AI编程热潮席卷全球：巨头竞逐与未来技术演进

自今年下半年开始，AI编程（AI Coding）迅速崛起，成为科技行业中最热门的领域之一，并率先展现了人工智能商业化落地的广阔前景。

一位科技投资人士向《中国企业家》透露：“从硅谷到中国市场，几乎所有企业都在涉足Coding领域，相关投资项目令人应接不暇。”

今年9月，凭借在Coding领域的显著优势，Anthropic成功完成了130亿美元的F轮融资，公司估值飙升至1830亿美元。与短短半年前相比，这一估值已经增长了三倍。

Coding的广泛应用价值使得Anthropic在企业级市场能够与拥有8亿全球用户的OpenAI分庭抗礼；以32%的市场份额领先于OpenAI的25%，成为企业用户最常选择的模型供应商；其收入也从2024年的10亿美元，迅猛增长到2025年上半年的45亿美元。

Coding的研发热潮在中国市场同样如火如荼，无论是科技巨头还是创业公司，都在2025年推出了独立的IDE（集成开发环境）产品。

今年3月，字节跳动发布了国内版的Coding工具Trae，截至5月，该产品月活跃用户已突破百万。7月，腾讯开启了AI编程助手“CodeBuddy IDE”的内测；同年8月，阿里推出了AI编程平台Qoder。

大模型领域的明星创业公司亦不示弱。今年7月，月之暗面发布了Kimi K2模型，重点提升了编程、Agent和长文本处理能力。

今年8月，DeepSeek发布的DeepSeek-V3.1模型实现了与Anthropic生态的打通，使用户能够轻松将DeepSeek-V3.1的能力集成到Claude Code框架中。

外部环境的变动进一步加剧了大型科技公司研发Coding的紧迫性。9月5日，由于多种原因，Anthropic突然宣布对中国公司停止服务。接下来，哪家国内大厂或创业企业有望成为中国的Anthropic，或将赢得AI领域的头等舱船票。

Coding为何如此火爆？它究竟是什么？

为何科技巨头们纷纷聚焦AI Coding赛道？近日，阿里巴巴集团CEO吴泳铭给出了明确答案。在9月中旬的云栖大会演讲中，吴泳铭指出：自然语言是AI时代的编程语言，而Agent则是新的软件。“发展大模型Coding能力是实现AGI的必经之路”。

“目前的Agent仍处于早期阶段，主要解决标准化和短周期任务。若要让Agent处理更复杂、更长周期的任务，关键在于提升大模型的Coding能力。因为Agent能够自主编程，理论上可以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、测试等工作。”

那么，AI Coding究竟是什么？

简而言之，AI Coding是利用人工智能技术辅助用户编程，将AI深度融入软件开发全流程，以降低技术门槛、提升效率。借助Coding工具，普通人也能用自然语言开发网页和小程序，程序员则可实现代码补全与生成。在IDE集成环境下，Coding工具还能协助完成产品设计、测试及同步修改等全流程工作。

对大型企业而言，提升代码生产效率意味着更低的成本和更高的效益。目前，科技巨头已将相当比例的编程工作交由AI处理。蔡崇信最新透露：阿里已有30%的代码由AI生成。

对于中小企业和应用开发者来说，使用Coding工具进行产品开发，能够帮助普通人跨越技术壁垒，实现平等参与。同时，他们也是基础模型厂商希望服务的目标群体。

AI编程能力既是模型能力增强的自然结果，又能推动模型能力迭代进化。因此，Coding能力在很大程度上代表了大厂商的大模型实力，其商业化路径也已得到验证。未来，希望构建平台生态、丰富Agent应用的企业，都必须将Coding作为核心功课。

Anthropic创始人达里奥·阿莫迪在采访中表示：编程用户的增长非常迅速。“模型在编程上的能力提升，也有助于我们训练出更强大的下一代模型。这是一个具有显著优势的正向循环。”

巨头竞逐，谁占先机？

实际上，多数科技巨头早已洞察到人工智能编码领域的机遇。

近日，OpenAI前研究员姚顺雨在接受“语言即世界”采访时，将Coding称为研发的主线任务。他判断，所有大厂都会全力提升模型的Coding能力，无论是预训练、后训练还是强化学习，都会围绕这一点展开。

以腾讯CodeBuddy为例，腾讯披露，目前内部超过90%的工程师都在使用CodeBuddy，整体编码时间平均缩短40%以上，新增代码中，AI生成代码占比超过50%，结合内部大规模投产经验，研发效率提升超过16%。

CodeBuddy的产品形态自2022年起便已萌芽，它经历了插件——CodeBuddy IDE形态——CLI（产品名称为CodeBuddy Code）三个阶段。目前，这三种形态并存，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利用AI快速理解代码文档、辅助开发重复性业务代码。“当时的口号是‘Tab Tab Tab No backspace’，希望AI能辅助完成一次性应用代码生成工作。”

到了第二阶段，腾讯的一些业务团队提出，仅生成代码片段不够，希望代码工具能够理解工程项目，甚至具备单元测试等功能。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。

随着研发的深入，汪晟杰团队逐步联合混元大模型团队，开发插件并将其集成到开发者高频使用的开发工具（如VS Code等IDE）中，帮助开发者实现代码补全、注释和推荐。

2025年，随着智能体及多智能体协作的出现，汪晟杰认为真正的AI Coding已经开启，并即将引发革命性变化。Coding将渗透到产品开发的全生命周期——从代码生成到产品内测、反馈、调整等各个环节。

不仅是腾讯，字节跳动在Coding开发方面同样动作频繁。字节跳动技术副总裁洪定坤在今年5月表示，字节认真投入AI Coding的原因有三：帮助更多人掌握代码以完成复杂任务、提升专业工程师的工作效率、助力模型追求更高的智能上限。

字节跳动披露：截至6月，在Trae上线3个月后，其月活跃用户已超过100万。在字节内部，超过80%的工程师使用Trae辅助开发。

在大模型领域全面布局的阿里，对Coding赛道的投入更为坚决。一方面，阿里不断提升Qwen基础大模型的编码能力，并上线了专属Coding模型。同时，阿里还推出了独立的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，主打编程能力和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具备两大特色：第一，字节的Trae和腾讯的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：自动选择比人工选择更高效、更快速，希望开发者从效果上比较，看是否能实现多快好省的效果。

Qoder的定价也较高，面向全球用户，其Pro用户订阅费为每月20美元，Pro+用户订阅费为每月60美元，这与海外领先的AI编程公司Cursor的月费水平相当。相比之下，Trae国际版首月3美元，后续每月10美元。CodeBuddy国内版目前免费，但使用Pro版需要累计积分。第二，

与阿里相比，字节的Trae和腾讯的CodeBuddy尚未开发专属的Coding模型，而是基于字节豆包和腾讯混元大模型。

关于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定的代码能力。我们需要从产品维度平衡性能、质量、安全、成本等因素，统称为产品体验”。

腾讯CodeBuddy也有其独特优势——腾讯生态及企业端应用。汪晟杰指出，腾讯不会完全跟随Cursor，而是会打造差异化。例如，连接腾讯云资产，包括微信小程序，实现应用一键部署至云端，并针对企业级应用进行优化部署。

下一阶段竞争焦点：产品体验与上下文工程

Coding在助力模型能力提升的同时，其自身的竞争也在加速。今年9月底，Anthropic发布了Claude Sonnet 4.5，新模型能够持续编程30小时、单次生成1.1万行代码，甚至可以重构整个代码库。

针对Coding的融资热情持续升温。外媒报道，Cursor正在洽谈至少10亿美元的融资，融资前估值达270亿美元，这比三个月前的估值又增长了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，日活跃用户超3万。截至今年6月，其ARR已超过5亿美元。媒体预计，到年底这一数字可能再翻一番。

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，自身专注于产品优化和体验提升。由此可见，虽然Coding与大模型能力密切相关，但其胜负并非完全取决于模型本身，产品体验和对用户的理解才是关键。

例如，Anthropic的产品Claude之所以成为技术人员的首选，除了模型本身的高可靠性、低幻觉率外，还因其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在数据隔离和隐私保护方面做得更完善，满足了企业的安全需求——这些都离不开Claude对Coding场景的垂直深耕。

汪晟杰表示，AI Coding产品的逻辑是效率更高、体验更好，生成速度快且准确，并优化自主化工作流（agentic workflow）。

如何实现快和准？汪晟杰认为当前的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，这就要求模型能够“记忆”并关联大量上下文信息。

上下文能力的提升需要企业与用户共同打磨逻辑。“构建完善的Coding基础设施，需要用户输入更高质量的上下文记忆内容，生成详细的Wiki文档描述，而不仅仅是代码本身，还包括与代码相关的辅助内容。”汪晟杰说。

实际上，Claude的领先也在于其支持高达100万Token的超大规模上下文窗口。这使得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。

上下文也正成为阿里Qoder团队强调的高频词，目前Qoder支持200K的上下文长度，与Claude相比仍有差距。团队技术人员在演讲中表示，“过去我们认为128K就足够了，现在发现200K、300K都不够用。”

此外，成本、效率和正确率正构成Coding产品的“不可能三角”。Qoder上线后，不少用户抱怨其Token消耗过快，这也是当前所有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，优化AI的思考流程。“我们会评估每一轮调用是否有优化空间，比如是否有重复内容，是否有可能尝试更合适的模型，以此提升整体效率。”

然而，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：他从未见过一个软件工程或效能产品的发展速度如此之快，“所有范式只有一年的生命周期”。

以代码检索为例，在2023年和2024年，该团队使用传统的RAG（检索增强生成）模式进行代码语义检索。到了2025年，已转变为基于上下文的检索方式，需要通过Wiki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。

随着Coding、上下文等技术的不断突破，Agent的春天或许也将真正到来。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是任务的一个重要子集。“最终目标不仅仅是做Coding。包括我们现在训练的模型，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形成了火与油的关系，两者或将在未来几个月内，碰撞出加倍的化学反应。