作者 | 陈骏达
编辑 | 漠影
国内 AI 编程赛道的热度，有目共睹。
一年多时间里，大模型厂商密集推出 AI 编程产品，创业公司也纷纷入局这一新兴市场。阿里、字节、腾讯、百度、智谱、月之暗面等企业相继加码 AI 编程领域，一大批产品迅速涌现。
同时，AI 编程的竞争维度正在不断丰富。模型能力只是基础，开发体验、场景覆盖、用户规模以及企业落地能力，正在成为衡量产品竞争力的重要指标。
但长期以来，外界对于国产 AI 编程市场的真实份额和领先玩家，一直缺少权威数据参考。究竟哪些产品真正获得了开发者和企业认可？谁又率先跑出了规模化应用？
近日，国际知名市场研究机构 IDC 最新发布的《中国 AI 编程市场份额，2025》给这一市场提供了首份答案。
该报告显示，阿里 Qoder以 47.6% 的市场份额，拿下营收份额第一，占据国内 AI 编程市场半壁江山，更超过第二至第五名市场份额总和。与此同时，Qoder 全系产品用户已突破 500 万，成为国内最受欢迎的 AI 编程工具。
一、进入 Agentic 编程时代，Qoder 踩中了演进方向
对于不少开发者来说，Qoder 拿下市场第一，并不是一个令人意外的结果。
在社交媒体平台上，开发者关于 Qoder 的讨论热度不低，有网友分享了自己从 OpenAI 产品迁移到 Qoder 后的心得，称 Qoder 已经可以胜任大部分日常开发工作，每月 70 元左右的价格也很有性价比。
今年 5 月，Qoder 1.0 正式上线。这一代产品中最受欢迎的新功能之一，是 Quest 独立视窗。该视窗集成了任务管理、状态追踪、产物审查和知识调用等能力，用户只需输入需求，执行、验证等全流程均可由 AI 在工作台内自主完成。
Qoder 1.0 还支持跨项目多任务并行功能，用户无需切换窗口，就可以在单一屏幕内掌握项目进展，这提升了复杂项目的开发效率。
Qoder 的这种工作模式顺应了当下的 Agentic 编程趋势。AI 大牛卡帕西此前曾感叹道，如今 AI编程工具的效率瓶颈其实是 " 人类 " 自己的吞吐量。因此，一款优秀的 AI 编程工具除了产出高质量代码之外，还需要帮助用户快速理解 Agent 正在做什么、控制任务执行过程，并对最终结果进行验证和优化。
面向企业级市场，Qoder 1.0也推出了不少实用的功能。在企业最关心的安全问题上，Qoder 打造了三层安全架构，覆盖事前企业策略层、事中安全运行时、事后审计治理层，通过正则校验、语义 diff、跨文件分析、CI/CD 拦截等多种手段把控安全。
如何沉淀企业经验与知识是 AI 编程产品在企业级场景中的必答题。目前，Qoder 已经将原本分散的记忆、Repo Wiki 和知识卡片等功能，整合为统一的知识引擎，可实现团队级的知识共享。
在执行任务时，Qoder 可以自行调用团队规范、历史决策、模块关系、编程规范、技术栈知识等信息。在这些信息的辅助下，Qoder 可以更高效地产出优质代码。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%。
通过专属插件 /skills 市场，Qoder 还让企业可以打造自己专属技能库，让这些工作流、工具链可以在企业内部自由流转。
支撑上述产品创新的，是阿里在底层模型和 Harness 技术方面的不断迭代。
目前，Qoder 背后的主要模型之一是阿里 Qwen 3.7-Max。这一模型发布时在编程领域拿下多个 SOTA，在 SWE-Bench-Verified 这一基准测试中，其 80.4 的得分已经与 Opus 4.6 Max、DeepSeek-V4 等业界第一梯队模型相当。当然，Qoder 也走了开放策略，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。
Harness 则是充分发挥模型能力的关键。如今，Qoder 已经摒弃了传统的聊天对话架构，升级为结构化的任务运行时。
从具体设计来看，Qoder 升级后的运行时实现了 Workspace 绑定，让任务从源工程创建，在绑定的执行环境中运行，产物、Review 与 Commit 都可以落到明确的交付目标。
其 Artifact 流水线把 Agent 的执行过程结构化为可审查的产物链路，每一步都有清晰的归属和状态。任务边界一旦稳定，复杂任务完成度提升 60% 以上。
二、AI 编程正在摆脱 IDE，Qoder 形态持续丰富
回顾 Qoder 近期的升级，可以发现其另一条主线是产品形态的不断丰富。
过去，人们提到 AI 编程，想到的往往是编辑器里的代码补全，或者 IDE 左侧的聊天窗口。开发者打开 IDE、提出问题、等待 AI 回答。但随着 Agent 能力不断成熟，这种交互方式开始显现出局限。
真正的软件开发从来不是一个固定坐在 IDE 里的过程。开发者会在终端中调试程序，在浏览器里查阅文档，在手机上处理紧急需求，也会在云端运行自动化任务。如果 AI 始终被限制在一个编辑器窗口内，其能够参与的开发环节依然有限。
目前，Qoder 已经形成覆盖Desktop、JetBrains 插件、CLI、Mobile、Cloud Agents 以及 QoderWake等多种形态的产品体系。
对于大量资深开发者而言，命令行依然是最高效的工作环境。相比频繁切换窗口，他们更习惯直接通过 Terminal 完成代码管理、部署以及自动化脚本执行。CLI 形态的 Qoder 让开发者能够直接在命令行中调用 Agent，完成项目搭建、代码修改、任务执行等工作，让 AI 融入原有开发流程，而不是要求开发者改变长期形成的工作习惯。
传统 AI 编程产品大多局限于 PC 端，而随着 Cloud Agent 开始具备持续运行能力，一个完整开发任务往往可能需要数十分钟甚至数小时才能完成。开发者离开电脑后，任务仍在后台持续推进。
Qoder Mobile 的价值正在于此。开发者可以通过手机实时查看 Agent 执行状态、审查生成代码、追加新的指令，甚至远程创建 Cloud Agent 环境，实现 " 人离开电脑，Agent 继续工作 "。
过去，AI 编程主要服务于单个开发者，而 Cloud Agents 进一步将 Agent 能力开放给企业场景。企业无需搭建复杂的运行环境，即可通过 API 调用托管式 Agent，将代码生成、测试验证、自动化开发等能力接入现有研发体系，进一步提升软件开发流程的自动化程度。
三、AI编程热战持续，Qoder" 第一 " 含金量几何？
Qoder 所在的 AI 编程赛道，已成为大模型应用竞争中关注度最高、增长最快的赛道之一，也是所有 AI 玩家都不能忽略的主战场。
与许多 AI 应用场景不同，编程任务天然具备高度可验证性。代码能否运行、测试是否通过、开发效率是否提升，都可以通过客观指标进行衡量。模型能力的每一次进步，也能够迅速反馈到开发效率、代码质量以及开发体验上。因此，AI 编程不仅是大模型能力落地的重要场景，也成为检验模型推理能力和 Agent 能力的 " 试金石 "。
更关键的是商业化层面的优势，AI 编程可以说是目前商业化路径最清晰的大模型应用之一。
开发者本身就是对效率高度敏感，也愿意为优质工具付费的人群；而对企业而言，研发团队往往是 AI 应用投入最早、回报最直接的部门。AI 编程带来的代码生成、自动调试、研发流程优化等效率提升，都更容易被量化评估，投资回报率也更容易计算。
因此，无论是个人开发者，还是企业研发团队，对于真正能够提升生产力的 AI 编程工具，都展现出了较强的付费意愿。具备技术优势和良好产品体验的工具，甚至已经成为开发者争相抢购的 " 稀缺资源 "。
在这样一个高速增长且竞争激烈的新兴市场中，Qoder 拿下国内市场占有率第一，含金量不言而喻。
目前，Qoder 已服务超过 500 万全球用户及数十万家企业，并进入中国一汽、中信证券、亚信科技等头部企业场景，说明阿里的 AI 能力正从底层模型和基础设施，进一步渗透到企业核心生产环节。
同时，也可以看到，AI 编程工具具备较强的用户黏性。开发工具本身具有较高的迁移成本，开发者长期使用后，会沉淀大量个人习惯、项目上下文、代码库信息以及工作流配置，工具对用户开发方式的理解也会持续加深，形成 " 越用越懂用户 " 的正反馈。
Qoder 接近 50% 的市场份额，代表其已经拥有了一定规模的开发者生态和用户心智优势。随着用户使用习惯不断深化，以及开发流程数据和场景经验持续积累，Qoder 的领先优势或将进一步扩大。
结语：AI编程，已成入口之战
回顾过去几十年的技术发展，Windows 之于 PC、iOS 和 Android 之于移动互联网、AWS 之于云计算，都曾通过掌握开发者入口改变产业格局。
如今，AI 编程工具正在成为 AI 时代新的入口级产品。因为几乎所有开发者都在通过 AI 编程工具加速自己的产品迭代，掌握开发者入口，就意味着连接未来 AI 应用生态的源头。
对 Qoder 而言，市场第一并不只是份额领先，更意味着其正在 AI 应用爆发前夜，抢占一个类似 " 操作系统级 " 的战略位置。
