美国时间3月14日，OpenAI 正式发布 GPT-4，在 GPT-3.5的基础上，进一步升级了图像识别功能和高级推理技能，单词处理能力达到25000 个，是 GPT-3.5 的8倍，并可以使用几乎所有流行的编程语言编写代码。
仅仅一周之内，OpenAI 的最大股东微软旗下代码托管平台 GitHub 更是发布重磅“炸弹”：推出 Copilot X 计划，将 GPT-4 集成到 IDE。在 Copilot X 中，用户只需“动动嘴”，机器就能写出代码，也能帮助用户解释代码片段，还能直接完成 Debug 工作。
这对于仍在传统软件开发模式中苦苦挣扎，致力于软件开发范式变革的业内从业人员无疑是一个重要的信号，智能开发新时代到来。
目前，关于智能化软件开发并没有一个统一的定义，广义上，我们可以暂且理解为利用 AI 技术辅助开发者自动进行程序编写。CQ9电子
让计算机自动编写代码，不仅是软件开发领域关心的问题，也是人工智能领域长期关心的问题。早在 1964 年，机器学习领域的先驱者 Solomonoff 就曾提出，“对人类而言，编写计算机程序是一项既困难又耗时的活动，CQ9电子通过自动代码生成或程序归纳来实现这个过程的自动化是人工智能领域的一个长期研究主题”。
那么，在没有人类程序员干预的情况下，完全依赖 AI 技术进行程序代码生成，当前的研究进展情况如何呢？
2016年，Google Deep Mind 发表了论文《Neural Programmer-Interpreters》，提出了一种利用程序的输入输出结果生成简单程序的深度神经网络模型，但它生成程序的规模具有较大限制，通常是由简单指令组合而成的短小程序；
同年，微软针对类似的问题发表论文《DeepCoder: Learning to Write Programs》提升了程序生成的速度，但在程序规模与生成效果上仍未能取得质的提升。
这些成果对程序自动生成的研究起到了重要的推动作用，但同时也可以看出，在完全不依赖程序员的场景下，进行工业级程序的编写，仍需要进一步研究。
与上述研究思路不同，技术的进步不应该成为人们焦虑的因子以及枷锁。智能化软件开发更聚焦于利用人工智能等技术来辅助人类编写程序，以提高程序编写的效率和质量。
除了目前爆火的GPT-4外，近年来方兴未艾的低代码平台、全栈式全自动开发都是立足于通过技术创新辅助软件开发人员，让开发人员从“重复造轮子”中解放，为软件开发团队带来生产力提升，解决行业当前面临的诸多痛点。
GPT-4：软件开发人员通过让人工智能理解其交代的任务并自主完成软件开发，如理解需求、自动生成 UI、自动生成代码、自动生成测试脚本等。
但是对于复杂的企业级应用开发而言，具备了强大编程能力的 GPT-4 也还存在缺乏企业级应用所必需的行业和业务 know-how、AI 编程依赖于提示词导致代码质量存在极大的不确定性以及难以满足企业级应用对于安全性的要求等局限性。
低代码：Gartner估测到2025年，70%的企业开将采用低代码或无代码技术开发应用。2015年前后，低代码概念进入中国，奥哲、ClickPaas 等一批本土低代码品牌迅速崛起，阿里、腾讯、金蝶、用友等云厂商和传统软件厂商也先后入局。目前国内市面上的低代码平台大多基于脚本类语言设计，提供表单、流程、报表，供用户拖拽式生成应用，核心解决前端开发的可视化，降低开发门开，提升开发效率。
但大部分低代码本质上只能解决简单的工作流，以设计表单为驱动，并不能实现复杂功能和逻辑。此外，使用低代码平台构建的应用通常与平台绑定，导致很多特性需要依托于特定的低代码平台才可以实现，用户对系统质量、安全和知识产权的掌控无法得到保证。这些都无法从根本上帮助企业实现降本增效。
全栈式全自动开发：相较低代码，全栈式全自动开发则覆盖软件开发全流程，不仅支持不同业务场景下定制化的小型应用开发，还能够支持如电商平台等复杂的大型应用系统开发。同时，将开发成果的“所有权”完全交给用户，解决客户对于安全性和知识产权的担忧，同时提供系统质量保证。
以飞算发布的SoFlu软件机器人为例，基于“业务即图，图即代码”的核心理念，提供 Java 可视化开发及执行日志、丰富的组件库、仿真测试等核心技术工具，帮助开发者自动完成包括前端开发、后端开发、测试、运维在内的全栈式软件开发工作，真正实现“软件开发，十倍提效”，大大降低企业开发成本。某特大型央企石油集团，仅用9人+5个SoFlu软件机器人、耗时45天便完成了传统开发模式下需27人、耗时300多天才能完成的需求分析、顶层设计、开发、测试、联调上线等全流程任务，并在源头上降低了系统的运维难度。
作为信息化时代的重要基础设施，软件工程领域在这场变革中首当其冲，智能化如软件开发浪潮蓄势待发，并终将引领行业，甚至整个行业进入新纪元。
