2026年中国国际服务贸易交易会于9月9日至13日在北京首钢园举办。作为服贸会人工智能产业化专题活动，以“智启未来 应用无界——从模型创新到场景落地”为主题的2026中国AIGC创新应用交流会于9月10日举行。企业级AI原生研发公司可达智灵（北京）科技有限公司创始人兼CEO张宇在会上发表题为《当研发智能可以被批量打造》的案例分享，系统阐述了企业引入AI研发体系时必须回答的四个工程问题，并介绍了旗下织灵Coda Loom 2.0平台的多智能体协同交付模式及落地成效。
两条螺旋交汇：研发智能首次可被批量生产
张宇在演讲中回顾了软件工程与人工智能各自半个多世纪的演进路径。他指出，研发方法论从瀑布模型、敏捷开发一路走到DevOps，而AI则从符号系统、神经网络发展到今天的大模型与智能体，两者长期像两条独立演进的螺旋。这一判断为理解当前AI进入研发环节的阶段性意义提供了历史坐标。
“今天，这两条螺旋终于交汇：研发不再只是人的工作，而是人与智能体共同编织的创造过程。研发智能第一次可以被批量生产，研发生产力等于‘人+AI原生研发平台’。”张宇的这一表述，将AI在研发领域的角色从辅助工具提升为生产力构成要素。这意味着企业评估AI研发投入时，不能只看模型能力本身，而需要将平台化能力纳入核心考量。
从行业背景看，大模型与智能体技术的成熟使得AI能够承担需求理解、代码生成、测试验证等多环节任务。但张宇强调，批量生产研发智能的前提是平台化承载，而非单点工具的简单叠加。这一观点回应了当前市场上AI编程产品层出不穷但企业落地效果参差不齐的现实困境。
企业级AI研发必须回答的四个工程问题
张宇认为，企业引入AI研发体系时，除模型能力外，还需要回答四个工程问题。第一是安全可控，要求数据不出域、操作可追溯，这对金融、芯片等敏感行业尤为关键。第二是知识沉淀，头部工程师的经验不应随人员流动而流失，AI平台需要具备将个人经验转化为组织资产的能力。
第三是效果可衡量，ROI不能靠感觉、要靠数据，企业需要建立清晰的度量体系来评估AI研发投入的产出。第四是成本可管控，Token用量需要精细可视，杜绝AI成本黑洞。这四个问题覆盖了安全、知识、效果、成本四个维度，构成了企业级AI研发体系的基本评估框架。
“能否系统地回答这四个问题，正是‘个人提效工具’与‘企业级研发平台’的分水岭。”张宇的这一判断，为企业选型AI研发产品提供了明确的区分标准。个人提效工具聚焦开发者个体的编码速度，而企业级平台需要解决组织层面的安全、知识与成本治理问题，两者在目标与能力要求上存在本质差异。
三层产品格局与研发组织层的定位
张宇介绍，目前市面上的AI编程产品大致分为三个层级。个人开发层聚焦“开发者如何更快写代码”，工程任务层聚焦“AI如何更强地执行工程任务”，而企业真正需要的是第三层——研发组织层，即“企业如何组织AI研发生产力”。这一分层框架揭示了当前市场供给与企业需求之间的结构性错位。
个人开发层产品以代码补全、对话式编程为代表，能够提升单个开发者的效率，但难以解决团队协作与知识传承问题。工程任务层产品则尝试让AI承担更复杂的工程任务，如自动化测试、代码审查等，但在组织级的安全合规与成本管控方面仍有局限。研发组织层则要求平台能够编排多角色智能体、贯通研发全流程，并对AI行为进行系统化治理。
张宇的判断是，企业级AI研发平台与个人提效工具的分水岭，正在于能否系统回答前述四个工程问题。这一观点将产品竞争从功能层面拉升至工程治理层面，也为可达智灵织灵Coda Loom 2.0的定位提供了逻辑支撑。
织灵Coda Loom 2.0：多ADE协同与可控架构
不同于通用大模型或单点AI Coding工具，可达智灵旗下的织灵Coda Loom 2.0平台以“可控”为核心，首创多ADE（AI研发工程师）协同交付模式。该平台通过群智能体编排引擎驱动产品经理、架构师、开发工程师、测试工程师、运维工程师等多角色智能体协同作战，贯通需求、设计、编码、测试、交付的研发全流程。
针对企业级安全与合规要求，织灵Coda Loom 2.0支持基于K8S的完全私有化部署，并通过“数据+评测”驱动的智能演进闭环，使AI行为可监控、可路由、可度量、可追溯。这一架构设计直接回应了安全可控与效果可衡量两个工程问题，使AI研发过程从黑箱走向透明。
在知识沉淀方面，多角色智能体的协同模式使得头部工程师的经验能够以智能体配置与编排逻辑的形式固化下来，降低人员流动带来的知识流失风险。在成本管控方面，平台对Token用量的精细可视能力，则为企业提供了AI成本治理的基础设施。四个工程问题在平台功能层面形成了对应关系。
金融芯片制造等多领域落地与效率数据
据悉，织灵Coda Loom 2.0已在金融、芯片、智能制造、能源以及具身智能、自动驾驶等领域落地。这些领域普遍具有研发复杂度高、安全合规要求严、知识密集度大的特点，对AI研发平台的企业级能力提出了更高要求。
具体成效方面，有智能制造企业采用后研发效率提升75%、代码缺陷率降低50%。能源领域合作客户测试效率提升2倍以上、研发交付周期缩短60%。这些数据覆盖了效率与质量两个维度，为AI研发平台的实际价值提供了可参照的量化证据。
从行业影响看，张宇提出的四个工程问题为企业引入AI研发体系提供了评估框架。在AI编程工具快速涌现的市场环境下，这一框架有助于企业从安全、知识、效果、成本四个维度系统评估平台能力，避免被单点功能演示所误导。织灵Coda Loom 2.0的落地案例则展示了企业级AI研发平台在复杂行业中的可行性。
“服贸会让世界看到中国服务贸易的开放姿态，我们也希望让‘人+AI’的协同研发模式服务更多中外企业，为全球研发生产力升级注入中国动能。”张宇在演讲最后表示。这一表态将企业级AI研发平台的视野从国内拓展至全球服务贸易场景，也与服贸会推动服务贸易开放的定位相呼应。
数据来源:今日头条(原文)
