核心事件

大模型能力持续提升之后，产业关注点正从“能否写代码”转向“能否稳定交付软件”，蚂蚁集团将在 AICon 深圳分享其 AI 驱动的生产级软件交付基建与实践。

8 月 21 日至 22 日，AICon 全球人工智能开发与应用大会将在深圳举行，日程已全部上线。本次大会围绕 Agent 工程化、大模型基础设施、AI Native 研发、具身智能等方向设置议题，试图回答一个更工程化的问题：当 AI 已能参与研发流程，企业如何把它放进复杂业务系统中持续、可靠地运行。

蚂蚁集团高级技术专家刘仁权将出席“AI 原生新范式：Coding Agent 重构软件研发全流程”专题，并发表《蚂蚁 AI 驱动的生产级软件交付基建和实践》演讲。材料显示，在蚂蚁很多团队中，AI 生成代码占比已达到 90% 以上。这意味着 AI Coding 本身不再是最主要瓶颈，新的难点转向 AI Delivery，即让 AI 参与需求、编码、评测、部署、发布与问题修复等更长链路。

从研发效能到 Agentic Delivery

刘仁权现任蚂蚁集团 CIO 总架构师、研发效能 Agentic Delivery 团队负责人，并担任蚂蚁平台事业群 AI 研发基建项目一号位兼架构师。他深耕研发效能领域 9 年，参与蚂蚁研发效能团队从 0 到 1 建设，并主导集团内部大型服务端一站式 DevOps 平台的架构与落地。

DevOps 是一种强调开发、测试、运维协同的软件交付方法，目标是提升从代码到上线的效率与稳定性。进入 AI 时代后，蚂蚁面对的挑战不只是把大模型接入工具，而是重构传统研发基建：哪些旧能力需要保留，哪些流程需要被 Agent 接管，哪些平台能力又必须为 AI 重新设计。

本次演讲将介绍蚂蚁研发新范式 ADS 的技术架构和踩坑经历。其核心认知变化是：Agent 成为“一等公民”。这里的 Agent 指具备目标理解、工具调用和任务执行能力的软件智能体。围绕这一定位，蚂蚁提出了弱平台化、CLI First、Code First 三个原则：弱平台化强调去中心化，CLI First 强调优先通过命令行接口沉淀能力，Code First 则强调把研发动作转化为可被机器理解和执行的代码化对象。

关键基建：让多个 Agent 进入交付链路

围绕 ADS，蚂蚁披露了多项面向 AI 研发交付的基础设施。

• Ama：面向 AI 时代的需求管理和研发流程基建，支持 Agent 协同和 AI Workflow。通过统一多 Agent 运行时平台，工程师可对多个 Agent 进行 7×24 小时并行调度和长程协作，把单线程工作升级为云端与本地一体化的多 Agent 协作模式。
• Poolab：面向云端研发 Agent 的执行环境，提供万级规模并发 Agent 执行能力。
• ACLI：建设统一的 For Agent CLI 标准化研发体系，解决命令行工具分散、标准不一、安全能力薄弱，以及构建、发布、分发链路割裂等问题。
• ADE：让评测和预发环境对 Agent 可创建、可验证、可保鲜、可路由，把环境中心、云图、GYP、MOSN 等碎片能力收敛为可编排闭环，减少评测流量异常、环境漂移和人工排障。
• Agentic CI/CD：通过 AI 驱动构建、部署、切流和门禁控制，提供统一的意图式交付入口，并支持流水线自动监控、根因诊断和切流。

CI/CD 指持续集成与持续交付，是现代软件工程中把代码变更自动构建、测试并推向生产环境的流程。蚂蚁的 Agentic CI/CD 重点在于用 AI 屏蔽不同部署平台差异，把“我要完成什么交付”转化为系统可执行的步骤。

生产案例与组织挑战

材料中披露的典型案例是“阿福 7×24 Harness 实践”。Harness 可理解为围绕任务执行、验证和反馈形成的端到端测试与交付闭环。在阿福 BadCase 修复场景中，ADS 首次跑通生产端到端 Harness，覆盖归因、方案、编码、评测、发布等研发全链路。

关键结果包括：

• 已解决 300+ BadCase；
• 效率提升 3 倍以上，周期由 12.6 天降至 3 天；
• 全流程 AI 主导占比 95%+；
• 人主要负责关键节点决策和判断；
• 除阿福外，还覆盖灵光、TeamClaw 等 10+ 业务团队。

不过，这类转型并非只靠工具升级。蚂蚁在实践中遇到的痛点包括：过去十多年积累的大量研发基建与 AI 新范式之间存在矛盾，需要在继承和重做之间取舍；当 AI Coding 成本降低后，各业务团队会自建工具，业务侧“百花齐放”与基建团队统一产品之间也会产生冲突。这些问题本质上涉及平台边界、组织协同和工程标准。

行业走向

从这次分享看，AI 研发的竞争正在从模型调用和代码生成，进入生产级系统工程阶段。企业真正需要的不是单个会写代码的助手，而是能接入权限、环境、评测、发布、监控和回滚体系的协作网络。

未来一段时间，AI Native 研发的重点可能会集中在三件事：一是把 Agent 纳入可治理的平台体系；二是建立面向 AI 的环境、CLI、流程和安全标准；三是在真实业务中积累端到端闭环数据。谁能把 AI 从“局部提效工具”变成“稳定交付基础设施”，谁就更可能在下一阶段的软件工程变革中获得主动权。