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

AI编程市场的竞争格局，最近有了新的数据支撑。

IDC发布的《中国AI编程市场份额，2025》报告显示，2025年中国AI编程市场规模达到3.99亿元，预计到2026年底将增长至11.73亿元。这个数字背后，是越来越多人开始把代码生成、任务自动化交给AI来处理。

在这份报告里，营收份额最高的玩家是阿里，占比47.6%，几乎拿下整个市场的一半。具体到产品，就是它家的「Qoder」。更值得关注的是，Qoder目前的用户规模已经达到500万。上线不到一年的产品，怎么做到的？

上线不到一年，阿里Qoder冲到中国AI编程市场份额第一

看到这份报告时，阿里冲到「第一名」这件事并不让人意外。毕竟，千问模型的能力水平摆在那里，有口皆碑。

但IDC这份报告的独特之处在于，它统计的不是模型能力，而是中国AI编程Agent的「市场份额」。模型跑分高和真正吃下市场，中间还隔着一整条产品化的链路。AI编程最终能拿到多少市场份额，取决于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。

在国内一众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，从发布到现在不到一年。能在这么短时间冲到市场头部，自然有它的逻辑。

Qoder刚发布时，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。这对应着AI编程行业正在发生的一次变化——随着Agent能力越来越强，用户与工具的关系，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，这次升级让Qoder从AI IDE升级为智能体自主开发工作台。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。

但上手过AI Coding产品的朋友都知道，Agent这东西，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，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在交互体验上做了一次比较大的调整——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。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。这解决了Agent自主开发之后很现实的一件事：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」，而这恰好是AI Coding的核心用户群体之一。独立开发者一个人开发时，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。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。

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%。

在「安全」这件事上，Qoder 1.0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。这些能力，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，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，正在从每个人自己研究怎么用，走向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——「编程能力」本身。毕竟，真正落到写代码、改Bug和跑测试的时候，还得看模型能不能把任务都搞定。

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。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。

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。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清楚的账。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一个蛮特殊的点在于——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——行业头部的市场份额，500万的产品用户规模。

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。当前AI Coding的竞争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，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。