今天,华为云正式发布CodeArts Req,这是一款自主研发的软件研发管理与团队协作工具,凝结了华为30多年软件研发的先进理念与丰富实践,具有强大的组织协作能力,旨在助力企业大规模研发转型成功,释放组织生产力。
华为云CodeArts Req内置华为IPD需求管理模板,支持IPD研发、DevOps敏捷交付、精益研发多种研发模式,支持特性管理、需求管理、缺陷管理、计划管理、基线与变更及任务跟踪,提供了强大的跨项目协同、多项目组合管理能力。
具体来看,华为云CodeArts Req的差异化能力主要体现在如下几个方面:
l 内置IPD研发模式,确保组织战略落地
需求是产品开发的驱动力,一个成功产品往往需要花费40%的时间来管理需求,管好需求就是保障组织战略落地。华为云CodeArts Req内置了华为IPD需求管理模板,通过Epic、Feature来管理组织战略规划,以脑图、甘特图形式对战略进行逐层分解,确保组织战略落地。
l 提供多种研发流程,多路径跨越从创意到产品的鸿沟
不同类型的产品往往采用不同的研发模式,比如设备类涉及到软硬件开发,周期长评审点多,多采用瀑布模型;而云服务一般为自运营,软件更新非常频繁,持续规划、持续开发、采用DevOps模式。针对研发模式的差异,华为云CodeArts Req提供了丰富的项目模板,支持IPD、DevOps、精益等多种场景化研发模型,用户可以根据企业规模、业务需求、使用场景选择不同的项目模板,让创意更快变成产品。
l 通过需求基线管理,确保研发如履行合同一样严谨
产品从规划到上市要经过复杂的研发过程,如何确保产品就是客户想要的、如何保障客户需求被正确理解和完整传递非常重要。华为云CodeArts Req内置的IPD需求管理提供了基线评审和变更管理能力,实现版本基线-受控变更-变更评审-变更管理过程,让基线变更如门禁一样,达到阈值才能启动下一步,确保产品研发就像履行合同一样严谨。
l 打通需求数据孤岛,尽早发现并减少风险
在产品研发过程中,越晚发现风险,修复成本就越高,影响就越大,有些风险甚至会对企业构成致命的打击。华为云CodeArts Req打通需求过程数据孤岛,将需求开发过程中产生的设计文档、代码、用例、缺陷等有机串联,形成追溯关系网,提前预警拦截风险,问题实时可视,保障研发过程高质量。
l 内置“特性管家”,助力产品家业常青
产品的核心资产就是产品特性,产品一旦上市特性就会不断地增长。华为云CodeArts Req提供产品全量特性管理,通过特性树可以更好管理产品特性,实现产品资产不丢失,让跨代产品的特性快速继承和发展。
l 构建网状协作能力,化繁为简,加速价值流动
大型产品开发往往涉及上千人甚至数千人的协作,协作关系与项目运作沟通成本呈指数级上升。在快鱼吃慢鱼的时代,提升效率是企业的生命线。基于华为IPD跨部门团队理念与实践,华为云CodeArts Req联结项目、人、工作项,提供无限组织层级、无限功能领域的网状跨项目协作管理能力,实现立体高效协同,加速信息流转,加快20%的价值流变现速度。
l 全面覆盖客户需求,从客户中来,到客户中去
成功产品的核心特征是满足客户需求,华为公司一直强调“以客户为中心”,满足客户的价值需求就是实现自身商业价值的过程。华为云CodeArts Req打破了传统需求管理工具仅在研发阶段发挥作用的限制,将客户与市场需求也同步覆盖,提供了完整的客户需求采集、价值需求决策、交付与验收流程,让需求进展和动态客户实时透明,市场需求流动提速70%。
“自己的降落伞自己先跳”,经过多年创新实践,目前华为云CodeArts Req已全面覆盖华为公司云、管、端、车、芯等相关产品的研发,月活超过13W用户 、月API调用量超过15亿次、累计管理5000多万需求。
过去30多年来,华为公司一步步经历了IT化、自动化、质量风险可视化的需求管理历程,能够支撑跨项目、跨产品、跨组织的大规模协作。未来,华为云CodeArts Req将基于海量的研发关系数据,以需求为起点实现所有研发关系与活动的任意追溯,实现对于各种交付进度和质量风险的主动预警,并进行主动的智能决策,让需求规划同市场表现打通,实现价值需求智能筛选与排序——这也是华为云CodeArts Req希望与客户、伙伴和开发者共同携手创造的未来。
华为云CodeArts Req服务已于12月7日正式上线官网,中国站全Region可访问,欢迎华为云新老用户登陆体验。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。