友友们，AI Coding 市场格局最新结果，新鲜出炉了！

就在这几天，IDC 发布了《中国 AI 编程市场份额，2025》报告。

果然啊，还得是 AI Coding ——

报告显示，2025 年中国 AI 编程市场规模为 3.99 亿元，预计 2026 年底增长至 11.73 亿元。

（咱就说，这里头有没有大家贡献的一份 Token 之力吧！）

而在一众 AI Coding 厂商中，营收份额最高的玩家，大家也很熟悉——阿里。

营收份额占总体市场的 47.6%，差不多接近整个市场的一半儿，落到具体产品上，就是它家的「Qoder」。

甚至，我还浅浅了解了一下，Qoder 目前的用户规模，事实上已经有 500 万了？？（doge）

估计大家想的跟我一样，满打满算上线还不到一年的产品，咋就干到市场第一了…… .

上线不到一年，阿里 Qoder 冲到中国 AI 编程市场份额第一

讲真，刚看到这份报告的时候，我对阿里冲到「第一名」这事儿倒没有太意外。

毕竟，阿里的模型千问能力到底啥水平，也是有口皆碑，确实蛮夯……

但 IDC 这份报告不太一样的地方在于，它统计的不是模型能力，而是中国 AI 编程 Agent 的「市场份额」。

要知道，模型跑分高和真正吃下市场，中间还隔着一整条漫长的产品化的链路的。

AI 编程最终能拿到多少市场份额，还得看用户愿不愿意长期使用、企业敢不敢接入生产流程，以及产品能否把模型能力稳定地交付出来…（扎心 .jpg )

在国内一众的 AI Coding 类产品中，Qoder 上线的时间并不算「太长」。

阿里是去年 8 月才正式发布的 Qoder 这个智能体编程平台。

满打满算，从发布到现在也就不到一年的时间，能在这么短时间冲到中国 AI 编程市场份额的头部，自然也有点说法……

事实上 Qoder 刚发布的时候，瞄准的就是一条覆盖个人 IDE、云端 Agent、命令行和数字员工的完整 Coding 产品线。

这么看的话，产品刚发布那会儿其实对应着 AI 编程行业正在发生的一次变化——

那就是随着 Agent 能力越来越强，用户与工具的关系也从亲自写代码、让 AI 从旁辅助，逐渐转向定义任务、监督执行和验收结果。

顺势而为，今年 5 月，阿里上线了 Qoder 1.0 版本，这次升级也让 Qoder 从 AI IDE 升级为智能体自主开发工作台。

由咱用户主要负责定义需求，后面的执行、验证和交付，都可以交给 Agent 团队继续往下跑。

但是，真上手过 AI Coding 产品的朋友都知道，Agent 这东西，你赋予它的能力越强，它越容易出岔子。

过去以对话框为核心的交互方式，其实很难承载持续时间更长、执行步骤更多、多个任务同时推进的开发流程。

用户总不能隔一会儿就翻记录、查进度、盯结果，所以，当 Agent 越能干，「过程管理」的重要性也就越突出。

针对这个问题，Qoder 1.0 其实在交互体验上做了一次比较大的调整，那就是将 Quest 从 IDE 中的一项功能，单独做成了一块完整的工作视窗。

任务管理、状态追踪、产物审查和知识调用等能力，都被集中到了这块视窗里，是的，统统梭哈了……

即使多个任务并行推进，用户也不用逐一切换窗口，只看一个屏幕就能知道每项任务跑到了哪里、生成了哪些产物。

而这也解决了 Agent 自主开发之后很现实的一件事儿：活可以交出去，过程依然看得见，结果也始终审得清。

Qoder 的产品考量也没有停留在独立开发者身上，还有「企业」，而这恰好也是 AI Coding 的核心用户群体之一。

要知道独立开发者一个人库库 Coding 时，Agent 记住个人的编码习惯，基本就能顺利开工。

可一旦进入研发团队，它面对的就变成了几十名开发者、多个代码库，以及一套运行多年、甚至很难被完整写进文档里的开发规则！！！

所以到了 Qoder 1.0，原本分散在 Memory、Repo Wiki 和 Knowledge Cards 中的信息被统一收进了同一个知识引擎。

具体来说，Agent 开始执行任务时，可以主动调用团队规范、历史决策、编码习惯和技术栈知识。

某位开发者已经解释过的问题，也会沉淀进团队的知识体系，下次换个人、换一个 Agent 继续干活，依然能够无缝接上～

至于这套知识引擎究竟有没有用，最终还得用实际数据说话——

实测数据显示，知识引擎功能上线后，用户代码保留率提升 11%，输入 Token 消耗大幅降低 40%，对话轮次减少 33%。

（不是我说，这是真省 Token 啊……）

甚至，在「安全」这件事上，Qoder 1.0 还把防线拉到了 Agent 运行的整个过程——

任务开始前，由企业策略划定边界；任务执行中，通过安全运行时识别和拦截风险；任务完成后，再由审计治理系统留下完整记录。

代码层面则设置 L1 到 L4 四级防御，从正则校验、语义 Diff，一路延伸到跨文件分析和 CI/CD 拦截，并配合数据本地存储、高危操作拦截与加密连接。

而这些能力，其实也直接决定了企业敢不敢让 Agent 走出实验区，进入「核心生产流程」。

但光给 Agent 装上刹车还不够，企业内部不同角色接触的代码和承担的职责各不相同，权限也需要跟着细分。

因此，Qoder 企业版还把模型权限交给管理员，其可以按照人员、群组和代码库分别配置。谁能调用什么模型、在哪个项目中调用，都有清晰边界。

甚至 Qoder 还把个人摸索出的经验留在团队里——给企业开放了专属 Plugin 和 Skill 市场。

经过验证的工作流可以被封装、共享和统一管理，逐渐变成整个团队都能反复调用的能力。

AI 编程这件事儿，真的从每个人自己研究怎么用，走向了整个组织一起把它用起来。

模型、Harness Engineering 与产品的持续进化

作为一款 AI 编程产品，Qoder 能冲到市场头部，自然离不开最基础的一件事儿，那就是「编程能力」本身。

毕竟，真正落到写代码、改 Bug 和跑测试的时候，还得看模型能不能帮咱任务统统梭哈下来！！

而 Qoder 背后的关键模型之一，大家也相当熟悉，就是在编程智能体领域拿下 SOTA 的「Qwen3.7-Max」——

在 SWE-Pro 上拿到 60.6 分，SWE-Multilingual 达到 78.3 分；在更考验终端操作能力的 Terminal Bench 2.0-Terminus 上，甚至拿到了 69.7 分。

Benchmark 榜单上的数字，对我们普通用户来说可能没那么有体感。

但落到实际使用中，这意味着用户在面对复杂任务时，Agent 能够读懂更庞大的代码库，跨文件定位并修改问题，再把写代码、调用工具和运行测试这一整套流程持续执行下去。

对于 Qoder 来说，模型提供的正是这条任务链能够跑通的能力上限——

在模型供应上，Qoder 也一直走开放路线，除了自家 Qwen 模型，还保持上线最新的 GLM、DeepSeek 和 Kimi 等国内外顶尖模型，把选择权交给用户。

产品和模型够强之后，自然还得有一套工程系统，把它稳定地组织起来。

Qoder 1.0 的一项关键升级，就发生在 Harness Engineering 上，其将传统聊天对话，升级为结构化的任务运行时——

Agent 做了什么、任务推进到哪一步、生成了哪些产物，都有清晰的状态和归属，整个执行过程可以随时审查。

知识调用也被嵌入任务流程，Agent 会在规划、生成和审查等不同阶段，主动调用对应范围的团队知识，减少无关信息对任务的干扰。

而同样的模型能力最终能不能被稳定地转化成一次完整交付，靠的正是这套 Harness Engineering！（大师，我悟了）

一代更比一代强的老话，放在 AI Coding 上确实格外贴切，事实上 Qoder 的进化也没有停在 1.0 版本。

毕竟用户愿不愿意「持续」使用和付费，很大程度上取决于产品能力能不能「及时」转化成真正用得上的功能——

自 2025 年 8 月发布首个版本以来，Qoder 持续补齐插件、CLI、Mobile、Cloud Agents 和 QoderWake 等产品形态，将能力从 IDE 延伸到终端、移动端和云端 Agent，覆盖更多真实开发场景。

这套持续迭代，也获得了国际研究机构的关注。

今年 6 月，Gartner ® 发布《2026 年企业级 AI 代码智能体魔力象限》报告，全球仅 12 家企业入围，凭借 Qoder 的产品能力和市场表现，阿里云连续三年进入 " 挑战者 " 象限，也是其中唯一一家中国公司。

从模型能力到 Harness Engineering，再到不断扩展的产品形态，Qoder 也逐渐补齐了一款 Coding Agent 走向规模化应用所需要的完整链路。

这两年 AI Coding 确实火，火到各种 xx Plan 一涌而入，火到 OpenAI、Anthropic、微软、阿里全部下场。

甚至就在这两天，Claude Code 和 Codex 都卷起用户使用额度来了……（妙啊 .jpg）

产品火是一方面，但这两年 AI Coding 对于行业的意义，事实上早已超出一款生产力工具的范畴。

原因很简单，代码能不能运行、测试能不能通过、任务能不能交付，这些结果都摆在明面上的。

模型的推理、工具调用和长任务执行能力究竟行不行，放进真实开发任务里跑一遍，基本就见分晓了。

也正是因为有着足够明确的结果，AI Coding 的商业价值，其实更容易衡量——

到底提升了多少效率、节省了多少成本、究竟值不值得用户去买单，这些都变成了一笔能算出的《清楚账》。

于是我们发现，AI Coding 率先在行业建立起相对清晰的付费模式和 ROI，也成为大模型商业化跑得最快的方向之一。

△AI 生成

相较于 Codex 和 Claude Code 在海外的猛攻势头，在国内的这场 AI Coding 市场竞争中，阿里 Qoder 蛮特殊的点在于——

布局时间够早，覆盖链路也足够长。

从 SOTA 级 Qwen 模型，到覆盖 IDE、CLI、云端 Agent 和数字员工的 Qoder 产品家族，阿里将模型、Harness Engineering、开发工具和企业交付接进了同一条链路。

最终，这套系统能力也被转化成了用户的投票结果，那就是行业头部的市场份额，500 万的产品用户规模。

如果我们从这个角度看，Qoder 拿下头部位置所释放的信号，或许比排名本身更值得关注了。

当前 AI Coding 的竞争现已经进入系统能力阶段，模型决定技术上限，工程体系决定交付稳定性，产品矩阵与企业能力决定市场纵深。

Qoder 的成长路径，也让这场变化有了一次清晰的商业验证，模型能力可以落进产品，产品能力可以进入企业，企业使用可以转化为真实收入。

行业头部的市场份额，可能更像是一个阶段性坐标，第一当然不是终点，更像是下一轮 Agent 竞争的起跑线。

而率先站到起跑线前排的，正是阿里 Qoder。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见