IDC 报告：中国 AI Coding 市占率阿里 Qoder 断层第一，超过二三四五名总和

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