在运营商集体押注大模型的2026年，三大运营商的自研大模型已经从"发模型"阶段，全面进入"用模型解决自家问题"的阶段。中国移动用九天大模型啃下了网络运维、工业质检、急救调度等硬骨头；中国联通的元景大模型在造船、政务等领域频频落地；而中国电信的星辰大模型，则走出了一条颇具想象力的路——把大模型做成"软件工厂"，让运营商自己的研发体系和行业客户，用一份文档直接"生产"出可运行的应用。
今天我们就来拆解中国电信这款在国内颇具"破局性"意味的AI开发工具——星辰大模型·软件工厂：它到底怎么工作的，比对话式编程强在哪，落地效果几何，以及它对运营商研发体系意味着什么。
很多人对运营商的印象停留在"卖号卡、铺基站、装宽带"，但实际上，三大运营商都是体量庞大的软件公司。中国电信内部有成千上万的IT系统——BSS（业务支撑）、OSS（网络支撑）、MSS（管理支撑），加上各省分公司的属地化应用、面向政企客户的定制化交付项目，每年要开发和维护的应用数量极其庞大。
这套研发体系长期面临几个核心痛点：
第一，开发链条冗长。一个稍微像样的应用，要走完需求分析、架构设计、前端开发、后端开发、数据库设计、接口联调、测试、部署、运维这一整套流程，往往需要产品经理、前端、后端、测试等多个岗位协同。对于一个中小应用，从立项到上线动辄数周甚至数月。
第二，人力成本高企。前后端工程师、测试工程师的人力是研发成本的大头，而省分公司、地市公司往往没有充足的高级研发力量，一个内部办公小工具都要排期很久。
第三，对话式AI编程的天花板。市面上多数代码生成产品（包括各类Copilot类工具）本质上是"对话模式"——你问一段，它写一段。这种方式有三个硬伤：受限于对话Token上限，无法一次性生成整个项目；只能当"辅助"，无法接管完整工程；写出来的代码片段之间缺乏全局一致性，难以直接部署运行。
中国电信内部每年有海量的研发需求，同时又要面向政企客户做大量定制化交付。如果能用大模型把"文档→可运行应用"这条路打通，对内是研发效率的革命，对外是新的商业模式。星辰大模型·软件工厂，正是在这个背景下诞生的。
2024年7月5日，在世界人工智能大会（WAIC 2024）中国电信星辰人工智能生态论坛上，中电信人工智能科技有限公司和中国电信人工智能研究院（TeleAI）联合发布了星辰大模型·软件工厂，定位是"AI智能软件研发助手"。
它的核心卖点用一句话概括就是：首创"面向文档开发的软件开发新范式"，做到"所写即所得"。
这是什么意思？传统对话式编程是"人写代码、AI补全片段"，而星辰软件工厂把这个逻辑整个翻过来了——用户只需要提供一份需求文档（甚至是一段描述、一张界面草图），系统就能自动完成需求理解、前后端代码生成、自动测试、持续迭代的软件工程全流程。
根据中国电信公开的技术资料，星辰软件工厂背后是一套多模态大模型驱动的自动化软件开发框架。它的核心思路是：
特别值得一提的是它的多模态能力，尤其是"图生代码"——可以把UI设计图、界面草图直接识别并转成可运行的前端代码。这对应到天翼AI开放平台上的"星辰文档理解平台"，能够结构化解析PDF或图片格式的文档，为"文档驱动开发"提供了输入侧的能力支撑。
星辰软件工厂把传统瀑布式的开发流程，重构为一条AI驱动的流水线。整个过程可以用下面的流程图来理解：
flowchart TD
A[需求文档/描述/界面草图] --> B[需求理解与拆解]
B --> C[架构与模块设计]
C --> D1[前端代码生成]
C --> D2[后端服务生成]
C --> D3[数据库/接口生成]
D1 --> E[自动构建与部署]
D2 --> E
D3 --> E
E --> F{自动测试与运行验证}
F -->|发现问题| G[错误回流与大模型自修复]
G --> D1
F -->|通过| H[可运行应用交付]
H --> I[持续迭代与运维]
这条流水线的革命性在于：它不再是一个"写代码助手"，而是一个端到端的项目级开发引擎。官方演示中最抓眼球的数据是——"两分钟完成一个应用开发"。从一份需求文档输入，到生成一个可部署、可运行的小程序/网站/App，中间不需要人去敲一行代码。
如前所述，对话式编程受限于Token上限，做不了项目级生成。星辰软件工厂之所以能突破，关键在于它不是在一个对话框里堆代码，而是把软件开发拆解成多个模型协作的工程化流水线——需求理解是一个任务，模块拆分是一个任务，前后端生成是各自独立的任务，测试验证又是独立的环节。每个环节由专门的模型/智能体负责，通过工程化编排串起来，从而绕开了单次对话Token长度的物理限制，真正支撑"项目级别"的代码生成、部署与维护迭代。
这种"多智能体分工 + 工程编排"的思路，本质上和中国移动九天、华为盘古在行业落地中采用的"大模型+智能体编排"是相通的——大模型不再单打独斗，而是被组织成一个有分工、有反馈、有闭环的"开发团队"。
星辰软件工厂不是凭空冒出来的，它背后是中国电信整个星辰大模型体系。理解这个体系，才能理解为什么是"中国电信"能做出这样的产品。
中国电信的人工智能战略可以用"1+1+1+M+N"来概括——分别对应智算云、数据底座、通用大模型、内部大模型、行业大模型五大领域。其中星辰大模型是整个布局的"模型底座"。
2025年7月，中国电信明确表示已自主研发出国内领先、央企首个"全模态、全自研、全国产"的"三全"大模型体系，实现了十亿、百亿、千亿多参数级的开源，并发布了国内首个基于全国产万卡集群训练的万亿参数大模型。这套体系由中国电信CTO、首席科学家、TeleAI院长李学龙教授牵头，背后是一支近800人的研发团队。
"全国产"三个字分量很重——它意味着训练算力、深度学习框架都是国产的，在当前地缘政治背景下，对运营商这类央国企具有战略意义。
中国电信是大模型开源领域"央企第一家"。2024年1月，它开源了星辰语义大模型TeleChat-7B（7B基座用1.5万亿Tokens中英文高质量语料训练），并同步开源了超1T的高质量清洗基础数据。随后又开源了TeleChat-12B（训练数据提升至3T，性能较7B提升约30%）。
更关键的是TeleChat2系列，尤其是其中的MoE（混合专家）模型TeleChat2-39B-A12B——这是国内首个全国产化千亿参数细粒度MoE大模型，完全基于国产算力训练。TeleChat2的通用能力较TeleChat系列整体提升超过29%，在逻辑推理、总结摘要、长文写作和数学计算上均有大幅提升，且function call（函数调用）能力突出。
function call能力突出这件事，对软件工厂至关重要——因为"把大模型组织成多个智能体、让它们调用各种开发工具"这件事，底层高度依赖模型的函数调用能力。这也是为什么星辰软件工厂能做出"多智能体分工"架构的技术前提之一。
一款AI开发工具到底行不行，不能只看发布会上的"两分钟demo"，要看真实落地数据。从公开信息看，星辰大模型体系的落地已经形成规模：
| 维度 | 数据 | 来源时间 |
|---|---|---|
| 星辰大模型用户规模 | 已超20万 | 2025年4月（数字中国建设峰会，中国电信集团副总唐珂披露） |
| 行业大模型落地数量 | 80余个 | 覆盖工业质检、智能网联汽车、科研教育等领域 |
| AI质检缺陷检测准确率 | 99.4% | 工业质检场景 |
| 模型参数开源规模 | 十亿/百亿/千亿多参数级 + 万亿参数（全国产万卡训练） | 2025年 |
| 研发团队规模 | 近800人 | TeleAI牵头 |
| MoE模型 | TeleChat2-39B-A12B，国内首个全国产千亿参数细粒度MoE | 2025年 |
20万用户、80余个行业大模型落地，对于一款2023年底才首发的运营商自研大模型而言，这个渗透速度是相当快的。需要说明的是，星辰大模型的"用户"既包括内部研发/办公人员，也包括通过天翼AI开放平台接入的政企客户和开发者，软件工厂正是面向这批"要造应用"的用户的核心工具之一。
在软件工厂自身这个具体产品上，最直观的效果指标是开发效率的量级提升：传统需要多岗位协同、数周才能完成的小型应用，在软件工厂里被压缩到分钟级（演示场景下两分钟可生成一个可运行应用）。对于省分公司、地市公司里那些"排不上研发期"的内部小工具，以及政企客户的小型定制化交付，这种效率提升是颠覆性的——从"造一个应用"变成了"生成一个应用"。
为了更清晰地说明星辰软件工厂的定位，我们把它和当前主流的两类方式做一个对比：
| 对比维度 | 星辰大模型·软件工厂 | 对话式AI编程（Copilot/CodeGeeX类） | 传统人工/外包开发 |
|---|---|---|---|
| 输入方式 | 需求文档/描述/界面草图 | 对话/代码上下文补全 | 需求文档+人工拆解 |
| 产出粒度 | 项目级（前后端+数据库+部署） | 片段/函数级 | 完整项目 |
| Token限制 | 突破单次对话限制（多智能体编排） | 受对话Token上限约束 | 无 |
| 是否可运行 | 可直接部署运行 | 需人工集成调试 | 可运行 |
| 测试与迭代 | 内置自动测试与自修复闭环 | 基本无 | 人工测试 |
| 多模态 | 支持（图生代码、文档理解） | 部分支持 | 人工 |
| 人力依赖 | 低（人主要写需求） | 中（人主导，AI辅助） | 高 |
| 典型耗时 | 分钟级（小型应用） | 视人工集成而定 | 数周至数月 |
从这个对比可以看出，星辰软件工厂的差异化定位非常明确：它不是去和Copilot抢"写代码片段"的活，而是去抢"把一个需求变成一个可运行应用"这条更长的链条。它的竞争对手与其说是AI编程工具，不如说是传统的软件外包和低代码平台。
当然，硬币的另一面是——软件工厂目前更适合中小型、模式化的应用（内部办公工具、营销活动页、小程序、政企轻量定制）。对于超大型、高并发、强一致性的核心交易系统，它还难以完全替代资深架构师团队。这一点是客观存在的边界。
第一，运营商从"大模型使用者"变成"大模型开发工具供给者"。过去运营商用大模型做客服、做网优，本质是消费侧应用；而软件工厂让中国电信把大模型能力沉淀成了"开发工具"，这对应的是一个新的B端商业模式——面向政企客户输出"AI造应用"的能力。这与三大运营商都在推的"AI+"战略中"行业大模型对外赋能"的方向高度契合。
第二，国产化大模型闭环初步形成。从国产算力训练、全国产框架，到开源模型、到上层应用（软件工厂、TeleStudio视频创作、星辰智能体平台TeleAgent），中国电信已经跑通了"算力—模型—平台—应用"的国产化全链路。对于通信这个关系国计民生的关键行业，这种自主可控的闭环价值，甚至超过单一产品的效率提升。
第三，软件研发范式的方向性验证。星辰软件工厂提出的"面向文档的软件开发新范式"，本质上是行业里"vibe coding""agentic software development"趋势在中国电信体系内的一个具体落地。它验证了一个判断：未来的软件开发，人会越来越像"产品经理/需求工程师"，而把"实现"这件事越来越多地交给大模型驱动的智能体流水线。对于运营商庞大的IT队伍，这既是效率红利，也是岗位技能重构的信号——会写清楚需求文档，可能比会写某门语言的具体语法更重要。
客观地说，星辰软件工厂也面临几个挑战：
一是复杂业务系统的可靠性。对于核心网配套、计费、CRM这类强一致、强事务、强合规的系统，AI生成的代码在安全审计、性能调优上仍需人工深度介入，短期内难以完全替代。
二是企业知识沉淀的门槛。要让模型生成的代码贴合企业内部的架构规范、技术栈、代码风格，需要做大量的内部代码和规范数据治理，这部分"脏活"绕不过去。
三是版权与安全合规。AI生成代码的知识产权归属、安全漏洞防范（如SQL注入、越权访问），在企业级尤其是运营商这种强监管场景下，必须有完善的人工审计流程兜底。
四是生态竞争。国内外巨头（OpenAI、GitHub Copilot、阿里通义灵码、百度Comate等）在AI编程赛道投入巨大，星辰软件工厂要想在"对内提效"之外真正打开"对外商业化"的局面，还需要在模型能力、开发者体验、生态合作上持续投入。
星辰大模型·软件工厂是2024—2026年运营商大模型落地中一个很有代表性的案例：它没有停留在"用大模型做客服/做问答"的舒适区，而是直接杀入"软件开发"这个运营商自身研发体系最痛、最烧钱的环节，用"文档驱动+多智能体编排+自动测试闭环"的方式，把传统数周的开发压缩到分钟级。
20万用户、80余个行业大模型落地、99.4%的质检准确率、央企首个全国产"三全"大模型体系——这些数字背后，是中国电信试图用大模型重造自身研发效率、并对外输出"AI开发能力"的战略意图。它验证了一个趋势：在通信行业，大模型的价值不只是"降本增效"的应用层改造，更在于它正在重塑运营商的软件生产方式本身。
对于通信行业从业者，这件事传递的信号很直接——学会用大模型造应用的人，和只会手写代码的人，未来的效率差距会是数量级的。无论是星辰软件工厂，还是九天、元景，这些工具的成熟，都在倒逼每一个通信IT人重新思考自己的核心能力边界。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。