☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
那份被泄露又迅速撤下的梁文锋与投资人闭门对话实录中，有一句格外醒目：DeepSeek当前最核心的战略支点，是Coding Agent。
就在一个月前的火山引擎技术大会现场，当外界还在热议Seedance刷新全球SOTA纪录时，字节却显得异常沉静。火山引擎总裁谭待在闭门分享中明确表示：“内部始终将Coding作为AI战略的压舱石。”
更值得玩味的是，几天前IDC突然发布一份AI编程市场份额报告，媒体聚焦于阿里旗下智能编程平台Qoder——上线不足一年即拿下47.6%营收份额。而早在今年5月，阿里云公共云总裁刘伟光就公开表态：“Coding是我们最重要的方向，它几乎覆盖所有业务场景。”
种种信号叠加，清晰勾勒出一幅图景：国内头部科技公司正以前所未有的强度加码AI Coding，并将其视为当前竞争烈度最高、投入最密集的战场之一。
字节Trae、阿里Qoder、腾讯CodeBuddy、智谱CodeGeeX、商汤Raccoon、百度Comate、华为CodeArts、月之暗面Kimi Code……这份名单仍在持续扩容。
驱动这场集体冲锋的逻辑并不复杂：AI Coding已成为模型推理算力消耗最庞大的垂直场景之一，其商业价值具备高度可衡量性与可见性。
Claude Code正是全球大模型厂商争相效仿的标杆。这款率先引爆市场的Coding应用，ARR（年化经常性收入）从2025年4月的1700万美元飙升至2026年2月的25亿美元，仅用6个月便突破10亿美元大关。尽管Anthropic尚未上市，但其高管频繁释放关键数据，每一次都牵动资本市场的敏感神经。
就连OpenAI也在紧随其后，并已收获显著回报。
2024年，OpenAI尚无独立Coding产品，相关能力嵌入ChatGPT Plus/Team订阅体系中；2025年中，Codex正式拆分并加速迭代；至2026年1月底，其ARR已突破10亿美元，跃升为公司增长引擎之一。
对尚未确立稳定盈利路径的国内厂商而言，这无疑是极具冲击力的现实参照。
但大厂重仓Coding还有更深层考量：代码能力是Agent能力的底层基石，直接决定智能体在复杂任务中的上限。因此，今天的AI Coding早已超越工具属性，成为衡量大模型综合能力的关键标尺。
只是这张长长的竞逐名单，注定无法全员抵达终点。大厂正以惯常方式，全力寻找弯道超车的突破口。
国内起步本就晚了一步
毋庸置疑，AI Coding已成为中美大模型厂商共同押注的核心赛道，从早期Claude Code单极领跑，演变为如今群雄并起的格局。
2025年2月，Anthropic低调推出Claude Code，率先将行业带入Agentic Coding新阶段——竞争焦点由此从“AI能否写代码”，转向“AI能否自主完成端到端软件工程”。
这款可直接操控计算机、闭环执行编程任务的AI智能体，在短短半年内为Anthropic贡献超10亿美元年化收入。
甚至全球顶级科技企业也纷纷成为其客户。五源资本合伙人孟醒在今年4月分享的硅谷见闻中提到：一家市值万亿级的巨头Meta，全员已在使用Claude Code。“放在半年前，这事完全不可想象——代码是公司的命脉资产，怎敢让外部API触碰？”被迫采用的原因很现实：Meta自研的Coding工具“不好用，没人用”。
就在Claude Code近乎垄断之时，OpenAI果断出手。
2025年前，OpenAI尚未推出独立Coding产品，编码需求分散于ChatGPT订阅及API调用中。自2025年中启动专项攻坚以来，Codex展现出迅猛反扑势头。
2025年9月，Codex调用量仅为Claude Code的5%；到2026年1月，该比例已逼近40%。尤其在GPT-5.5发布后，OpenAI在代码生成质量、工具调用稳定性及Agentic能力上赢得大量开发者重新信任。
5月中旬，OpenAI创始人兼CEO Sam Altman在X平台宣布：未来30天内，为计划从Claude Code迁移至Codex的企业提供两个月免费试用期。
“这个季度明显看到Codex势头起来，不少开发者正在回流，尤其是在Anthropic出现限流、涨价及口碑波动之后，OpenAI精准抓住了窗口期。”MoE Capital创始合伙人Henry Yin近日接受《晚点LatestPost》采访时表示。
他进一步强调：“Coding已不只是一个功能模块，它既是当下最扎实的收入来源，也是通向未来技术突破的必经之路。这条赛道，没有哪家大模型公司敢掉队。”
这种共识迅速传导至国内。
2025年，字节跳动技术副总裁洪定坤曾指出：Coding是一项高度结构化、强逻辑性的任务，对模型理解语义结构、进行复杂推理、设计算法及精准表达的能力提出极致要求，是探索模型智能边界的理想试验场。
但国内整体节奏仍显滞后。谭待在36氪专访中坦言：除LLM全球竞争白热化外，最关键在于——Coding这一方向，最早由Anthropic与OpenAI定义并率先落地。
如今，一切正在加速追赶。
补齐AI战略的关键拼图
今年以来，随着自研模型在Coding能力上的快速跃升，国内大厂正系统性降低对海外模型的依赖。
最具代表性的是阿里。7月3日，阿里内部下发通知，明确自7月10日起，全面禁止员工在办公环境中使用包括Claude Code在内的Anthropic全系产品，并推荐切换至自研Agentic Coding平台Qoder。
不久后，蚂蚁集团亦跟进发布类似禁令。
《新莓》获悉，目前腾讯与字节虽未明令封禁Claude Code，但战略重心已明显向自研模型倾斜。
腾讯主推的AI Coding工具CodeBuddy支持混元、Claude、GPT、Gemini等多模型接入。随着混元在Coding领域的持续进化，腾讯正强化自研模型与Agent能力的深度耦合，但整体仍坚持多模型兼容的产品路线。
不过，7月初工信部网络安全威胁和漏洞信息共享平台发布的“Claude Code存在安全后门隐患”风险提示，让该工具在字节内部蒙上一层阴影。
这或许也与其将Coding列为战略核心密切相关。
6月23日，Seed（豆包大模型）2.1版本发布后，谭待评价称：“我们在Coding领域真正上牌桌了。”并强调：“这是件非常重要的事。”
字节官方披露数据显示：Seed 2.1 Pro的Coding能力已可对标Claude Opus 4.6。
第三方编程评测平台Terminal Bench甚至认为，Seed 2.1 Pro在Coding表现上已基本持平Claude Opus 4.7，而综合使用成本相较Claude Opus 4.6至4.8系列模型下降近80%。与此同时，面向高频调用场景的豆包大模型2.1 Turbo同步上线，定价仅为2.1 Pro的一半。
从谭待的表述中不难看出，Coding已是字节AI战略中不可替代的一环。但在此之前，相比Seedance引发的广泛关注，Coding这条战线并未带来显著营收增量。
与OpenAI、Anthropic相比，字节在AI Coding领域的布局起步较晚，路径也截然不同：先建IDE（集成开发环境），再补模型。Trae便是字节最早的实践。作为国内首个原生AI IDE，Trae初期接入了DeepSeek等多家第三方模型，而非完全依赖自研Coding模型。
背后原因或许在于：彼时自研模型的Coding能力尚不成熟——直至2025年11月Seed-Code正式对外发布，其综合性能仍略逊于Claude Sonnet 4.5。
“字节Coding能力难以突破的关键瓶颈在于缺乏数据回流。”《智能涌现》援引知情人士透露。由于模型效果未达预期，字节内部相关业务线普遍不愿采用Seed-Code。
但进入2026年后，不少字节员工明显感受到变化：各业务部门正加大对Seed模型的支持力度。一位Seed团队成员透露：“过去字节并不限制业务侧使用第三方Coding模型，但从2026年起，多个应用部门已被强制要求统一使用Seed模型。”
然而，若置于字节整体AI战略版图中，仅实现内部渗透远远不够。真正的考验在于：是否有真实客户愿意真金白银付费买单。
AI云增长的新引擎？
国内大厂在AI Coding领域起步偏晚，在个人用户与开发者层面已失先机。但正如过往多次验证的那样，我们擅长寻找并切入那条“弯道”。
当前，面向个人用户的AI Coding工具几乎全部免费，仅Kimi Code采取纯付费模式。但一个不容忽视的现象是：使用Qoder，推理必然运行于阿里云；CodeBuddy的算力消耗依托腾讯云；Trae则深度绑定字节火山引擎。
换言之，若将AI Coding深度融入云服务架构，作为企业级研发基础设施的一部分，便有望打开全新增长空间。
这正是Claude Code与Codex最迅猛的增长来源。公开报道显示，OpenAI 2026年第一季度营收约57亿美元，其中toB企业业务占比已达40%，Codex正是核心驱动力之一。Anthropic则有70%-80%收入来自企业客户与API调用，毛利率亦从一年前的38%跃升至70%以上。
据《晚点》报道，今年4月字节高层访问Anthropic后，内部随即调整AI资源分配策略，重心从豆包等大众化产品，转向企业级服务。当Seed 2.1被确认具备“上桌”实力后，火山引擎AI云的规模化发力自然水到渠成。
对企业而言，AI Coding几乎集齐了toB产品的理想特质：不同于AI客服体验提升、AI会议纪要节省时间等模糊指标，其价值天然可量化——开发周期是否缩短、Bug数量是否下降、测试覆盖率是否提升、单个需求交付时效是否压缩，这些均可直接折算为研发效率与人力成本。
而AI Coding的核心用户——软件工程师，恰是AI时代最成熟的付费群体。他们长期习惯为提效工具付费，因此当AI真正进入企业流程时，研发部门往往是最先采购Agent产品的先锋力量。
阿里云智能集团资深副总裁、公共云事业部总裁刘伟光曾坦言：“云计算时代有个长期痛点：盘点客户IT预算时，企业内部的软件开发与人力外包支出，我们一直未能有效覆盖。如今形势逆转，这部分预算恰恰是AI Coding能100%精准捕获的。”
正因如此，几乎所有头部云厂商不约而同地将AI Coding置于Agent战略最前沿。
微软将GitHub Copilot深度整合进GitHub与Azure生态；Google把Gemini Code Assist纳入Google Cloud开发体系；阿里围绕Qoder持续加固阿里云开发生态；腾讯推动CodeBuddy与腾讯云协同演进；字节亦不断强化Trae与火山引擎、Seed模型的联动。
“AI Coding正从‘代码生成工具’迈向‘软件生产力平台’。”IDC分析师李浩然指出，“随着大模型推理能力、Agent自主执行能力及企业代码资产管理能力持续增强，AI Coding已不再局限于代码补全，而是逐步覆盖需求分析、编码开发、测试验证、运维交付等完整软件生命周期。”
作为AI Coding工具团队，TRAE过去半年超90%的代码由AI完成。洪定坤对外宣称，团队人均需求吞吐率提升60%，达1.6倍。
因此，Coding Agent最有可能成为企业持续使用Agent的第一个核心场景。这也是它被视为AI云新增长引擎的根本依据。所有拥有云服务存量客户的厂商，都被视为AI Coding的潜在目标用户。
但对云厂商而言，AI Coding的真正价值，远不止于销售一款开发工具，更在于率先抢占企业研发工作流入口。谁掌控了开发入口，谁就更有可能承载模型推理、Agent运行及未来更多AI应用。
在刘伟光看来，Agent已成为拉动模型市场、乃至激活存量云市场的最大引擎。
最拥挤的变现赛道？
除了前端应用之争，Coding更是大厂在模型层面对垒最激烈、最拥挤的战场。一个重要原因在于：AI Coding是当前少数Token消耗量高度确定的应用场景之一。
据Gartner分析，截至2026年4月，全球企业级AI编程市场年化规模已达98亿至110亿美元。预计到2028年，超70%的企业软件工程师将依赖AI Coding Agent完成日常开发任务，并有望为软件工程团队带来30%至50%的生产力跃升。
由于Coding Agent需持续读取代码库、调用工具、执行测试并基于反馈反复迭代，模型在此过程中消耗的Token不仅限于最终代码生成，更涵盖项目上下文理解、工具响应处理及长链路推理维持等环节。
2026年一项针对Agentic Coding Token消耗的专项研究显示：复杂Coding Agent任务的Token消耗量显著高于传统代码问答与代码推理任务，可达后者的千倍量级。Token成本主要来自持续的上下文输入，而非最终输出。
在这场模型层面的“明牌战争”中，Anthropic无疑斩获最大红利。
据《华尔街日报》报道，Anthropic营收预计将在第二季度翻倍，达109亿美元。研究机构SemiAnalysis最新数据显示，其年化收入数月内从90亿美元飙升至逾440亿美元。
占据2025年国内AI Coding市场近半份额的阿里同样受益显著。
2026年前5个月，阿里云MaaS业务的Token收入增长15倍，月度Token收入已达数亿元量级。阿里巴巴CEO吴泳铭预测，第二季度阿里AI模型与应用服务年化经常性收入（ARR）将突破100亿元，年底有望冲刺300亿元。
与此同时，国内创业公司亦加速入场。
月之暗面、MiniMax、智谱等厂商纷纷强化Coding能力，并通过更具竞争力的API定价、免费额度或开发者激励计划争夺市场；三大运营商也陆续推出面向开发者的大模型平台与Agent服务，意图借AI开发场景带动云资源消耗。
尽管产品形态各异，但商业逻辑高度趋同：先以极低边际成本吸引开发者入驻，通过高频、持续的Coding调用扩大Token消耗基数，再逐步提升模型调用与云服务收入。
若论本轮国内AI Coding竞争的阶段性赢家，过去两年持续深耕模型智能与Coding能力的智谱无疑最受瞩目。
智谱2026年一季度API调用定价累计上调83%，调用量仍增长400%；截至3月，ARR突破2.5亿美元，“量价齐升”。调价后，智谱GLM-5.1在Coding场景的缓存命中Token价格已逼近Claude Sonnet 4.6水平，这也是国产大模型首次在核心场景实现与海外头部模型的价格对标。
然而，伴随AI Coding高频调用而来的，是成本的快速攀升。今年以来，多家大型企业开始重新审视AI Coding工具的使用策略。
据《The Information》等媒体报道，Uber内部发现员工广泛使用Claude Code、Cursor等AI开发工具后，数月内即耗尽全年AI预算，遂开始限制部分高成本工具使用，并引导员工按需选择适配模型。
埃森哲也被曝出，对非研发岗位实施AI工具使用管控。例如，PDF转PPT、基础文档润色等低价值任务，不再鼓励调用高成本大模型，以控制整体AI支出。
这些案例表明，随着Agent持续运行、上下文不断膨胀，AI Coding正成为企业最昂贵的大模型应用场景之一。对大模型厂商而言，如何在能力跃升的同时持续压降推理成本，将成为下一阶段竞争的核心命题。
正如洪定坤所言：“代码生成门槛下降，并不意味着系统复杂度降低。”AI Coding或许在某些直观指标上令人振奋，但本质上仍是处于早期探索阶段的命题。
本文来自微信公众号“新莓daybreak”（ID：new-daybreak），作者：王沐沐，编辑：翟文婷，36氪经授权发布。
