明年繼續。GitLab 研究發現，78% 的受訪者在其軟件開發過程中使用人工智能，或計劃在未來兩年內這樣做。 業界可能會看到人工智能在軟件開發工作流程中得到更精細和更有目的的應用。 這些轉變將從根本上改變開發人員的工作方式、組織實施人工智能的方式以及更廣泛的技術生態系統的運作方式。

各組織已經開始從其人工智能投資中獲得強勁回報，效率、生產力和周期時間都得到了提高，而 2025 年將是更具變革性的一年。 我們將見證重大轉變，例如人工智能成為軟件開發團隊中的額外成員，以及開源社區承擔起人工智能民主化的挑戰。 以下是今年將影響軟件開發的四大人工智能趨勢。

從被動解決方案到主動解決方案的轉變

隨著人工智能成為軟件開發團隊更積極的合作伙伴，開發人員將把更多時間花在復雜的戰略任務上，而不是每天單調的任務上。 這些任務通常會消耗開發人員的一天時間。 GitLab 的研究發現，開發人員花費在編寫代碼上的時間不到四分之一，這為應用人工智能以實現更主動的用例創造了機會，例如減輕安全和隱私風險。 例如，自動化測試將從人工智能編寫測試轉變為人工智能管理測試套件，包括傳統的應用程序安全測試。 將人工智能視為合作伙伴將使開發人員能夠專注于創造性的問題解決、推動創新和交付強大的業務成果。

科技巨頭仍將主導基礎設施市場

人工智能基礎設施可能仍將由少數科技巨頭和云巨頭主導。 憑借其巨大的資源和專業知識，這些行業領導者已對尖端硬件進行了大量投資，例如GPU 和 TPU，這對于訓練和部署高級人工智能模型至關重要。 這種巨大的進入壁壘使得小型企業難以競爭，因為它們可能缺乏必要的 инфраструктура 和財務資源來跟上步伐，并可能限制人工智能應用程序的多樣性。

開源人工智能模型質量將提高

隨著越來越多的組織發布高質量的開源大型語言模型，人工智能的民主化將在 2025 年加速。 雖然科技巨頭將繼續支持其專有模型，但開源替代方案的日益普及將降低采用人工智能的門檻，并使其更容易為個人和組織所用。 類似于開源和商業軟件的持久共存，這兩種人工智能方法都將蓬勃發展，提供多樣化的功能并加強行業。

ModelOps 將成為 SDLC 的關鍵組成部分

雖然許多數據科學家和工程師在傳統的 DevSecOps 工作流程之外運作，但這種脫節將越來越阻礙他們的效率。 隨著人工智能更深入地集成到軟件開發中，ModelOps 將成為軟件開發生命周期的關鍵組成部分。 通過將專注于準備和管理數據的 DataOps 與處理人工智能模型的開發、訓練、部署和版本控制的 MLOps 相結合，ModelOps 將提供一個全面的框架，以確保人工智能成功集成到軟件開發工作流程中。

今年將是一個轉折點，因為各組織將利用其人工智能投資和基礎。 隨著人工智能的成熟，我們期望出現更復雜的應用程序和突破性創新，例如類似于引入“推理”模型的更新。 從個性化的用戶體驗到自主系統，人工智能將重塑行業并重新定義商業模式。 將人工智能集成到核心業務流程中將變得越來越無縫，從而提高效率、生產力和競爭優勢。 盡管開源社區在努力實現人工智能民主化并將模型分發到科技巨頭和超大規模企業之外時會遇到一些摩擦，但這項工作最終將有助于建立一個蓬勃發展、多元化的技術生態系統。