面向人机物融合泛在计算的智能化软件:挑战与机遇 | CCCF精选

软件是世界数字化的直接产物、自动化的计算途径、智能化的逻辑载体，更是人类知识的固化、凝炼和体现。回顾软件技术发展历史，一个重要的规律是：每当计算平台和应用需求发生重大改变，新的软件范型(paradigm)往往应需而生，从而引发软件技术体系的螺旋式上升重构。当前，随着互联网向人类社会和物理世界的全方位延伸，我们正在进入一个“人机物”（人类社会、信息空间和物理世界）融合的泛在计算(ubiquitous computing)新时代，而软件定义一切、万物均需互联、一切皆可编程、人机物自然交互是其基本特征。泛在计算环境下新的计算平台和应用需求构成了新一轮软件范型变迁(paradigm shift)的外在需求驱动。同时，以深度学习，尤其是大语言模型为代表的新一代人工智能(artificial intelligence，AI)技术发展迅猛，不仅对包括软件在内的各行业领域赋值赋能，而且正在沉淀为软件系统的重要部件，对软件技术的发展产生极为深远的影响，正在催生新的软件形态−“智能化软件”，为新一轮软件范型的变迁提供了内在技术驱动。内外驱动合力，软件技术体系正面临一场新的变革。

人机物融合泛在计算环境下的新一轮软件范型变迁

软件技术体系主要涉及4个方面的内容（见图1）：软件范型、软件构造方法、软件运行支撑及软件质量度量与评估。其中，软件范型是从软件工程师或程序员的视角看到的软件模型及其构造原理，即编程模型，一直是软件技术体系的核心。伴随着计算平台从单机环境、多机环境、网络环境到开放互联网环境的不断延展和应用需求的日益多样、复杂，软件范型也大致经历了无结构、结构化、对象化、构件化、服务化/网构化等多轮次变迁。在这个过程中，软件范型总是不断追求更具表达能力、更符合人类思维模式、更具可构造性和演化性的软件结构。例如，结构化方法试图适应人分析问题和解决问题的思维模式；面向对象方法围绕现实世界的结构来设计问题空间和解空间模型，更符合人类看待世界的方式。每次软件范型的变迁，都会引发软件开发方法和运行支撑机制的相应变化，并导致新的软件质量度量评估方法和保障技术的出现，进而带来软件技术体系的一次螺旋式上升重构。

图 1 软件范型及其变迁

互联网及其延伸推动了人类社会、信息空间、物理世界持续交叉融合，人类正在进入一个“人机物”三元融合、万物智能互联的泛在计算时代。据全球综合数据资料库Statista发布的数据¹ ，2019年全球联网的物联网终端数量已达百亿，超过了非物联终端的数量，2025年预计将突破300亿，未来千亿规模已然可期。面向未来人机物融合泛在计算的新模式和新场景，除传统计算设备（“机”）和新兴物联设备（“物”）外，“人”作为一种新的重要资源元素的参与，构成了极其复杂且动态多变的计算环境。计算无处不在、无迹可寻，万物均需互联、一切皆可编程、人机物自然交互将是泛在计算环境的基本特征，而软件定义(Software-Defined X)则是实现人机物融合泛在计算环境新场景新模式的基本途径。软件成为支撑人类经济社会运行的重要基础设施，并正在对传统物理世界基础设施和社会经济基础设施进行重塑和重构，成为促进生产方式升级、生产关系变革、产业升级、新兴产业和价值链诞生与发展的重要引擎。

近年来，新一轮人工智能技术发展迅猛，在各行业领域取得了应用并产生显著成效。软件作为人工智能的实现载体，是其中不可或缺的关键支撑。同时，AI也正对软件技术自身的发展产生极为深远的影响，例如，在软件工程领域，Cursor、Copilot、aiXcoder等基于AI的代码自动生成工具已在生产环境中广泛应用，大幅度提升软件开发效率和质量。在系统软件领域，AI开始成为基础软件最为核心的能力和服务，为大规模互联网服务提供支撑，例如以vLLM、SGLang、Dyanmo、DistServe等为代表的AI推断框架发展迅速，以智能体（Agent）为代表的应用模式也将改变软件系统的人机交互方式。在关键应用领域的工业软件中，AI也将发挥重要作用，例如在芯片设计领域中的电子设计自动化(electronics design automation，EDA)软件开始采用AI来辅助完成芯片的部分环节如逻辑综合、布局布线、验证等，有效提高了芯片设计与验证的效率。在未来，传统3000人年的芯片设计工作量有望在数小时内完成，设计周期将大大缩短。AI模型已经开始成为软件系统的重要部件，正在催生新的软件形态——“智能化软件”。新一轮软件范型的变迁正在开启，软件技术研究正在迎来新的挑战和机遇。

智能化软件带来的基础研究挑战

所谓智能化软件，简言之，就是融入了机器学习模型和能力的软件。从构成的角度看，智能化软件融合了实现确定性计算的符号程序代码部件和实现非确定性概率计算的机器学习模型部件。其中，代码部件既可由程序员手工编写，也可由机器学习技术辅助生成。符号程序承载以图灵计算和逻辑演绎为手段的问题解决方案，原则上可解释可验证；机器学习模型承载从数据中归纳得到的统计性规律，常常难以解释。多个智能化软件实体还可能通过自主的协同交互，形成具有复杂网络结构和行为的群体智能系统。从行为的角度看，智能化软件作为人工制品和AI模型的混合体，需要以软件定义的手段，根据应用场景灵活调控“人−机−物”的海量异构资源，持续满足功能、质量和体验要求。

智能化软件正在引起新一轮的软件范型变迁，为软件理论方法技术开辟了全新的空间，将对软件技术体系产生重大影响。具体而言，软件系统的形态正在从面向“符号软件”到面向“神经−符号融合软件”转变，相应地，编程抽象也需要从传统“逻辑演绎和确定性计算”为主到融入“数据归纳和非确定计算”；构造方法方面，正在从“知识驱动、人工开发”到“数据/知识双驱动、人机协作、自动合成”转变，软件的发布模式也需要从传统软件的“固化版本、迭代更新”到支持“智能适应、持续成长”；运行机理方面，软件系统的行为正在从“相对可控的软件个体及其交互”到“复杂难控的自主协同和群智涌现”转变，而系统资源管理需要从传统“计算资源为主的资源管理”到支持“人机物泛在资源的全域管理”；质量保障方面，质量目标正在从“预置的系统行为正确性保障”到“全生命期多目标综合优化”转变，保障方法则需要从“确定性行为和可解释语义”发展到兼有“非确定行为价值对齐和难解释模型”。

为了应对上述转变，软件技术需要围绕三方面的基础核心挑战开展研究：

人机物三元融合共生智能化软件系统的组成原理　围绕智能化软件的基本形态、结构特征、交互机理和行为规律，研究人机物三元融合共生的系统建模理论，建立泛在异构资源的统一表征与封装方法，构造可自主适应、持续演化、长期生存、群智涌现的软件体系结构模型。

归纳演绎相融合的智能化软件构造与运行机理　面向智能化软件的高效构造和运行，研究归纳演绎相融合的软件构造与运行机理，建立新型软件自动化、群智化构造方法与泛在计算系统的软件定义方法，设计泛在操作系统共性框架和核心构件，形成面向特定行业领域的软件定制化开发与集成技术方案。

自知自治的智能化软件系统质量保障方法　针对智能化软件系统结构复杂性和行为非确定性，研究融合逻辑确定性与概率近似性的系统质量框架理论基础，建立以驾驭非确定性为核心的软件可信性理论与技术，实现系统质量的动态自治管理，形成可验证、可持续、全生命周期的软件质量保障方法体系。

软件的系统形态将不同于既往，如何表征和封装人、机、物三元资源，实现智能化系统个体及其间交互？智能化软件需要通过软件定义手段实现人机物全域资源统一抽象，进而在其上通过知识驱动的编程和数据驱动的学习来实现系统功能，为用户提供自然、智能的服务。在资源抽象方面，需要在现有的系统设计原理中融合物元的数理规律和人元的行为规律。在使用方式方面，智能化软件系统需无缝融合人机物，以无处不在、无迹可寻的泛在形式提供服务。在系统构成方面，需要集成传统软件部件和机器学习模型（包括基础大模型），需要实现自主实体的网构化动态协同，呈现情境适应能力和智能涌现行为。在生命周期方面，对于关键性系统，需要能够自主适应、持续成长、长期生存；对于偶用性软件系统，需要能够自动生成、即用即抛。在生态系统方面，需要在软件开源基础上，实现数据、算法、算力、模型、框架、知识的全面开放共享并形成生态，同时支持人类智能和机器智能的相互补充和相互促进。

软件的构造方式和运行机理将不同于既往，如何支持智能化软件的高效构造和运行，实现知识数据双驱动的开发、神经符号融合、确定非确定相补充、全域资源按需调度的计算？传统软件构建于逻辑演绎的基础之上，其开发以知识驱动为主，其制品表达形式为符号程序，其运行执行的是确定、准确的计算。而对于智能化软件，在语义基础方面，需要建立归纳和演绎相融合的程序语义模型，构建逻辑推理与机器学习相互增强的软件体系结构模型，使得智能化软件具备引入数据归纳学习的能力。在生产方式方面，需要以知识−数据双驱动的方式提升软件开发自动化水平，不仅要通过机器学习来训练神经网络模型作为系统的组成部件，还要通过基于机器学习的程序自动合成，尤其是基于大模型的代码生成，来辅助系统代码部件的开发。因此需探索神经−符号融合软件的形式化规约自动生成方法、基于神经−符号学习的软件系统高效构造方法，以及结合自然语言与形式语言的智能化程序设计语言理论等。在运行机理方面，需要研究神经网络−符号程序的平滑连接与协同计算机理，实现高效的神经符号融合交互；研究如何为人机物融合系统提供更强的“感知—分析—决策—执行”能力，从而提高系统智能化水平。在支撑平台方面，需要研究泛在操作系统的新型内核结构模型、设计原理和构造方法，支持全域资源的统一表征、按需调度和高效能管理，设计反馈控制的任务调度方法和自然交互接口，特别是沉淀泛在操作系统的共性框架与核心构件，并面向特定领域建立软件定义的泛在操作系统关键技术及定制方法。

软件的质量保障将不同于既往，如何驾驭系统行为非确定性和结构复杂性，实现可验证、可持续的质量保障？智能化软件具有数据驱动的归纳推断行为带来的非确定性、神经网络部件的不可解释性，从而导致传统软件基于“规约−实现”的一致性验证与测试的可信性和软件质量保障途径不再适用。在理论基础方面，需研究以非确定性驾驭为核心的新型可信性保障理论和方法，其关键在于，智能化软件系统要实现对其自身不确定性的自我认知和自我管理。特别地，机器学习特别是大模型在软件中的应用深度和广度都在不断增加，而现有机器学习的准确率/信心度的不确定刻画存在明显缺陷，特别是大模型带来的“幻觉”问题难以克服，必须探索如何持续提升大模型自身的准确性和可靠性，并合理有效地融合已有的知识体系和大模型生成的内容，例如，可结合检索、校验、计算、推理等模块作为辅助，或构造专门的知识库、知识图谱来“沉淀”已经过验证的推断结果。同时，面对人机物融合泛在计算更加开放动态的环境和多样多变的需求，需要研究如何通过大模型辅助程序规约与证明等更为高效的自动化分析验证手段来保障软件可信性；也需要突破传统软件“以不变应万变”的局限，通过构造自适应、可成长的软件架构，实现“随机应变”的智能自治行为，使得系统能够主动感知环境和需求的变化，动态调整自身的结构和行为，持续保证用户目标的持续达成。

智能化软件带来的发展机遇

软件是支撑信息化社会和数字经济的基础设施。高效地构建和运用智能化软件，关乎国家竞争力、创新力和国家安全。由于历史原因，我国在以操作系统为代表的基础软件和各类工业软件等关键软件领域长时间受制于人。“提升关键软件技术创新和供给能力”是重大国家需求。尽管我国在关键软件的自主替代方面已取得显著进展，但必须看到，由于关键软件具有极强的生态锁定特性，已有赛道上先发者的优势难以完全颠覆。而面向人机物融合泛在计算的智能化软件新范型带来了一个新赛道、一片新蓝海。积极拥抱这一转型机遇，通过科学的布局，推动在智能化软件理论与方法技术体系上的原创研究，并以有组织的科研加速相关基础软件的协同研发，建立开放生态，不仅有望实现在智能化软件新赛道上的创新，也有很大机会为彻底摆脱关键软件受制于人的局面提供一条可行路径。

我国政府已充分认识到人工智能是新一轮科技革命和产业变革的重要驱动力量，积极布局人工智能相关科研计划。而软件作为智能的载体，是支撑AI本身发展以及使能“AI+”落地不可或缺的关键要素。2024年，国家自然科学基金委立项了重大研究计划“面向人机物融合的智能化软件基础研究”，拟支持从软件系统的基本结构组成、开发方法、运行机理和质量保障等方面开展研究，建立智能化软件新范型及其基础理论，系统性变革和发展软件方法学和技术体系，构建智能化软件开发自动化与群智化的开源基础，培育智能化软件创新生态，提升我国在关键软件领域的自主创新能力，实现创新超越。

操作系统是计算系统的核心，也是信息产业生态的核心，更是信息时代安全的基石。梳理操作系统发展的重要事件，可以发现一个有趣的现象：每代操作系统形成规模、占领市场、形成垄断后，鲜有在原赛道上后发赶超的例子。人机物融合智能化软件应用的新蓝海蕴含着新的发展机遇，将带来巨大的创新空间。其核心问题是如何通过“云−管−边−端−物”乃至“人”的海量异构资源尤其是各种泛在化的“端”资源的有效管理，有效支撑智能化软件应用的构造、运行和演化，使之能在动态多变的复杂泛在计算环境中持续提供智能、可信的服务。因此，有必要对新型操作系统进行整体性和系统性的认识，形成一般性的泛在操作系统基本架构理论和设计方法，建立泛在操作系统的软件定义及其领域定制生成的方法与技术体系，沉淀共性并凝炼抽象出泛在操作系统“核心部件”（UOS Core，包括框架及其构件），并结合不同领域的泛在应用场景，定制领域化、协同化、智能化的泛在操作系统，推动基础软件的创新发展，进而构建开放的泛在计算生态。

工业软件是领域专门知识和数据沉淀的核心载体，是我国工业核心技术创新发展的关键领域。然而，后发者要实现自主替代和赶超，工业软件开发的高门槛和高成本是不得不面对的巨大障碍。人机物融合智能化软件将为工业软件带来新的发展机遇，构件化、网构化与智能化是必然趋势，通过软件定义实现平台化将是主要的技术途径。基于智能化新范型的工业软件构造将是一个值得重视的发展方向，需要建立工业软件多域多源知识统一模型理论并设计领域特定的工业软件编程语言(domain-specific language, DSL)，支持软件工程、数学/物理模型、流程工艺、运筹管理等知识的融合表征和精确规约，在此基础上形成特定领域工业软件的可复用核心构件/框架、知识库和模型库，并利用领域知识与AI模型协同驱动的构造方式来降低工业软件开发成本，提高开发效率与质量。此外，作为人机物融合的一类典型场景，工业软件需要覆盖人、机、料、法、环，支持全场景、全链条、全要素的连接，实现工业数字孪生的数据管理、处理和应用，同时，如何确保其在工业生产场景下的安全可信亦是智能化软件的重要研究问题。

致谢：本文内容基于国家自然科学基金委重大研究计划项目建议“面向人机物融合的智能化软件”内容整理而成。感谢徐宗本、蒋昌俊、杨孟飞、李克强、丁汉、金芝、李宣东、王戟、顾斌、郑晓龙、马晓星、毛晓光、彭鑫、刘譞哲等在项目建议成稿中的贡献。

注： 

¹ https://www.statista.com/statistics/<styled-content style-type="number">1101442 /iot−number−of−connected−devices−worldwide/, 2020-11

梅宏

CCF会士、前理事长。中国科学院院士。北京大学教授。主要研究方向为系统软件、软件工程。meih@pku.edu.cn  

吕建

CCF会士，CCF创建60周年杰出贡献奖、2024年CCF杰出贡献奖获得者。中国科学院院士。南京大学教授。主要研究方向为软件自动化、面向对象语言与环境和并行程序的形式化方法。lj@nju.edu.cn  

王怀民

CCF会士、开源发展技术委员会主任，2018年CCF王选奖获得者。中国科学院院士。国防科技大学教授。主要研究方向为面向网络的分布计算与软件技术。whm_w@163.com  

本文发表于《计算》2025年第5期。

相关阅读

梅宏 | 人工智能模型与开源：几点认识

点击“阅读原文”，加入CCF。