中国人工智能领域发展迅猛，已成为全球AI创新的重要一极。聚焦于知识工程这一关键分支，回顾2019至2020年的发展历程，并结合相关书籍的梳理，我们可以清晰地看到人工智能应用软件开发在这一时期的深刻变革与显著进步。

在政策与宏观环境层面，中国政府在此期间持续释放政策红利，将人工智能提升至国家战略高度。各类发展规划与指导意见的密集出台，为知识工程技术的研发与应用营造了肥沃的土壤。产业界、学术界积极响应，推动知识获取、表示、推理与应用等环节的技术攻关，为应用软件的智能化升级奠定了坚实基础。

在技术发展方面，2019-2020年是知识图谱技术大规模落地并与深度学习深度融合的关键时期。众多企业和研究机构致力于构建大规模、高质量、多领域的行业知识图谱。以机器学习、特别是深度学习为代表的数据驱动方法，与基于符号逻辑和规则的知识工程方法开始走向协同与融合。这种“数据驱动+知识引导”的新范式，显著提升了AI应用软件的认知与决策能力，使其不再仅仅依赖海量数据，更能理解和运用人类积累的复杂知识，从而在语义理解、逻辑推理、可解释性等方面取得突破。

在应用软件开发的具体实践中，这一时期呈现出“垂直深化”与“平台普惠”并行的特点。一方面，在金融风控、医疗诊断、智能制造、智慧城市等垂直领域，基于知识工程的应用软件解决方案层出不穷。这些软件能够深度整合领域专家的知识与行业数据，提供精准的辅助决策、智能问答和流程自动化服务。另一方面，头部科技公司纷纷推出低代码/无代码的AI开发平台或云服务，将知识图谱构建工具、模型训练框架和推理引擎封装成易用的模块，极大降低了广大开发者，尤其是传统行业开发者，利用知识工程技术构建智能应用的门槛。

相关书籍的出版也反映了这一趋势。例如，一些聚焦于知识图谱构建与应用、认知智能、以及具体行业AI解决方案的书籍在2019-2020年间大量涌现。这些著作不仅系统了前沿技术理论，更结合了大量本土化的实践案例，为AI应用软件开发者提供了宝贵的知识体系和实操指南，加速了知识工程技术从实验室走向产业界的进程。

挑战依然存在。高质量知识数据的获取与标注成本高昂、跨领域知识融合困难、复杂推理的可解释性仍需加强，以及相关伦理、安全与隐私问题日益凸显，这些都是应用软件开发过程中必须直面的课题。

随着大模型技术的兴起，知识工程与大规模预训练模型的结合正开启新的篇章。可以预见，下一阶段的人工智能应用软件开发，将更加注重如何让大模型有效利用和生成结构化知识，实现更加可靠、可控、可信的智能应用，从而持续赋能千行百业的数字化转型与智能化升级。

总而言之，2019至2020年是中国人工智能知识工程领域承前启后的重要阶段。在政策支持、技术融合与产业需求的多重驱动下，人工智能应用软件开发迈入了更加注重知识与数据协同、更加注重垂直场景深耕、更加注重开发效率与普及的新时代，为后续的跨越式发展积蓄了强大动能。