「2023年软件研发应用大模型」国内现状调查 - 腾讯问卷 (qq.com)
https://wj.qq.com/s2/13274276/bf17/
去掉行业背景信息，其实从调研表上也可以看到目前LLM类型和使用方向。
01目前您所在团队对大语言模型（LLM）的态度
不了解
目前处在观望着
开始关注并试用
积极应用
02在软件研发中，主要用LLM来做什么？帮助提升需求质量
辅助产品设计、用户体验设计
主要用于代码生成，提升研发效率
用于代码检查、代码解释等，提升代码质量
主要用于测试脚本和用例生成，提升测试效率
主要用于答疑解惑，类似搜索引擎的作用
用于一些文档润色、生成，提升日常工作的效率
03您的团队使用LLM的主要方式是哪种？从训练基础大模型开始，构建LLM全栈技术能力
基于开源、基础LLM训练自己的领域大模型
将领域大模型embedding特定的知识库
私有化部署并使用第3方LLM
直接调用第三方LLM API
04您目前主要使用哪种大模型？如果使用多种，选占主导地位的那种LLM
国外GPT3.5、GPT4
国外开源：Llama 2
国外开源：Vicuna，
国外开源：Alpaca
国外开源大模型
百度文心大模型
讯飞星火大模型
华为盘古大模型
阿里通义大模型
百川大模型
国内开源大模型
智谱大模型
自研大模型
05在「软件需求」中如何使LLM的？润色需求文档
检查/评审需求文档
基于原始需求生成用户故事
基于用户故事生成验收标准
基于验收标准实例化需求
客户洞察、客户反馈总结
06使用LLM在软件设计上帮您做什么？没有使用
咨询、问一些问题，让大模型提供建议
只是作为知识来查询
辅助产品设计、用户体验设计
功能定义、分解或细化
07使用LLM在编程上主要做什么？函数级代码生成
代码补全
代码评审
代码评审（review）
遗留代码解释
代码修复
还没开始
08您所在团队，主要使用哪种基于LLM的编程助手/工具？Amazon CodeWhisperer
aiXcoder
ChatGPT
CodeArts Snap
CodeGeeX
Comate
GitHub copilot
Google Bard
GitFluence
iFlyCode
OpenAl Codex
Replit Ghostwriter
Regex.ai
自研的
09使用AI开发框架吗？Tensor Flow
PyTorch
MXNet
CNTK
PaddlePaddle
MindSpore
ModelArts
OneFlow
Jittor
Angel
BytePS
自研的
10使用LLM在「测试」中发挥哪些作用？生成测试用例
评审/改进测试用例
生成测试脚本
评审/改进测试脚本
生成测试数据
测试日志分析
异常数据分析
测试报告改进或生成
11在运维中如何应用LLM？运维日志分析
异常诊断
问题定位
数据统计图表生成
这方面是空白
13LLM/机器学习专业人才情况
有专业的LLM团队（含AI算法）
只有AI算法团队
没有团队，只有几个LLM方面（含算法）的人员
没有团队，只有AI算法人员
没有AI相关的专业人员
14大模型应用时遇到的主要困难有：
目前研发人员的应用水平不行
缺少机器学习和大模型训练人才
缺少算力或云计算平台
缺少大模型部署的能力
缺少高质量的（业务/研发）训练数据
（业务/研发）数据数量不足
领导不重视
安全、隐私担忧
行业合规性限制
15 对LLM的未来期望有哪些？人人都有一个AI助手
替换部分人员、缩减团队规模
极大地提升研发效率
显著地提升软件交付的质量
能够显著地缩短软件开发的周期
降低开发的成本
比较悲观，难以发挥价值
目前看不清楚，难以判断
