那份流传又消失的梁文锋与投资人闭门交流实录中提到，DeepSeek现阶段最重要的重心在于Coding Agent。就在一个月前的火山引擎大会上，外界沉浸在豆包大模型Seedance达到全球SOTA水平的赞誉声中时，字节跳动表现得却有些心不在焉。火山引擎总裁谭待当时表示，内部始终将Coding视为核心方向。更耐人寻味的是，几天前IDC突然公布了一项关于AI编程的市场份额数据，被媒体广泛报道的是，上线不足一年的阿里旗下智能编程平台Qoder营收份额拿下47.6%。今年5月，阿里云公共云总裁刘伟光对外宣称，Coding是我们最重要的方向，它几乎适用于所有场景。种种迹象表明，国内几乎各大厂都在加速布局AI Coding，且已成为竞争火药味最浓的领域之一。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……这个名单还在不断拉长。
背后的原因并不复杂：AI Coding已成为模型推理算力最大的消耗场景之一，商业价值也更容易衡量。Claude Code就是全球大模型公司的学习样本。这款率先风靡的Coding应用，其ARR（年化收入）从2025年4月的1700万美元飙升至2026年2月的25亿美元，上线仅6个月ARR就突破10亿美元。Anthropic尽管未上市，但高管积极对外披露信息，每次都刺激市场神经。甚至大模型公司引领者OpenAI也在跟随Anthropic，且尝到了甜头。2024年OpenAI还没有独立Coding产品，而是内嵌在ChatGPT Plus/Team中。2025年中，Codex独立发力，今年1月底ARR就过10亿美元，成为公司核心增长动力之一。对于还未找到确定性赚钱方向的国内公司而言，这是巨大的诱惑和鼓舞。
不过大厂火力押注Coding还有个重要原因：Coding能力是基础，是决定Agent效果上限的关键。所以当前AI Coding对于行业的意义，早已超出一款生产力工具的范畴。只是那个押注Coding的长长名单，必然不是谁都能留下。大厂正在像以前那样，想尽办法弯道超车。
无疑，AI Coding是目前中美大模型公司集体重点押注的方向，从之前的Claude Code一家独大，变成现在的全面开花。2025年2月，Anthropic低调发布Claude Code，率先将行业带入Agentic Coding阶段，行业竞争焦点也从「AI会不会写代码」转向「AI能不能独立完成软件工程」。这款能直接操作计算机、自主完成编程任务的AI智能体，在短短六个月内为Anthropic带来超过10亿美元年化收入。甚至全球头部公司都是Claude Code的客户。五源资本合伙人孟醒在今年4月分享硅谷观察时提到，作为一家万亿市值的公司，Meta全员都在用Claude Code。放在半年前，这件事完全不可想象，因为代码是公司核心资产，怎么能让外面一家公司的API去碰它？不得不用的原因很简单，Meta自研的coding产品「不好用，没人用。」就在Claude Code形成一家独大局面时，OpenAI出手了。2025年之前，OpenAI没有独立Coding产品，编码需求混在ChatGPT订阅和API里。从当年年中到今年，旗下产品Codex表现出凶猛反扑攻势。2025年9月，Codex使用量仅为Claude Code的5%，到2026年1月这个比例已接近40%。尤其GPT-5.5之后，OpenAI在代码能力、工具调用和Agentic Coding方面赢回不少开发者用户信任。5月中旬，OpenAI创始人兼CEO Sam Altman为战火又添一把柴，他在X上宣布，接下来30天内为想从Claude Code切换到Codex的公司提供两个月免费使用。MoE Capital创始合伙人Henry Yin近日接受采访时表示：「这个季度可以看到Codex势头明显起来了，很多开发者从Claude Code转向Codex，尤其是在Anthropic自己出现限流、价格调整、口碑波动之后，OpenAI抓住了这个窗口期。」他还指出，Coding已不只是一个应用场景，它是当下最重要的收入来源，也是未来很多前沿突破的基础能力，这是任何大模型公司都不能、也不敢掉队的赛道。这种意识很快传导至国内，2025年字节跳动技术副总裁洪定坤也说过，Coding作为一种高度结构化、逻辑严密的任务，对模型理解复杂语义结构、逻辑推理、算法设计和精确表达都有很高要求，能助力模型智能上限探索。但是国内在Coding场景整体还是起步较晚。谭待在接受采访时解释称，除了LLM全球竞争激烈，最重要的是Coding这个方向是Anthropic和OpenAI最早定义并发力的。现在，这一切都在加速。
今年以来，随着自研模型Coding能力快速提升，国内大厂正在逐步减少对海外模型的依赖。最典型如阿里，7月3日阿里下发内部通知，宣布自7月10日起全面禁止内部员工在办公环境下使用包含Claude Code在内的Anthropic全系产品，并推荐使用自研的Agentic Coding平台Qoder作为替代方案。不久后，蚂蚁内部也下发了类似通知。《新莓》了解到，目前腾讯和字节暂未在内部明令禁用Claude Code，但大方向都是在朝着自研模型倾斜。腾讯主推的AI Coding工具CodeBuddy支持混元、Claude、GPT、Gemini等多种主流模型，随着混元Coding能力不断提升，腾讯持续强化自研模型与Agent能力融合，但整体仍保持多模型兼容产品策略。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「Claude Code存在安全后门隐患」的风险提示后，Claude Code在字节内部颇有些「红线」意味。这也可能跟字节内部将Coding视为核心战略之一有关。6月23日，Seed（豆包大模型）2.1发布后，谭待评价称：「我们在Coding领域真正上牌桌了。」他还补充，这是很重要的事。字节官方口径是，Seed 2.1 Pro的Coding能力已经能比肩Claude Opus 4.6。编程评测Terminal Bench甚至认为，Seed 2.1 Pro的Coding能力与Claude Opus 4.7基本持平，而综合使用成本相比Claude Opus 4.6到4.8系列模型降低近80%。同时，面向高频调用场景的豆包大模型2.1 Turbo同步上线，价格仅为2.1 Pro的一半。从谭待表态也能看出，Coding是字节AI重要命题之一。但在此之前，相比Seedance爆火，Coding这条战线似乎没给字节带来太多营收增量。和OpenAI、Anthropic相比，字节在AI Coding上发力较晚，路径也不同：字节是先做IDE（集成开发环境），再补模型。Trae是字节最早尝试，作为国内首个原生AI IDE，Trae最初接入了DeepSeek在内的多家模型，而非完全依赖自研Coding模型。背后原因可能是自研模型Coding能力还不够好——直到Seed-Code在2025年11月正式对外发布，其性能整体表现仍次于Claude Sonnet 4.5。《智能涌现》援引知情人士指出，字节Coding效果难以取得突破的原因在于缺少数据回流。由于模型能力有限，字节内部相关业务都不愿意使用Seed-Code。不过今年以来，不少字节员工感受到，各个业务方正在加大对Seed模型支持力度。一名Seed员工透露，原来字节并不限制业务侧使用第三方Coding模型做开发，但2026年以来，多个应用部门被强制要求使用Seed模型。但是如果放在整个字节AI战略版图，仅仅内部使用还不够。核心在于，是否有客户愿意掏真金白银付费使用。
国内大厂在Coding方面起步晚，个人用户和开发者层面失去先天优势，但国内擅长弯道超车的前提在于找到那条弯道。目前，国内这些AI Coding面向个人用户几乎都是免费，Kimi Code为纯付费。只是有个现象，如果你用Qoder，推理消耗必然跑在阿里云；同理，CodeBuddy的算力消耗跑在腾讯云，Trae是基于字节火山引擎。也就是说，如果将AI Coding封装为云服务中组织生产基础设施的一部分，化作企业服务，就能找到新的增长点。这也是Claude Code和Codex最为陡峭的增长来源。媒体报道，OpenAI 2026年第一季度营收约为57亿美元，toB企业业务收入已占总收入的40%，Codex是核心增长动力之一。Anthropic 70%至80%的收入来自企业客户和API业务，毛利率已从一年前的38%跃升至70%以上。晚点报道，今年4月份字节高层到访Anthropic之后，内部开始调整AI资源分配，重心从豆包这类面向大众的产品，转向服务企业的产品。当内部认为Seed 2.1在Coding方面具备上桌能力之后，必然也是火山引擎AI云发力时刻。站在企业角度，AI Coding几乎具备所有toB产品最理想特征：与AI客服体验提升、AI会议纪要节省多少时间等相对模糊指标不同，AI Coding价值天然可验证——开发周期是否缩短、Bug数量是否减少、测试覆盖率是否提高、单个需求交付时间是否压缩，这些都可以直接转化为研发效率和人力成本。而AI Coding主要使用者——软件开发人员是AI时代最成熟的付费人群，他们长期习惯为提升效率工具付费，因此当AI真正进入企业，研发部门往往是第一批愿意采购Agent产品的客户。阿里云智能集团资深副总裁、公共云事业部总裁刘伟光曾说过，云计算时代有个长期痛点：盘点客户IT预算时，企业内部软件开发和人力外包这块，我们是吃不到的。现在正好反过来，这些预算恰恰是AI Coding能100%命中的。正因如此，几乎所有头部云厂商不约而同把AI Coding放在Agent战略最前沿。微软将GitHub Copilot深度整合进GitHub与Azure；Google将Gemini Code Assist纳入Google Cloud开发体系；阿里围绕Qoder持续强化阿里云开发生态；腾讯推动CodeBuddy与腾讯云协同演进；字节也不断加强Trae与火山引擎、Seed模型联动。「AI Coding正从『代码生成工具』向『软件生产力平台』演进。」IDC分析师李浩然指出，「随着大模型推理能力、Agent自主执行能力和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工具的团队，过去半年TRAE超过90%的代码是AI完成的。洪定坤对外宣称，人均需求吞吐率提升了60%，达到1.6倍。所以Coding Agent最有可能成为企业持续使用Agent的第一个核心场景，这也是它成为AI云增长重要来源的依据。几乎都有云服务的存量客户都被认为是Coding的潜在用户。不过对于云厂商而言，AI Coding真正重要意义不在于卖出一款AI开发工具，更在于率先占据企业研发工作流。谁掌握了开发入口，谁就更有机会承载模型推理、Agent运行以及未来更多AI应用。在刘伟光看来，Agent已经成为带动模型市场、甚至带动存量云市场的最大推动力。
除了前端应用争夺，Coding也是大厂在模型层面竞争最激烈、最拥挤的赛道。其中一个很重要原因是：AI Coding是目前少数Token消耗量具有确定性的应用场景之一。根据Gartner分析，截至2026年4月，全球企业级AI编程市场年化规模预估已达98亿至110亿美元。预计到2028年，超过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%的生产力提升。由于Coding Agent需要持续读取代码库、调用工具、执行测试并根据反馈反复修改，模型在这一过程中消耗的不只是生成代码所需Token，也包括理解项目上下文、处理工具反馈和维持长链路推理所需的大量Token。2026年一篇针对Agentic Coding Token消耗的研究显示，复杂Coding Agent任务的Token消耗量显著高于传统代码问答和代码推理任务，可以达到后者的1000倍量级。Token消耗主要成本来自持续的上下文输入，而非最终输出。在这场模型层面明牌战争中，Anthropic无疑吃到了最大红利。据《华尔街日报》，Anthropic营收预计将在第二季度增长一倍以上，达到109亿美元。据研究机构SemiAnalysis最新分析，Anthropic年化收入在数月内从90亿美元飙升至逾440亿美元。占据2025年国内AI Coding市场份额将近一半的阿里也受益于此。在2026年前5个月里，阿里云MaaS业务Token收入增长了15倍，月度Token收入达到数亿元级别。阿里巴巴CEO吴泳铭预计，第二季度阿里AI模型与应用服务年化经常性收入将突破100亿元，年底突破300亿元。与此同时，国内创业公司也纷纷加入战局。月之暗面、MiniMax、智谱等公司都开始强化Coding能力，并通过更具竞争力的API价格、免费额度或开发者计划争夺市场；三大运营商也陆续推出面向开发者的大模型平台和Agent服务，希望借助AI开发场景带动云资源消耗。这些产品形态虽然各不相同，但商业逻辑高度一致：先用足够低边际成本吸引开发者进入平台，通过持续、高频的Coding调用扩大Token消耗，再逐步提升模型调用和云服务收入。如果说这一轮国内AI Coding竞争出现阶段性赢家，那么过去两年持续押注模型智能和Coding能力的智谱无疑是其中最受关注的一家。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价格已接近Claude Sonnet 4.6水平，这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齐。
然而，与AI Coding高频调用伴生的是成本快速攀升。今年以来，多家大型企业开始重新评估AI Coding工具使用策略。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，仅数月时间便消耗了全年大部分AI预算，因此开始限制部分高成本工具使用，并引导员工根据实际需求选择不同模型。埃森哲也被媒体曝出，对部分非研发岗位开始限制AI工具非必要使用，例如将PDF转换为PPT、简单文档润色等低价值任务，不再鼓励调用高成本大模型，以控制企业整体AI支出。这些案例反映出，随着Agent持续运行、上下文不断增长，AI Coding正在成为企业最昂贵的大模型应用之一。对于大模型公司而言，如何在提升能力同时持续降低推理成本，是下一阶段竞争核心。同时如洪定坤所言，「代码生成门槛下降，不代表系统复杂度下降。」AI Coding也许在某些直观指标表现会让人更激动，但说到底还是一个早期命题。