从代码生成到智能开发：北大发布基于腾平台软件开发解决方案

　　软件开发流程的智能化，能显著解放开发者生产力，并驱动软件工程领域的范式革新。北京大学计算机学院李戈教授团队深耕该技术方向并在鲲鹏腾科教创新卓越中心的算力支持下，成功研发出一套基于腾平台的智能化软件开发系统，通过大模型自动代码生成和优化技术实现了软件开发效率的显著提升。该成果完成了开源代码大模型 aiXcoder-7B在腾NPU硬件平台上的适配，通过集成 torch_npu 扩展库与 MindIE 推理加速套件，实现了模型的高效运行。同时，构建了基于 DeepSeek-V3 Agent 的智能开发系统。

　　针对大模型aiXcoder-7B的适配优化，其核心依托于代码生成技术所具备的意图理解与自动编码能力。该技术通过深度解析海量代码与注释语料，精准识别开发者编程意图，自动生成符合工程规范的高质量代码。腾提供的高性能算力为技术实现奠定了坚实基础，通过将模型从通用平台向腾NPU高效迁移，使代码生成的训练与推理过程全面获得硬件加速;同时MindIE集成并优化了Flash Attention等关键算法，使其能在腾上高效运行，进一步增强了数据处理与模型计算效能。最终，该模型推理速度相比原版实现大幅提升，首Token延迟时间降低至原版的四分之一。

　　而在DeepSeek-V3 Agent智能开发系统中，代码生成技术实现了从 “单一编码” 到 “复杂场景协同” 的升级。该技术创新性地将代码生成与工具调用能力结合，能应对多步骤开发任务并形成智能化运转。腾的 SmoothQuant 量化技术通过构造数学等价变换，使大模型难以量化的激活值得到缩放并被轻松量化，并针对量化可能出现的性能波动，团队借助腾特性优化算法，有效抑制激活值异常，使能大模型高性能、低精度部署;腾 MindIE 推理引擎提供类OpenAI高级封装接口和底层Token ID接口，使用底层的Token ID接口，可支持系统直接调用底层开发工具，实现更灵活定制开发，实现Agent工具调用能力，最终使系统具备代码补全、研发问答、缺陷检测等一站式开发能力。

　　此研究成果推动软件开发进入“高效、智能、自主化”新阶段，对广大开发人员具备重要意义。未来，北大团队将继续依托北京大学 鲲鹏腾科教创新卓越中心，探索新模型适配与领域化训练方法，让智能开发工具覆盖金融、能源、军工等行业，为我国自主创新技术体系注入全新动力。