新冠疫情對全球經濟與社會運行模式產生了深遠影響，也加速了人工智能（AI）技術的應用與迭代。進入后疫情時代，人工智能不再僅僅是前沿科技的象征，而是成為驅動產業復蘇、重塑商業模式、提升社會韌性的核心引擎之一。中金公司在其系列研究中指出，人工智能的發展正呈現出若干清晰趨勢，而人工智能應用軟件的開發也隨之進入一個更為務實、融合與創新的新階段。

一、人工智能發展的核心趨勢

1. 從技術探索走向規模化應用：疫情中，AI在病毒基因分析、影像診斷、流行病學預測、無接觸服務等方面證明了其巨大價值。后疫情時代，這種價值認知推動AI從實驗室和試點項目，走向各行各業的規模化部署。企業不再滿足于“擁有AI能力”，而是追求“用AI產生可衡量的業務價值”。

1. “AI+產業”深度融合成為主線：AI的發展動力從互聯網行業向傳統產業溢出。智能制造、智慧醫療、智慧金融、智慧城市、智慧物流等領域成為AI落地的主戰場。中金公司認為，能夠深入理解特定行業痛點、業務流程和數據邏輯的“行業AI”解決方案將更具競爭力。

1. 大模型與生成式AI引發范式變革：以GPT系列、文心一言等為代表的大語言模型，以及AIGC（人工智能生成內容）技術的突破，標志著AI從“感知智能”邁向“認知智能”和“創造智能”的新階段。這不僅催生了聊天機器人、內容創作等新應用，更通過“模型即服務”（MaaS）的方式，大幅降低了AI應用開發的門檻。

1. 普惠化與責任化并行：一方面，云服務、開源框架和低代碼/無代碼平臺使得AI技術更加易得，中小企業和開發者也能參與創新；另一方面，數據安全、隱私保護、算法公平與可解釋性、倫理治理等議題被提到前所未有的高度，負責任的人工智能成為可持續發展的基石。

二、人工智能應用軟件開發的新特征與新要求

在上述趨勢下，人工智能應用軟件的開發范式正在發生深刻變化：

1. 開發重心轉移：從“模型研發”到“場景落地”。開發團隊需要更緊密地與業務部門協作，優先解決最緊迫的業務問題。軟件工程能力（如系統集成、數據管道構建、性能優化、運維監控）變得與算法能力同等重要。

1. 技術架構演進：基于大模型的“預訓練+精調”模式成為新常態。開發者更多地利用大規模預訓練模型作為基礎能力，結合行業或企業私有數據進行精調（Fine-tuning）或提示工程（Prompt Engineering），快速構建專業應用。這要求開發人員具備新的技能組合，包括對基礎模型的理解和高效的交互設計能力。

1. 數據與算力的新平衡：高質量、結構化的領域數據成為核心競爭力。隨著模型規模的擴大，算力成本高昂。軟件開發需更注重效率，包括模型壓縮、蒸餾、量化以及邊緣計算等技術的應用，以實現成本與性能的最優平衡。

1. MLOps（機器學習運維）走向成熟：為了保障AI應用從實驗到生產環境的穩定、高效、持續迭代，MLOps理念和實踐變得至關重要。它涵蓋了數據管理、模型開發、部署、監控和治理的全生命周期，是實現AI規模化應用的技術保障體系。

1. 安全與合規內嵌于開發流程：隱私計算（如聯邦學習、安全多方計算）、可解釋AI工具包、算法審計模塊等，需要從設計之初就融入軟件開發流程，以滿足日益嚴格的監管要求和社會期待。

三、展望與建議

中金公司分析認為，后疫情時代是人工智能兌現商業價值的關鍵期。對于參與人工智能應用軟件開發的企業和開發者而言：

• 聚焦垂直領域：深耕特定行業，積累領域知識（Domain Knowledge）和數據，構建難以復制的護城河。
• 擁抱開放生態：積極利用開源模型、云平臺和開發者社區，站在巨人的肩膀上創新，加快開發速度。
• 堅持價值導向：以解決真實業務問題、提升效率或創造新體驗為出發點，避免為技術而技術。
• 構建全棧能力：培養和整合既懂AI算法，又懂軟件工程、行業知識和安全合規的復合型人才團隊。

總而言之，后疫情時代的人工智能浪潮正變得更加務實和深入。人工智能應用軟件的開發，正在從一場以技術突破為核心的競賽，轉變為一場以深度融合、價值創造和負責任部署為核心的系統性工程。唯有準確把握趨勢，并據此調整開發戰略與組織能力的參與者，才能在這波浪潮中立于潮頭。