11 月 2 日，全球开源技术峰会（GOTC 2025）在北京亦庄·通明湖会展中心举办，其中「AI 应用开发工程化——从数据到生产」分论坛聚焦 AI 应用从灵感到落地的全流程工程化问题，邀请多位行业专家与企业代表，共同探讨如何让 AI 从 Demo 稳健走向生产，构建可复用、可度量、可演进的智能研发体系。
工程化，让 AI 从「点」走向「面」
论坛由开源中国 Gitee 公有云技术总监罗雅新开场，他带来主题为《Gitee DevSecOps Agentic 落地与实践》的分享，分享中他指出，在智能研发时代，AI 不再只是工具，而是主动参与研发流程的「队友」。
Gitee 以 DevSecOps 为核心，打造了覆盖需求、编码、测试、交付、运维的智能研发体系：
- 在需求阶段，AI 队友能基于历史 Issue 自动补全用户故事与验收标准；
- 在编码与测试阶段，可主动生成代码片段、单元测试和安全扫描报告；
- 在交付阶段，自动生成修复 PR、智能评审缺陷并分析风险。
这一体系由 Gitee 自研的 GiEngine 推理引擎和模力方舟 AI 平台共同支撑，兼容沐曦、天数智芯等国产 GPU，真正实现了从模型部署、微调到安全治理的一体化闭环。
从「数据孤岛」到「智能关联」：AI 重塑供应链安全
酷德啄木鸟 COO 李小军在分享《智能关联与深度洞察：AI 在软件供应链全景安全中的聚合价值》中指出，传统 SAST、SCA、Binary 分析工具往往陷入「数据孤岛」困境，只能回答「有什么」，却无法回答「怎么用」。
他提出，AI 应作为供应链安全的「智能关联层」，串联源码、依赖、构建与产物数据点，形成动态的安全知识图谱：
- AI-SAST 实现语义级漏洞识别与意图理解；
- AI-SCA 从已知漏洞走向上下文感知和零日预测；
- AI-Binary 实现构建完整性验证，识别潜在篡改与投毒攻击。
最终，通过 SCA×SAST 智能漏洞分析、SBOM 比对验证、攻击链自动溯源 等能力，AI 将安全从被动防御转变为主动预测与自动修复，让 DevOps 真正实现「又快又安全」。
无缺测试：AI 驱动的全域智能化质量保障
苏州跬步信息技术 CEO 刘轶分享了《从 Demo 到生产：无缺用 AI 为应用落地保驾护航》。他指出，测试是 AI 应用能否量产的最后一道门槛。
无缺平台以大模型为核心，结合视觉识别与机械臂执行系统，构建从需求到测试报告的全自动化流程：
- 通过 AI 自动生成测试用例与脚本，实现效率提升 15 倍以上；
- 在复杂硬件场景中，通过 智能识别 + 自适应测试框架 实现跨设备测试；
- 与 Gitee DevOps 流水线深度集成，支持全流程质量闭环。
刘轶认为，未来测试将全面走向智能化，从「人工验证」转向「AI 决策」，让可靠性成为 AI 应用工程化的可复用资产。
百度实践：AI Coding 的规模化工程化路径
百度 Comate 高级研发工程师王旭带来的《万人研发范式变革：百度智能化研发探索与工程化落地实践》中，分享了百度在内部万人级规模上落地 AI Coding 工具的经验。
王旭指出，工程化是让 AI 在规模上真正创造价值的前提。百度通过构建 AI 原生研发平台，将 Prompt 工程、数据工程与评估工程体系化，实现了研发流程从「人力驱动」到「流水线驱动」的升级。
此外，他提出「数字员工」概念：让 AI 在需求理解、测试用例生成、代码评审、发布验证等环节实现类人协作，从而实现「AI 适应人」的研发新范式。
模力方舟：AI 应用开发的国产化落地路径
论坛最后，由开源中国模力方舟产品总监王柯然分享《基于模力方舟开发 AI 应用的最佳实践》。
他指出，模力方舟作为 Gitee 面向开发者和产业场景的 AI 应用共创平台，已支持超过百款大模型 API，覆盖模型微调、Serverless 应用构建、API 组合、计费分润等全流程服务。
平台依托 Gitee DevOps 基座与国产算力生态，帮助企业与个人开发者实现从创意到商业化的完整链路。目前模力方舟应用市场已上架 80 余款 AI 应用，全面支持国产 GPU/NPU 部署，并推出「春潮计划」扶持开发者免费上云、零抽成变现。
王柯然强调，AI 应用的壁垒在于工程化，而非模型本身。模力方舟希望构建一个可持续的共创生态，让「AI 应用不止能跑，更能活」。
工程化，AI 应用走向现实世界的起点
从供应链安全到测试闭环，从代码智能化到应用商业化，本次论坛呈现出 AI 工程化的一条完整链路：数据驱动、工具协同、Agent 共创、平台支撑。
无论是 Gitee 的全流程 DevSecOps 智能体系、百度对 AI Coding 的规模化落地探索，还是无缺测试在多终端场景下的深度适配，亦或是模力方舟构建的国产化 AI 应用共创平台，都指向同一个共识：
工程化，是将 AI 应用从「能用」推进到「可用、好用、可信」的核心路径。
AI 正从「模型能力」的比拼，转向「产品能力」与「工程系统」的博弈，唯有打通从数据到生产的全链路，才能让真正的智能应用落地可行、运行可控、商业可持续。
