IDC报告：中国AI编程市场阿里Qoder断层第一，份额超二三四五名总和
摘要：IDC最新报告显示，2025年中国AI编程市场规模达3.99亿元，阿里旗下智能体编程平台Qoder以47.6%的营收份额断层领先，超过第二至第五名总和。这款上线不到一年的产品，凭借完整的Coding产品线和过程管理创新，快速占领市场，吸引了超500万用户。
市场数据：AI Coding风头正劲
IDC近期发布了《中国AI编程市场份额，2025》报告，揭开了国内AI编程工具市场的最新格局。
报告显示，2025年中国AI编程市场规模已达到3.99亿元人民币，预计到2026年底将增长至11.73亿元。在这个快速增长的市场中，阿里旗下的Qoder以47.6%的营收份额位居第一——这个数字几乎占据了市场的一半，甚至超过了第二、三、四、五名的总和。
值得注意的是，IDC这份报告统计的并非模型能力，而是AI编程Agent（智能体）的市场份额。模型跑分再高，要真正转化为用户买单的营收，中间还隔着一条漫长的产品化链路：用户是否愿意长期使用？企业敢不敢接入生产流程？产品能否稳定地交付模型能力？这些才是决定市场份额的关键。
Qoder：上线不到一年，凭什么冲上第一
阿里于去年8月正式发布Qoder，这是一个面向AI编程的智能体平台。从发布至今不到一年，用户规模已达到500万。
Qoder上线之初，瞄准的就是一条覆盖个人IDE（集成开发环境）、云端Agent、命令行和数字员工的完整Coding产品线。这种定位恰好顺应了AI编程行业正在发生的一次转变：随着Agent能力越来越强，用户与工具的关系正从“亲自写代码、让AI从旁辅助”，逐渐转向“定义任务、监督执行、验收结果”。
今年5月，阿里上线了Qoder 1.0版本，将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，后续的执行、验证和交付，都可以交给Agent团队自动完成。
解决过程管理难题：Quest工作视窗
用过AI Coding产品的开发者都清楚一个痛点：Agent能力越强，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长、执行步骤多、多任务并行的开发流程。用户总不能隔一会儿就翻记录、查进度、盯结果。
针对这一痛点，Qoder 1.0在交互体验上做了一次重要调整：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整合到这块视窗中。
这样一来，即使多个任务并行推进，用户也无需逐一切换窗口，只看一个屏幕就能了解每项任务跑到了哪里、生成了哪些产物。这套机制解决了Agent自主开发后的一个现实问题：活儿可以交出去，过程依然看得见，结果也始终审得清。
同样关注企业用户
Qoder的产品设计不仅面向独立开发者，还瞄准了企业用户——而这恰恰是AI Coding的核心用户群体之一。
关键要点
- IDC报告显示，2025年中国AI编程市场规模3.99亿元，阿里Qoder以47.6%份额断层第一。
- Qoder上线不到一年，用户规模达500万，核心策略是完善的产品线布局和过程管理创新。
- 产品从AI IDE升级为智能体自主开发工作台，用户只需定义需求，后续自动执行。
- 新增Quest工作视窗，解决多任务并行时的过程管理难题，让“交活”同时“看得见”。
知识引擎：团队协作的智能中枢
独立开发者一个人写代码时，Agent记住个人的编码习惯就能顺利开工。但一旦进入研发团队，它面对的是几十名开发者、多个代码库，以及一套运行多年、甚至很难完整写进文档的开发规则。
因此，在Qoder 1.0中，原本分散在Memory、Repo Wiki和Knowledge Cards中的信息被统一整合进一个知识引擎。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。某位开发者解释过的问题，会自动沉淀进团队知识体系，下次换个人、换一个Agent继续干活，也能无缝衔接。
这套知识引擎到底有没有用？实测数据显示：上线后，用户代码保留率提升11%，输入Token消耗降低40%，对话轮次减少33%。——这不仅是省Token，更是实打实的效率提升。
安全与权限：让Agent安心进入核心生产流程
在安全方面，Qoder 1.0把防线拉到了Agent运行的完整过程：
- 任务开始前：企业策略划定边界。
- 任务执行中：安全运行时识别和拦截风险。
- 任务完成后：审计治理系统留下完整记录。
代码层面设置了L1到L4四级防御：从正则校验、语义Diff，延伸到跨文件分析和CI/CD拦截，同时配合数据本地存储、高危操作拦截与加密连接。这些能力直接决定了企业是否敢让Agent走出实验区，进入核心生产流程。
光给Agent装上刹车还不够，企业内部不同角色接触的代码和职责各不相同，权限也需要细分。Qoder企业版把模型权限交给管理员，可按人员、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。
Qoder还把个人摸索出的经验留在团队里：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，已经从个人研究怎么用，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
模型：编程能力的上限
作为AI编程产品，Qoder能冲到市场头部，最基础的还是「编程能力」本身。毕竟真正落到写代码、改Bug和跑测试时，得看模型能不能把任务全部搞定。
Qoder背后的关键模型之一是「Qwen3.7-Max」——在编程智能体领域拿下SOTA（当前最优）：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69.7分。
Benchmark榜单上的数字对普通用户来说可能不那么有体感，但落到实际使用中，这意味着Agent能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。
Qoder在模型供应上一直走开放路线，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。
Harness Engineering：稳定交付的工程底座
产品和模型够强之后，还需要一套工程系统把它稳定地组织起来。Qoder 1.0的一项关键升级发生在Harness Engineering上——它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。
知识调用被嵌入任务流程：Agent会在规划、生成、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。