过去一年，AI 编程发展得很快。从代码补全，到自然语言生成代码，再到能够自主执行任务的编程智能体，AI 正在改变开发者的工作方式。对于一个程序员来说，让 AI 帮忙写代码、查问题、生成测试用例，已经成为越来越普遍的研发方式。但当 AI 从 " 个人工具 " 走进一家企业的真实研发现场，事情就没有那么简单了。

因为企业软件研发面对的，从来不是一道孤立的编程题。一个真实的软件项目，可能运行了几年甚至十几年，代码分布在多个仓库，涉及不同语言和复杂的依赖关系；开发过程中还存在大量业务规则、研发规范和团队协作流程。一次看似简单的需求变更，背后可能牵动多个模块。

这意味着，AI 编程真正进入企业，首先要解决的并不是 " 会不会写代码 "，而是 " 能不能理解一个项目，并按照企业的工程方式把事情做完 "。这也是广联达携手华为云正在探索的问题。

个人提效，并不等于组织提效

广联达于 2023 年启动 "All in AI" 战略，目前已经在内部推进 AI 编码应用，用于提升研发效率并支撑产品智能化。在实际体验中，广联达观察到，目前业界主流编程智能体在个人使用场景下，可以带来约 30% 至 50% 的效率提升。这个结果并不难理解。

一个开发者原本需要花几个小时完成的代码编写，现在可能只需要描述需求，由 AI 生成初版代码，再由开发者修改和确认。但问题在于，开发者个人效率提高，并不意味着整个研发组织的效率同比提高。

企业研发还有需求分析、方案设计、代码 Review、测试、缺陷修复、持续集成等一系列环节。如果 AI 只负责其中的 " 写代码 "，其他环节仍然依靠原有方式完成，那么 AI 带来的可能只是一个局部环节的效率变化。

更复杂的是，企业研发并不是从零开始。以广联达为例，其约 80% 的业务场景基于存量代码开发。这意味着 AI 面对的不是一个空白项目，而是已经存在的代码、业务逻辑、系统架构和研发规范。让 AI 在这样的项目上完成一次增量开发，远比让 AI 从零生成一个 Demo 复杂。

AI 首先得 " 读懂 " 企业的代码

对于存量项目而言，第一道门槛是上下文。开发者自己接手一个陌生项目时，通常需要先了解项目结构、代码关系、业务逻辑以及不同模块之间的依赖。AI 同样需要完成这一过程。

华为云码道在这一场景中提供 CodeBase 能力，支持跨仓跨语言、千万级代码索引和端云协同检索，并结合向量 + 图谱双引擎与代码依赖分析，为 AI 提供项目级代码和依赖关系等上下文信息。

这意味着，AI 关注的不再只是当前文件里的几百行代码，而是能够进一步获取与当前任务相关的项目内容。对于企业存量项目来说，这一步是 AI 从 " 代码生成工具 " 走向 " 项目级开发工具 " 的基础。

AI 还得 " 按照企业的方法 " 开发

读懂项目只是第一步。企业研发还有自己的开发规范。同一个需求，不同团队可能有不同的架构方式、代码规范、测试要求和交付流程。AI 如果只根据自然语言生成代码，却不了解这些规则，开发者依然需要花时间进行大量修改。

因此，企业级 AI 编程需要把研发经验和规范沉淀下来。华为云码道支持 SDD 规范驱动开发，将需求、设计和代码实现进行关联；同时提供 80+ 专家 Skills，将软件研发经验沉淀为可调用的专业能力。

广联达在双方联合创新过程中，也围绕实际研发项目持续沉淀企业自己的 Rules、Skills 等，用于让 AI 理解和复用企业研发要求。换句话说，企业希望 AI 掌握的不只是 " 怎么写代码 "，还包括 "我们应该怎么开发"。

一个真实项目，给出了什么答案？

最终，企业级 AI 编程能不能成立，还需要真实项目来验证。广联达的齐山养老院项目就是一次实践。

项目需要基于已有代码新增不良事件管理和客户诉求管理模块，同时完成移动端和 Web 端开发。按照传统研发模式，预计至少需要 80 小时。使用华为云码道后，团队实际用时 27 小时完成，整体效率提升 66%；同时，BUG 数量下降 50%。

这个案例的意义并不只是一个 "80 小时变 27 小时 " 的数字。更重要的是，它对应了企业研发中非常典型的一类任务——在已有系统上进行增量开发。AI 需要先理解原有项目，再完成新的需求，并最终交付能够运行的代码。也正因为如此，存量项目开发成为观察企业级 AI 编程能力的一个重要场景。

从广联达的实践来看，AI 编程走进企业之后，评价标准正在发生变化。过去更关注 "AI 能不能写出代码 "；现在企业需要进一步关注 "AI 能不能理解项目、遵循规范、协同开发，并进入完整研发流程 "。这也是 AI 编程从个人效率工具走向组织级应用过程中，需要面对的现实问题。