今年下半年，AI 编程（AI Coding）成了行业中最火爆的赛道，也率先打开了 AI 商业化落地的前景。
"从硅谷到国内，大家都说在做 Coding，案子都看不过来。"一位科技投资人士对《中国企业家》说。
今年 9 月，凭借在 Coding 领域的领先优势，Anthropic 完成了 130 亿美元的 F 轮融资，估值达到 1830 亿美元。这个估值与短短半年前相比，已翻了三倍。
Coding 的应用价值帮助 Anthropic 在 to B 市场，得以与坐拥 8 亿全球用户的 OpenAI 分庭抗礼；以 32% 的市场占比，领先于 OpenAI 的 25%，成为企业用户最常使用的模型供应商；收入更从 2024 年的 10 亿美元，飞涨到了 2025 年上半年便入账 45 亿美元。
Coding 研发之火也在国内熊熊燃烧，大公司和创业公司都在 2025 年推出了独立的 IDE（集成开发环境）产品。
今年 3 月，字节跳动的 Coding 工具 Trae 国内版发布，到 5 月，该产品月活已超过百万。7 月，腾讯开启了 AI 编程助手" CodeBuddy IDE "内测；今年 8 月，阿里上线 AI 编程平台 Qoder。
大模型明星创企亦不甘示弱。今年 7 月，月之暗面发布了 Kimi K2 模型，针对编程、Agent 和长文本功能做了重点提升。
今年 8 月，DeepSeek 发布的 DeepSeek-V3.1 模型打通了 Anthropic 生态，让用户可以轻松将 DeepSeek-V3.1 的能力接入 Claude Code 框架。
外部环境也在加剧大公司 Coding 研发的紧迫性。9 月 5 日，因种种原因，Anthropic 突然宣布对中国公司"断供"服务。接下来，哪家大厂或创企最有希望成为中国的 Anthropic，或将拿到第一张 AI 的头等舱船票。
Coding 为何火爆，它到底是什么？
为何巨头们都齐齐瞄准了 AI Coding 赛道？近日，阿里巴巴集团 CEO 吴泳铭给出了清晰的回答。9 月中旬，在云栖大会演讲中，吴泳铭表示：自然语言是 AI 时代的编程语言，Agent 就是新的软件。"发展大模型 Coding 能力是通往 AGI 的必经之路"。
"现在的 Agent 还比较早期，解决的主要是标准化和短周期的任务。要想让 Agent 能解决更复杂、更长周期任务，最关键的是大模型的 Coding 能力。因为 Agent 可以自主 Coding，理论上就能解决无限复杂的问题，像工程师团队一样理解复杂需求并自主完成编码、测试。"
那么，到底什么是 AI Coding？
简单来说，就是用 AI 的方式辅助用户编程，将人工智能技术深度融入软件开发全流程，达到降低门槛、提高效率的作用。借助 Coding 工具，普通人也可以用自然语言开发网页以及小程序，程序员可以用来补全和生成代码。在 IDE 集成环境下，Coding 工具还可以帮助完成产品设计、测试以及同步修改等全流程。
对大公司来说，提高代码生产效率意味着更低成本、更高效益。当下的科技大厂已将相当比例的编程工作交由 AI 来做。蔡崇信最新透露：目前阿里 30% 的代码已由 AI 生成。
对于小公司和应用者来说，用 Coding 工具做产品开发，可以让普通人越过技术壁垒实现平权。同时，他们也是基础模型大厂希望服务的对象。
AI 编程能力既是模型能力增强下的自然结果，又会帮助模型能力完成进化迭代。因此，Coding 能力已经很大程度上能代表大厂的大模型实力，商业化路径也被验证。未来想做好平台生态、丰富 Agent 应用的公司，做好 Coding 将是大家绕不开的功课。
Anthropic 创始人达里奥 · 阿莫迪在采访中说：编程的用户增长非常快。"模型在编程上变强了，也能帮助我们去训练下一个更强的模型。这是一个很有优势的正循环。"
大厂竞逐，谁占先手？
实际上，多数科技大厂很早便洞察到了人工智能编码中的机会。
近日，OpenAI 前研究员姚顺雨在接受"语言即世界"采访时，将 Coding 称之为研发的主线任务。他判断，所有大厂都会把模型的 Coding 做好，所有的预训练、后训练、强化学习都会考虑到这一点。
以腾讯 CodeBuddy 为例，腾讯披露，目前，腾讯内部超 90% 工程师都在用 CodeBuddy，整体编码时间平均缩短 40% 以上，新增代码中，AI 生成代码占比超 50%，结合内部大规模投产经验，研发提效超 16%。
CodeBuddy 的产品形态从 2022 年就已经萌芽，它先后开发了插件—— CodeBuddy IDE 形态—— CLI（产品名称为 CodeBuddy Code）三个阶段。目前，这三个形态会并存，供用户及企业按需选择。
腾讯云开发者 AI 产品负责人汪晟杰告诉《中国企业家》，2021 年至 2022 年，腾讯内部的一些开发者就提出，可以用 AI 快速理解代码文档、辅助开发重复性的业务代码。"当时口号叫 Tab Tab Tab No backspace，希望 AI 辅助完成一次应用代码的生成工作。"
到了第二阶段，腾讯的一些业务团队提出，仅仅是代码片段生成不够，希望代码工具可以理解工程项目，甚至希望有单元测试这样的功能。于是，腾讯在内部上线了腾讯 AI 代码助手（后更名为腾讯代码助手 CodeBuddy）的 Chat 和 Craft 模式，以人为主，AI 为辅。
随着研发深入，汪晟杰团队逐步联合混元大模型团队，开发插件，将其集成在开发者较为高频使用的开发工具 VS Code 等 IDE 中，帮助开发者解决代码补全、注释和推荐。
2025 年，随着智能体以及多智能体的协作出现，汪晟杰认为真正的 AI Coding 开始了，并且马上会发生革命性的变化。Coding 将渗透到产品开发的全生命周期中——从代码生成到产品内测、反馈、调整等等。
不仅是腾讯，字节围绕 Coding 开发同样动作密集。字节跳动技术副总裁洪定坤在今年 5 月说，字节跳动认真做 AI Coding 的原因有三个：帮助更多人掌握代码做更多复杂的任务、提升专业工程师工作效率、助力模型追求更好的智能上限。
字节跳动披露：截至 6 月，在 Trae 上线 3 个月后，其月活用户已超过 100 万。在字节内部，有超过 80% 的工程师在使用 Trae 辅助开发。
在大模型领域全栈压上的阿里，对 Coding 赛道更投入坚决。一方面，阿里不断提升 Qwen 基础大模型中的编码能力，也上线了专属 Coding 模型。同时，阿里还拿出了独立的 Coding 终端产品 Qoder。
在近日的云栖大会上，阿里发布了 7 款模型更新，其中两款直接提升了 Coding 能力的上限。Qwen3-Max 总参数超过万亿，主推 Coding 编程能力和 Agent 工具调用能力。Qwen3-Coder 智能编程模型在 Open Router 平台一度成为全球第二流行的 Coder 模型，仅次于 Claude Sonnet 4。
在独立产品端，阿里的 Qoder 也有两大特色：第一，字节的 Trae、腾讯的 CodeBuddy 都开放了模型选择，但 Qoder 不开放模型选择。Qoder 的技术人员解释：机选比人选好，也比人选快，希望开发者从效果上比较，能否达到多快好省的效果。
Qoder 的收费也更高，面向全球用户，其 Pro 用户订阅费用为每月 20 美元，Pro+ 用户订阅费用为每月 60 美元，这已经与海外领先的 AI 编程公司 Cursor 的月费水准相当。相较而言，Trae 国际版首月 3 美元，后续每月 10 美元。CodeBuddy 目前国内版免费，但使用 Pro 版需要累计积分。第二，
相比阿里，字节的 Trae、腾讯的 CodeBuddy 都还没有开发专属的 Coding 模型，依托的是字节豆包以及腾讯混元大模型。
对有无专有大模型的影响，汪晟杰表示，"模型能力会影响调用和生成效果，但目前大模型的语料都具备一些代码能力。我们需要从产品维度关注平衡性能、质量、安全、成本等等维度，我们统称为产品体验"。
腾讯 CodeBuddy 也依然有其优势——腾讯生态以及企业端应用。汪晟杰表示，腾讯不会完全跟随 Cursor，要做出差异化。比如连接腾讯云的资产，包括微信小程序，应用一键部署至云端，以及针对企业级应用做部署。
下一程拼什么：产品体验、上下文工程
Coding 助力模型能力提升的同时，其自身的竞逐还在加速。今年 9 月底，Anthropic 发布 Claude Sonnet 4.5，新模型可以 30 小时持续编程、单次生成 1.1 万行代码，甚至可以重构整个代码库。
针对 Coding 的融资热情还在升温。外媒报道，Cursor 正在洽谈一笔至少 10 亿美元的融资，融资前估值为 270 亿美元，这比它三个月前的估值又翻了 3 倍。
从 2022 年 3 月上线公测开始，到 2023 年底，Cursor 四人团队创造的 ARR（年度经常性收入）已突破 100 万美元，日活用户超 3 万。截至今年 6 月，其 ARR 已超 5 亿美元。媒体预计，这个数值到了年底，可能还会翻一番。
值得注意的是，Cursor 并不开发自有大模型，而是通过 API 调用 GPT、Claude 等外部大模型，自己专注做好产品优化体验。由此可见，虽然 Coding 与大模型能力息息相关，但其胜负手并不完全取决于模型本身，产品体验、对用户的理解才是关键。
例如，Anthropic 的产品 Claude 之所以能成为技术人员的首选，除了其高可靠性、低幻觉率由模型决定之外，它也针对开发者做了大量细节优化。例如：代码格式更具可读性，交互界面友好，工具集成丰富，对边缘场景理解更深入。此外，Claude 在模型设计中对数据隔离、隐私保护做得更完善，也提升了企业的安全要求——这些都离不开 Claude 对 Coding 场景的垂直深挖。
汪晟杰表示，AI Coding 产品的逻辑是效率更高，体验更好，生成速度快和准，做好 agentic workflow（自主化的工作流）优化。
如何做到快和准？汪晟杰认为目前技术关键在于上下文工程。在编程场景中，开发者常需处理多文件项目、长代码块或复杂业务逻辑，这要求模型能"记住"并关联大量上下文信息。
上下文能力的提升，需要企业和用户一起打磨逻辑。"做好 Coding 基建，需要用户输入更高质量的上下文记忆内容，生成 Wiki（文档）描述，不仅仅是代码本身，还有跟代码相关的辅助内容"。汪晟杰说。
实际上，Claude 的领先也在于其能支持高达 100 万 Token 的超大规模上下文窗口。这让 Claude 能够完整"消化"整个项目的代码结构、文档说明甚至历史对话，模型能基于全局信息生成更连贯、符合项目整体逻辑的代码。
上下文也正在成为阿里 Qoder 团队强调的高频词，目前 Qoder 可以支持 200K 的上下文长度，比照 Claude 还有距离。团队技术人员在演讲中说，"过去我们觉得 128K 就够了，现在发现 200K、300K 都不够。"
此外，成本、效率和正确率方面，也正在构成 Coding 产品的"不可能三角"。Qoder 上线之后，不少用户吐槽其 Token 消耗过快，这也是当下所有 AI Coding 产品面临的挑战之一。
汪晟杰说，腾讯会在内部团队中对产品数据进行分析，最后对 AI 的思考流程进行优化。"我们会评估每一轮调用是否有优化的空间，比如是否有重复内容，有没有可能尝试更适合的模型，以此提升整体效率。"
不过，对大模型技术人员的最大挑战，或许仍在于技术演进的代际变化过于迅猛。
Qoder 技术人员在演讲中感叹：他从来没有见过一个软件工程，或者一个效能产品的发展速度如此之快，"所有的范式只有一年的生命周期"。
以代码检索为例，在 2023 年和 2024 年，该技术人员所在团队做代码语义检索是用传统的 RAG（检索增强生成）模式。到了 2025 年，已经转变成基于上下文的检索方式，要通过 Wiki 的方式综合语义检索引擎、关键词检索引擎、代码图谱引擎和架构知识检索引擎等等。
而随着 Coding、上下文等技术不断突破，Agent 的春天或也将真正到来。近日，月之暗面创始人杨植麟在接受"语言即世界"采访时表示，Coding Agent 是任务的一个很重要的子集。"最后还是希望不仅仅做 Coding。包括现在我们训练的模型，也不是只让它做 Coding，因为它本身有一些局限性。"
目前来看，Agent 与 Coding 构成了火与油的关系，两者或将在未来几个月，碰撞出加倍的化学反应。
最安全的配资平台提示：文章来自网络，不代表本站观点。
