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

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。

来源：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：帮助新万博体育：人掌握代码做新万博体育：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。

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。