Qoder摘得领先科技奖：阿里AI编程47.6%份额背后

乌镇十年：飞天到Qoder的接力

2026年11月，世界互联网大会领先科技奖走到第十个年头。这个奖有些特别，不搞行业榜单那套商业互吹，挑的都是硬骨头。每年面向全球征集，最终只留下15到20个项目，覆盖基础研究、关键技术和工程研发。能上榜的项目，往往透出接下来几年技术潮水的走向。

今年潮水的方向很明确：AI。传统互联网的光环褪去，工程研发组8个获奖项目里，至少5个和AI直接沾边。AMD的AI处理器、蚂蚁的大模型健康服务平台、地平线的整车智能体，AI在这些项目里早已不是点缀，而是核心驱动力。

名单之中，阿里旗下智能体平台Qoder有点特别——国内拿到这个奖的通用Agent产品，只有它一个。

十年前的首届领先科技成果发布活动，场景和今天颇为相似。阿里云飞天开放平台以大规模分布式交易处理平台的身份，与特斯拉自动辅助驾驶、微软HoloLens、「神威·太湖之光」超级计算机同台。那时的飞天立项已七年，刚从阿里内部基础设施转向行业Infra定位，把计算能力输送给更多企业。

十年之后，Qoder站上了同一个舞台。这款产品2025年8月才上线，资历尚浅，成绩单却不含糊：全球用户超过800万；IDC发布的2025年中国AI编程市场份额报告显示，阿里以47.6%的份额位居第一，超过第二到第五名的总和；Gartner最新的企业级AI代码智能体魔力象限中，阿里云进入「挑战者」象限，与AWS、Google并列。

从云计算到AI Coding，竞争节奏从以年计压缩到以周、甚至以天计。外面有Cursor、GitHub Copilot这样的海外巨头，里面字节、腾讯等大厂密集入场。Qoder是怎么在绞肉机一样的市场里杀出来的？

两个月从零到一：不只是拼速度

时间拨回2025年6月，阿里成立面向Agent时代的AI创新事业部，Qoder团队正式组建。此时的市场，早已坐满了人。

同月，Cursor刚完成9亿美元融资，估值逼近百亿美元，年化经常性收入超过5亿美元；GitHub Copilot宣布用户突破2000万；Claude Code和Codex也在不断迭代，试图让AI接管更完整的开发任务。国内这边，字节的TRAE在7月推出SOLO模式，把自主开发延伸到需求规划和部署阶段。

摆在Qoder团队面前的清单长得吓人：产品、官网、用户体系、商业化链路、营销、全球部署架构……一切从0开始。留给他们的时间，只有两个月。

8月21日，Qoder上线。19天后，腾讯发布CodeBuddy CLI并宣布国内版免费。开发者不缺选择，Qoder要抢的，是开发者已经分给其他工具的时间和信任。

不过这支团队并非临时拼凑。负责人丁宇（花名叔同）2010年就进了阿里，长期做云计算底层技术。容器化、混合部署这些事，他经历过太多，大型系统怎么稳住，心里有数。更早的铺垫在2023年：当时大模型的编程能力还不怎么样，他就带队做通义灵码，从代码补全和问答切入，把模型如何读懂私有代码、企业如何部署管理这套东西摸了一遍。

这些经验成了Qoder的第一张牌。刚亮相时，Qoder没有急着堆砌功能，而是把Repo Wiki和Quest放在了C位。

Repo Wiki负责帮人和Agent「认识」工程：打开一个项目，它先梳理架构、模块和依赖关系。Quest则负责跟用户确认需求和验收条件，再推进规划、编码和验证。补全代码、对话修改、委派任务，都在一个产品里完成。

这种设计切中了痛点。开发者讨厌的是上下文丢失和重复解释。Qoder想解决的正是这个问题：让AI真正读懂你的代码库，而不是每次对话都从头再来。

上线五天，10万开发者注册。随后JetBrains插件、CLI、企业版和Teams版陆续推出。半年内，一套覆盖不同开发习惯的产品矩阵成型。

光有产品还不够，团队把自己也当成了小白鼠。2026年初，他们用Qoder开发内部工具。五个人，七天，做出桌面助手QoderWork；又用了18天，上线QoderWake，让数字员工有了岗位身份、长期记忆和权限边界，能真正进入日常协作。

团队自己先用，底层问题就暴露得快。阿里在模型、云计算和研发上的积累，被重新拆开、装进Qoder。模型、Agent框架和产品能一起调，一次任务失败就不再是说不清的黑盒——信息没找全、工具不顺手，还是模型没学会正确方法，都能追下去。

到了今年8月，Qoder又升了一版，入口收成一个，定位是面向所有人的智能体工作台。懂不懂代码都能把创意做成成果。上线三天，用户破10万。这个速度，靠的是前面两年多的技术沉淀和场景打磨。

进入真实开发流程：从吉利到山大华天

离开阿里的实验室，Qoder要面对的现实更复杂：企业里有多年的老旧系统，流程五花八门，不同团队的技术标准还各管各的。

能不能在这些约束下真正提效，决定了开发者会不会持续使用它。

山东山大华天软件就是个典型。工业设计里，工程师常收到供应商发来的零件模型，或者要复用旧设计。可这些文件往往只剩外形，最初的建模参数、尺寸关联全丢了。想改型，就得重新分析结构、补做建模，费时费力。

接入 Qoder 之后，团队把行业知识和专业工具交给 AI 去分析模型，再借 CrownCAD 的建模能力，把带参数、带记录的模型重新生成出来。旧零件重新派上用场，设计和校验的流程也顺了不少。

关键点在于，Qoder 必须接得进专业 CAD 系统，生成的东西还得扛得住几何计算和工程校验。写几行 Python 脚本做不到这件事，它要的是扎进垂直领域的工具链。

汽车行业的场景更难。吉利一位智能座舱语音开发主管工程师想做一个不起眼的小功能：用户问「雨刮器怎么用」，车机就直接给出适配当前车型的图文指引。

听着不难，真做起来麻烦。图片做多大、文字怎么排、放到车端显示合不合适，每一处都得反复调。过去这类调整要等台架或实车验证阶段，来回三四轮，周期拖得很长。

用了 Qoder，他先在网页上生成五六版方案，在电脑上比对，觉得满意了再上车端验证。不少原本只有真车才能暴露的问题，在概念阶段就被解决了。

自动驾驶算法的开发是另一码事。难的是那些不容易触发的异常分支。感知算法主管要把上游模型和后处理代码集成起来，可实际场景和数据回放很难把所有异常情况都覆盖到。

吉利的工程师把繁琐的单元测试交给 Qoder 来写，自己专心看关键情况有没有覆盖、结果对不对。碰上不熟悉的工程，先用 Repo Wiki 把模块和依赖理一遍，再动手改代码。

到 2026 年 9 月底，吉利有上千名研发人员用上了 Qoder，覆盖 500 多个研发场景。从界面预览到单元测试，再到理解工程，它已经进入不同岗位的日常。

这几个案例摆在一起，说明 AI Coding 已经脱离了玩具阶段。真实的工程约束它能处理，专业工具它能接入，验证周期它能缩短。但有个前提：它得懂业务、懂流程，光懂语法不够。

破圈：当业务人员开始写代码

对专业开发者来说，Qoder 是个顺手的工具。放到普通人手里，它可能意味着别的东西。

西鲜记总经理张立非的经历挺有代表性。他早年在华为、爱立信做研发，2015 年回乡创业，干起了滩羊养殖、屠宰和加工。公司 120 多人，技术研发就他一个。

他一直想搭一套养殖管理系统，却始终搁着。通用软件不适用，定制开发报价百万，还得不停沟通修改。日子一长，日常经营就成了糊涂账。三个养殖场、上万只羊，饲料消耗、体重变化、生长阶段，全记在 Excel 台账上。一批羊到底赚多少钱，要等全部出栏屠宰完才算得清。

2026 年，他动手用 Qoder 自己开发。没有产品经理，也没有前后端团队。下班后或者出差间隙，他打开两台电脑，多个会话并着跑。需求用自然语言描述，让 Qoder 读项目、改代码、跑任务，结果由他自己检查，新情况再补进去。

一个任务在跑，就切到另一个会话接着干。三个多月下来，养殖管理等好几套系统立了起来。以前屠宰时才冒出来的问题，如今在喂养阶段就能调。预计每年能少掉数百万元隐形损失。

张立非并不孤单。Qoder 门槛降下来以后，越来越多一线业务人员开始自己定制软件。一笔算不清的账、一段理不顺的流程，都可能变成一套软件的起点。

最懂业务的那批人，总算有机会把自己的经验写进系统，再在用的过程中不断迭代。AI 技术底座的真正意义大概就在这里：它不再归程序员独有，而是成了所有想用代码解决问题的人的杠杆。

放到乌镇十年这个视角里看，从飞天到 Qoder，技术形态在变，对效率的极致追求没变。当 AI 能理解工程、接入工具、撑起业务，我们看到的可能不只是编程方式变了，而是整个社会的生产方式在悄悄调整。