当前位置: 首页 > article >正文

山石网科×阿里云通义灵码,开启研发“AI智造”新时代

近日,山石网科正式宣布全面接入阿里云通义灵码专属版,这标志着山石网科在研发智能化、自动化领域迈出重要一步,为研发工作注入强大的AI动力,实现多维度的效率飞跃。

此次合作,阿里云通义灵码依托强大的AI能力,为山石网科研发团队提供从代码开发、代码评审、设计文档撰写到测试用例生成等全流程的AI辅助支持,全面提升研发效率,加速产品迭代,为用户提供更优质、更安全的网络安全产品和服务。

据山石网科首席战略官(CSO)蒋东毅介绍,山石网科当前已有超九成研发人员在日常开发环境中使用通义灵码, 在通义灵码插件调用的阿里云Qwen-2.5和Deepseek-r1模型协助下,代码补全的采纳率为26%, AI代码生成占比已经达到35%,同时办公环境还与阿里云百炼平台对接,在文档撰写、测试用例编写、会议纪要生成等各方面日常工作全面提效,全流程的效率改进预计实现研发效率提升30%。

图注:山石网科首席战略官(CSO) 蒋东毅

蒋东毅还表示:“通过和通义灵码合作,山石网科积极拥抱变化,正在构建一套更全面的评估体系,包含‘代码产能’、‘开发吞吐率’、‘代码缺陷逃逸率’、‘开发者满意率’等指标,来看每个使用 AI 编码的同学代码到底产生了什么变化。未来,随着大模型的进一步发展,AI 一定会为编程带来全方位、多层次的提升,让开发进入更加智能化的创作时代。不能拥抱AI的开发者,也将会被AI的世界淘汰”。

AI赋能,研发提效再升级

在数字化转型浪潮下,网络安全的重要性日益凸显,用户对网络安全产品的需求也日益多元化、个性化,科技企业的研发效率成为决胜市场的关键竞争力。为快速响应市场需求,山石网科作为行业的创新先锋,始终致力于探索前沿技术,提升研发效率,打造更敏捷、更高效的研发体系。此次引入阿里云通义灵码专属版,正是山石网科在研发智能化领域的一次重要探索和实践。

阿里云通义灵码专属版基于阿里云自研的大模型技术,具备强大的代码理解和生成能力,能够为开发者提供智能代码补全、代码评审、代码优化、单元测试生成等多项功能。山石网科研发团队充分利用这些功能,实现:

  • 代码开发效率提升:智能代码补全和代码生成功能,可以帮助开发者快速完成代码编写,减少重复性工作,提升开发效率。

  • 代码质量保障:代码评审和代码优化功能,可以帮助开发者更好地优化代码逻辑,发现潜在问题,提升代码质量和可维护性。

  • 文档撰写效率提升:自动生成API文档、设计文档等功能,可以帮助开发者快速完成文档撰写,减少文档编写时间。

  • 测试效率提升:自动生成单元测试用例、测试脚本等功能,可以帮助开发者快速完成测试用例编写,提升测试效率和覆盖率。

为什么选择通义灵码

作为深耕网络安全领域的上市企业,山石网科在技术选型中面临双重挑战:既要规避代码资产外流风险,又要突破传统工具本地化部署的成本壁垒,这成为企业智能化转型的关键掣肘。

通义灵码企业专属版的出现,为这场转型攻坚战提供了破局方案。依托云端私有化部署架构,该方案不仅完美契合企业级代码安全管理规范,更以“训练数据零回流”承诺构建起立体化数据护城河。相较于某些AI工具的技术约束,通义灵码也在知识产权方面展现出开放包容的合作姿态,为双方战略协同预留充足空间。

值得关注的是,该方案的技术前瞻性与山石网科的战略布局形成深度共振:一方面,通义灵码首创的“AI程序员”智能体架构,精准对接企业级开发场景的复杂需求;另一方面,阿里云持续加码的研发投入,确保产品在多语言环境、混合开发框架中始终保持行业的技术领先和服务保证。这种“技术硬实力+服务软实力”的双重保障,正是促成双方战略合作的核心动因。

携手共赢,共创未来

山石网科与阿里云的合作由来已久,双方在云计算、网络安全等领域保持着紧密的合作关系。此次山石网科全面接入阿里云通义灵码专属版,是双方合作关系的进一步深化,也是双方共同推动AI技术在网络安全领域应用的一次重要实践。

未来,山石网科将继续与阿里云携手共进,积极探索AI技术在网络安全领域的创新应用,不断提升产品研发效率和服务质量,为用户提供更智能、更安全的网络安全解决方案,共同守护数字世界的安全!


http://www.kler.cn/a/551955.html

相关文章:

  • 记一次Ngnix配置
  • 智能合约与区块链中的NLP应用:自动化法律文书分析与合同审查【附核心实战代码】
  • 【UE5 C++课程系列笔记】30——自动拷贝DLL及其他资源
  • vue3-03初学vue3中的配置项setup(Composition API (组合API组件中所用到的:数据、方法等,均要配置在setup中)
  • 大模型基础知识快问快答
  • 1、AI量化学习资料 - 用DEEPSEEK玩转PTrade策略开发.zip\AI量化学习资料 - 1、PTrade策略开发提示词(参考模板).md
  • 多线程编程的隐形陷阱:竞态、死锁与活锁的实战解决方案
  • ARM系统源码编译OpenCV 4.10.0(包含opencv_contrib)
  • 二十多年前的苹果电源Power Mac G4 Mdd 电源接口
  • 【Python项目】文本相似度计算系统
  • Android 通过 ADB 查看应用运行日志
  • ESP32 ESP-IDF TFT-LCD(ST7735 128x160)自定义组件驱动显示
  • 海康威视NVR DS-7816N-SN固件升级指南:安全、高效、无忧
  • 以下是一个使用 HTML、CSS 和 JavaScript 实现的登录弹窗效果示例
  • 【干货教程】DeepSeek R1+Open WebUI构建RAG检索增强知识库的实战教程
  • DeepSeek 助力 Vue 开发:打造丝滑的范围选择器(Range Picker)
  • 已弃用Flutter的Gradle插件的命令式应用
  • Java进阶篇之Lambda表达式
  • 蜂鸟视图发布AI智能导购产品:用生成式AI重构空间服务新范式
  • 数据库提权总结