0、传统测试进入新时代

从近两年互联网测试大会议题看，传统测试的内容已经很少了，整体趋势如下：

• 测试左移
• 测试右移
• 持续集成&持续交付（DevOps）
• 工程效能

这意味着传统测试进入了新时代，接下来我们看看各方面发生的变化。

1、测试开发比持续走低

各大公司的测试开发比从 1:3 -> 1:4 -> 1:5，甚至趋近于当年 Google 的 1:10。

而 Google 已经进入了 1:20 的新低。最近刚跟 Google 的朋友了解，1:20 只是平均值，有些部门更低。比如美国的 Cloud 部门，大概 1:50；而中国的广告部门，则没有测试，由研发自测保障质量。

2、QA 职责两极分化

传统的手工测试逐步转向由外包完成，越来越多的测开转向工具平台开发，做质量赋能的事情。这对 QA 的技术要求更高，所以市场上测开需求量大、但是却招不到合适的人情况非常常见。

3、质量 VS 效率 VS 用户体验

根据公司战略、业务特点、产品所处的不同生命周期，三个方向的侧重会有所不同。

• 传统测试最注重质量，尤其是 toB 业务，微软的测试人员数量甚至超过了研发。
• 互联网时代，唯快不破，对效率的要求更高。尤其是公司之间竞争，谁先发布新功能，谁就抢占了先机。
• 随着物质文明发展，更高层次的精神追求必然成为趋势。用户个性化需求越来越高，用户体验也变得越来越重要。

所以我们接到一个新需求时，首先要了解需求背景，确定本次发版目标；然后制定相应的质量保障策略，以最小的资源投入，达到最好的效果。

4、测试技术的发展阶段

第一阶段：依赖流程的手工测试阶段

传统测试通常强调完善的流程规范，以黑盒方式完成测试任务。

第二阶段：基于平台的灰盒测试阶段

通过自动化测试、工具平台开发，有效提升产品质量及效率。目前大部分公司的测试技术处于该阶段。

第三阶段：基于计算的实时质量阶段

随着 DevOps 的推行，发布效率不断提升。当达到每日发布能力以后，留给测试的时间就只有以小时计了，该如何突破这个瓶颈呢？

在如此短的时间内，线下显然很难保证充分测试，必须考虑线上质量实时防护。通过实时数据计算，将线上操作变更、机器、链路、流量、用户行为等因素结合起来，实现线上问题精准定位及自动恢复。

5、人工智能带来的挑战和启发

前面说到，目前传统的手工测试逐步转向由外包完成，越来越多的测开转向工具平台开发。随着人工智能的发展，重复劳动将被人工智能取代，高阶人工智能甚至可以开发低阶的工具平台，这时 QA 的核心竞争力是什么呢？

去年老板让我们读 paper，先搜了一晚上测试领域的论文，很尴尬，一篇拿得出手的都没有；又搜了一晚上深度学习领域的论文，也很尴尬，多到不知道看哪篇好，最后不得不请教了一位深度学习专家。我们先来看看深度学习的不同阶段：

• 初阶：直接用现成的框架（Tensorflow、Caffe 等），实现各种应用场景的落地，比如人脸识别、相机拍照功能等。
• 中阶：对现有模型进行调参，以达到更好的效果。这个工作的难度就很大了，比如 2012 年经典的卷积神经网络 AlexNet，由 65 万个神经元、6000 万个参数构成，现在的网络模型复杂度更高，调参难度可想而知。
• 高阶：不管是学术界还是工业界，都在不断探索新的神经网络模型。而每一个经典网络模型的出现，都会推动某个领域的巨大变革。

当时没有仔细思考，为什么 QA 领域的论文这么少？最近开始思考 QA 的价值和发展趋势，我觉得 QA 领域也需要自己的学术界和方法论。

6、理想的 QA 生态

拿深度学习作类比，理想的 QA 生态发展过程：

• 少数人从事理论研究，分析问题本质，找到规律，并建立新模型。
• 一部分尝鲜者，将新模型拿到工作中实践，并根据实际场景对模型进行不断优化。
• 当模型趋于稳定时，越来越多的人参与到工程落地中，生产力得到显著提升。

当新模型得到广泛应用时，就意味着测试进入了一个新的时代。

7、QA 的核心竞争力和价值

随着产品种类、用户量、公司规模不断增长，如何更低成本、更高效、自动化、通用化地保证产品兼容性、稳定性、用户体验等属性，是每个公司都会面临的问题。

QA 通常具备产品思维、技术、管理、协作等综合能力，可以更好地抽象出方法论，在体系化建设及推动落地上发挥很大的作用。

我想这就是 QA 的核心竞争力和价值吧。