2025年AI四大变革！开发团队拥抱AI，从被动到主动；科技巨头主导GPU/TPU基础设施；开源LLM质量飙升，加速AI民主化；ModelOps融入SDLC，DataOps+MLOps成关键。
译自：Four Transformational Changes Coming to AI in 2025
作者：David DeSanto
在过去的两年里，人工智能在软件开发中的应用呈指数级增长，而且这种趋势将在明年继续。GitLab 研究发现，78% 的受访者在其软件开发过程中使用人工智能，或计划在未来两年内这样做。 业界可能会看到人工智能在软件开发工作流程中得到更精细和更有目的的应用。 这些转变将从根本上改变开发人员的工作方式、组织实施人工智能的方式以及更广泛的技术生态系统的运作方式。
各组织已经开始从其人工智能投资中获得强劲回报，效率、生产力和周期时间都得到了提高，而 2025 年将是更具变革性的一年。 我们将见证重大转变，例如人工智能成为软件开发团队中的额外成员，以及开源社区承担起人工智能民主化的挑战。 以下是今年将影响软件开发的四大人工智能趋势。
随着人工智能成为软件开发团队更积极的合作伙伴，开发人员将把更多时间花在复杂的战略任务上，而不是每天单调的任务上。 这些任务通常会消耗开发人员的一天时间。 GitLab 的研究发现，开发人员花费在编写代码上的时间不到四分之一，这为应用人工智能以实现更主动的用例创造了机会，例如减轻安全和隐私风险。 例如，自动化测试将从人工智能编写测试转变为人工智能管理测试套件，包括传统的应用程序安全测试。 将人工智能视为合作伙伴将使开发人员能够专注于创造性的问题解决、推动创新和交付强大的业务成果。
人工智能基础设施可能仍将由少数科技巨头和云巨头主导。 凭借其巨大的资源和专业知识，这些行业领导者已对尖端硬件进行了大量投资，例如GPU 和 TPU，这对于训练和部署高级人工智能模型至关重要。 这种巨大的进入壁垒使得小型企业难以竞争，因为它们可能缺乏必要的 инфраструктура 和财务资源来跟上步伐，并可能限制人工智能应用程序的多样性。
随着越来越多的组织发布高质量的开源大型语言模型，人工智能的民主化将在 2025 年加速。 虽然科技巨头将继续支持其专有模型，但开源替代方案的日益普及将降低采用人工智能的门槛，并使其更容易为个人和组织所用。 类似于开源和商业软件的持久共存，这两种人工智能方法都将蓬勃发展，提供多样化的功能并加强行业。
虽然许多数据科学家和工程师在传统的 DevSecOps 工作流程之外运作，但这种脱节将越来越阻碍他们的效率。 随着人工智能更深入地集成到软件开发中，ModelOps 将成为软件开发生命周期的关键组成部分。 通过将专注于准备和管理数据的 DataOps 与处理人工智能模型的开发、训练、部署和版本控制的 MLOps 相结合，ModelOps 将提供一个全面的框架，以确保人工智能成功集成到软件开发工作流程中。
今年将是一个转折点，因为各组织将利用其人工智能投资和基础。 随着人工智能的成熟，我们期望出现更复杂的应用程序和突破性创新，例如类似于引入“推理”模型的更新。 从个性化的用户体验到自主系统，人工智能将重塑行业并重新定义商业模式。 将人工智能集成到核心业务流程中将变得越来越无缝，从而提高效率、生产力和竞争优势。 尽管开源社区在努力实现人工智能民主化并将模型分发到科技巨头和超大规模企业之外时会遇到一些摩擦，但这项工作最终将有助于建立一个蓬勃发展、多元化的技术生态系统。