AI Coding生态战，谁能成为中国版Anthropic？
文｜《中国企业家》记者 闫俊文
编辑｜何伊凡见习编辑｜李原
头图来源｜视觉中国
2025年下半年，AI编程（AI Coding）成为科技行业最受瞩目的赛道，不仅率先打开了AI商业化落地的前景，更吸引了阿里、字节跳动、腾讯等科技巨头集体重仓布局。
“从硅谷到国内，AI Coding项目层出不穷，投资案子多到看不过来。”一位科技投资人士对《中国企业家》表示。
今年9月，凭借在AI Coding领域的领先优势，美国AI公司Anthropic完成了130亿美元的F轮融资，估值飙升至1830亿美元，较半年前翻了三倍。其Coding应用价值助力Anthropic在to B市场与OpenAI分庭抗礼，以32%的市场占比领先OpenAI的25%，成为企业用户最常使用的模型供应商，收入从2024年的10亿美元激增至2025年上半年的45亿美元。
AI Coding的研发热潮也在国内迅速蔓延，大公司和创业公司纷纷在2025年推出独立的IDE（集成开发环境）产品。
今年3月，字节跳动发布了Coding工具Trae国内版，到5月，月活用户已超过百万。7月，腾讯开启了AI编程助手“CodeBuddy IDE”内测；8月，阿里上线了AI编程平台Qoder。
大模型领域的明星创企也不甘落后。7月，月之暗面发布了Kimi K2模型，重点提升编程、Agent和长文本功能。8月，DeepSeek发布的DeepSeek-V3.1模型打通了Anthropic生态，使用户可轻松将DeepSeek-V3.1的能力接入Claude Code框架。
外部环境的变化也加剧了大公司研发AI Coding的紧迫性。9月5日，Anthropic突然宣布对中国公司“断供”服务，哪家大厂或创企能成为中国的Anthropic，或将拿到AI领域的头等舱船票。
AI Coding为何火爆？它究竟是什么？
为何科技巨头纷纷瞄准AI Coding赛道？阿里巴巴集团CEO吴泳铭在9月中旬的云栖大会上给出了明确答案：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”。
“当前的Agent还处于早期阶段，主要解决标准化和短周期任务。要想让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。”吴泳铭表示，“因为Agent能自主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，AI Coding究竟是什么？简单来说，就是利用AI技术辅助用户编程，将人工智能深度融入软件开发全流程，降低编程门槛，提高开发效率。借助AI Coding工具，普通人也能用自然语言开发网页和小程序，程序员则可用于补全和生成代码。在IDE集成环境下，AI Coding工具还能帮助完成产品设计、测试和同步修改等全流程。
对大公司而言，提升代码生产效率意味着更低成本和更高效益。蔡崇信最新透露，阿里目前30%的代码已由AI生成。
来源：AI生成
对小公司和应用者来说，AI Coding工具可让他们越过技术壁垒，实现开发平权。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的自然结果，又能帮助模型完成进化迭代。因此，Coding能力在很大程度上代表了大厂的大模型实力，商业化路径也已得到验证。未来，想做好平台生态、丰富Agent应用的公司，做好Coding将是绕不开的功课。
Anthropic创始人达里奥·阿莫迪在采访中表示：“编程的用户增长非常快。模型在编程上变强，也能帮助我们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，谁占先机？
实际上，多数科技大厂很早就洞察到了AI Coding中的机会。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，所有大厂都会努力提升模型的Coding能力，所有预训练、后训练和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年就开始萌芽，经历了插件、CodeBuddy IDE形态和CLI（产品名称为CodeBuddy Code）三个阶段。目前，这三个形态并存，供用户和企业按需选择。
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，希望代码工具能理解工程项目，甚至具备单元测试功能。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、注释和推荐等问题。
2025年，随着智能体和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。
不仅是腾讯，字节跳动在Coding开发上也动作密集。字节跳动技术副总裁洪定坤在今年5月表示，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复杂的任务、提升专业工程师的工作效率、助力模型追求更好的智能上限。
字节跳动披露，截至6月，Trae上线3个月后，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赛道投入更为坚决。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。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，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，与海外领先的AI编程公司Cursor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，依托的是字节豆包和腾讯混元大模型。
对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、成本等维度，统称为产品体验。”
腾讯CodeBuddy也有其优势——腾讯生态和企业端应用。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
AI Coding在助力模型能力提升的同时，竞逐还在加速。今年9月底，Anthropic发布Claude Sonnet 4.5，新模型可以持续30小时编程、单次生成1.1万行代码，甚至可以重构整个代码库。
针对AI Coding的融资热情也在升温。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，较三个月前翻了三倍。
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，年底这个数值可能还会翻一番。
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AI 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，产品体验和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，还针对开发者做了大量细节优化。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。
来源：AI生成
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AI 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。
而随着AI 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AI 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。
猜你喜欢
