在如此围追堵截的环境里，Anthropic之所以始终能够处在第一梯队里，这和它在企业级市场取得的绝对品牌认知，有着直接关系，在很长一段时间里， Claude几乎垄断了AI Coding的模型供应链。 在收入结构上，30万家企业客户为Anthropic贡献了80%的付费，剩下15%来自编程工具Claude Code，普通用户的订阅占比只有5%。 换句话说，凭借贩卖生产力工具，Anthropic的年化收入（ARR）以每个月增加10亿美金的速度，在一众AI公司里担当着印钞机的角色，且在一级市场的 估值达到了OpenAI的6成，足见创造产能的价值权重有多高。 这种趋势也在推动行业共识的出现：AI在应用互联网的爆发或许还需要时间，大家也都有耐心等待奇点，但企业级市场对于AI的买单热情却已经远超预 期，这部分的价值创造，不但彻底改写了生产逻辑，也能为大模型厂商提供落袋为安的回报。 文 ｜ 阑夕 某种程度上，Anthropic是比OpenAI更有商业奇观的一家公司。 OpenAI在消费级市场的领先毋庸置疑——ChatGPT的8亿周活在行业里一骑绝尘——而在今年以来，Google重回牌桌也让各家大厂压力倍增，大模型的竞 争趋 ...

"在AI生成应用行业中，目前最有价值的环节就在AI Coding(AI编程)，因为AI Coding属于生产力工具， 贯穿研、产、供、销、服全环节，能创造新的价值与需求空间，且目前行业仍处于技术攀爬期，各家差 距较大，市场潜力巨大。"近日，在秒哒2025创造者大会上，百度秒哒产品负责人朱广翔在接受证券时 报等媒体采访时表示。 今年下半年以来，AI Coding成为了行业中最火爆的赛道，也打开了AI商业化落地的前景。AI coding指 的是利用人工智能技术辅助或自动完成代码编写的过程，通过大语言模型、自然语言处理等技术实现代 码生成、补全、调试等任务，可以显著提升开发效率并降低人力成本。借助Coding工具，不懂编程的人 也可以用自然语言开发网页以及小程序，程序员则可以用其来补全和生成代码。 朱广翔指出，未来秒哒的核心客户方向为TO B，不做流量广告生意，而是作为工具产品靠价值收费。 Vibe Coding有个非常重要的独特性在于模糊了C(个人)与B(企业)的边界，服务的群体多为C转B用户， 比如个人创业后成为小B，他们因实际业务需求付费，而非单纯的会员费模式。 "未来，秒哒将重点以用户规模与商业化收入为核心 ...

文章核心观点 - AI Coding是当前行业最具价值的领域，是突破Chatbot同质化竞争的关键赛道 [2] - 秒哒（Medo）作为一款无代码AI开发工具，凭借其独特的产品设计、强大的后端技术能力、精细化的成本与代码质量管控，在全球市场获得认可，并展现出中国团队在产品体验上的优势 [2][7][9][12][17] 产品定位与市场表现 - 秒哒是一款发布仅8个月的无代码工具，已在全球被广泛使用 [2] - 生成的应用累计服务超1000万人，日均近10万人使用 [2] - 在变现工具、业务软件、AI应用三大场景中累计创造超50亿元产值 [2] - 81%的用户为非程序员，主要集中在职场人群与高校群体 [3] 产品核心设计：从模糊需求到清晰定义 - 与国内外同类Vibe Coding产品不同，秒哒强化了“需求沟通阶段” [4] - 通过“产品经理智能体”介入，将用户原始、模糊的需求（如“把超市搬到线上”）通过多轮对话转化为含功能清单的结构化产品文档，再交付“研发智能体”落地 [4][5][6] - 此设计大幅降低非技术用户的表达门槛，避免因需求模糊导致的反复返工 [6] 用户策略与技术支撑 - 面对多元化的“小白”用户群体，秒哒现阶段优先打造通用的能力底座，未来计划向具体场景延伸垂直版本 [7] - 针对复杂需求，提供深度研究模式，智能体可联网调研，并支持对话、可视化界面、截图定位三种修改方式 [7] - 可无缝集成千帆、Coze等主流智能体平台能力，并将其转化为插件 [7] - 依托百度智能云，确保应用高可用、高性能，并支持源码导出、权限管理等企业级需求 [7] 后端能力突破与行业认可 - 后端（BaaS）是行业痛点，秒哒的解决方案获得全球BaaS领军者Supabase的认可，其海外版Medo成为Supabase新云平台首批三大合作伙伴之一，且是其中唯一的中国企业 [9] - 团队上半年集中攻克后端三大核心挑战 [9] - **挑战一**：应对海量、微小、轻量的Agent应用带来的数据库实例“小而多”格局，上线首周的数据库实例数就超过百度智能云团队过去七年企业服务总和，需云原生技术突破以保障弹性与高并发 [9] - **挑战二**：实现AI与数据库的深度融合，让大模型能够理解并操作数据库，而非仅服务于由程序员编写的SQL代码 [10][11] - **挑战三**：高效管理底层资源，实现灵活调度与云化部署，确保稳定与成本效益 [11] - 在产品体验上，秒哒实现了“一次对话”完成数据库对接，无需用户跳转配置，相比行业头部产品Lovable需要用户自行跳转配置且最快仍需两次对话的流程，具有显著优势 [12] 效率优化与成本控制策略 - 团队核心方向是极致提升效率，让每个Token发挥更大价值，以降低代码生成模型的高昂成本 [14] - **智能体层面**：优化智能体规划能力，设计更优的“标准作业程序（SOP）”，减少交互轮次和Token消耗 [14] - **模型层面**：利用数据飞轮迭代训练，并训练更小、更快的专用模型以降低成本 [14] - **任务调度层面**：实行精细化模型分工，为开发流程的不同阶段匹配最恰当的模型（如在需求沟通阶段不调用昂贵的代码生成模型），以提升效果并控制成本 [14][15] 代码质量维护与“代码屎山”防治 - 智能体设计不当会导致无节制堆砌冗余代码，形成难以维护的“代码屎山” [15] - 关键实践是引入“克制性添加”与代码历史审查机制，训练智能体在添加新功能前先系统回顾已有代码，力求“加一行，减两行”，甚至只减不增 [15] - 虽然审查历史代码会消耗Token，但能避免后期迭代成本急剧上升和项目无法修改的后果 [15] - 秒哒在八月版本曾经历教训，促使团队将“定期回顾与重构”作为智能体工作流的重要环节，已有用户项目经历数百甚至上千轮迭代后仍能保持代码库清晰 [15] 行业竞争格局与国内团队优势 - 国内在Vibe Coding领域建设起步平均比国外晚1-2年，但核心竞争力差距正在缩小 [17] - Vibe Coding的核心竞争力在于底层的代码生成能力（取决于模型与智能体策略）和最终面向用户的产品体验 [17] - 在产品体验层面，中国团队不仅没有落后，反而往往具备显著优势 [17] - 百度不追求通用代码能力全面超越，而是让场景化应用能力超越国际水平，预期明年中国产品的迭代速度会更快 [17]

公司发展历程与产品演进 - 公司最初定位为解决大型组织内部编程效率问题，核心是帮助工程师理解代码，因为理解代码占用了80%到99%的时间，而写代码只是最后一步 [6] - 公司早期产品是全球首个可用于生产环境的代码搜索引擎，并成功推广至相当数量的《财富》500强企业 [5] - 随着大语言模型成熟，公司利用其增强搜索引擎的排序信号，并在ChatGPT等应用爆发后，结合自身能力推出了名为Amp的编程智能体产品 [8] - Amp产品于今年二三月启动，历时约七八个月，是从第一性原理出发从零构建的智能体，旨在重新定义所需工具，在大型代码库和业余编程中均表现出色 [10] 产品定位与商业模式 - Amp提供两种顶层智能体：按用量计费的Smart Agent（保持最前沿智能水准）和广告支持、可免费使用的Fast Agent [25] - 商业模式转向广告驱动的实验性决定，源于发现小规模、快速模型的推理成本极低，适合业余项目用户，此模式推出后成长速度非常迅猛 [14] - 产品策略是提供最强大的智能，用户仅为推理成本买单，但随着功能扩展，发现在智能与延迟的权衡曲线上存在多个有价值的平衡点 [13] - 并非最强大的模型一定带来最佳体验，更聪明的模型往往更慢，因此有机会打造更快的顶级智能体来处理针对性的编辑任务 [14] 智能体（Agent）的核心理念与架构 - 真正的“原子级可组合单元”不是模型，而是智能体本身，即用户输入文本、系统输出一系列行为的契约 [7][19] - 公司的理念是智能体中心化而非模型中心化，模型只是实现细节，智能体的行为由系统提示词、工具集、运行环境、反馈机制等多因素共同塑造 [18] - 在智能体架构下，软件开发流程可被拆分为上下文获取、调试等专门任务，为每个任务配置专属智能体，并为其选择参数尽可能小且符合质量标准的模型 [32] - 智能体就像函数在AI语境下的升级版本，虽然每次执行路径可能略有差异，但设计得当的智能体对于完成具体任务已足够可靠 [20][21] 模型选择与开源生态 - 公司同时大量使用开源和闭源模型，并且开源模型正变得越来越关键 [27] - 开源或开放权重模型的核心优势在于可以进行后训练，对于领域专用任务（如上下文检索），可以围绕目标进行优化，且价格优势显著 [7][27] - 在智能体工作负载上表现最出色的模型几乎全部源自中国，美国公司在工具使用的稳健性上尚未到位 [41] - 公司不会从零开始预训练模型，认为那样不经济，普遍做法是在后台使用多模型路由，根据任务切换到更小的专用模型 [31][32] - 驱动顶层智能体仍需数百亿乃至数千亿参数的模型，但用于编辑建议等场景的模型仅需“个位数十亿参数”即可 [30] 行业评估与未来展望 - 评估集作为单元测试或冒烟测试工具非常有效，但问题在于将其作为优化目标，因为评估集必然滞后于技术前沿，将优质产品体验提炼成评估集需要时间 [7][22][23] - 未来十年的开发环境既不会像现有IDE，也不会像今天的终端，核心界面将是能让人类编排多位智能体协作并理解其输出要点的面板 [35] - 目前超过90%的代码行数借助Amp生成，且比例仍在上升，开发者角色正转变为协调者和代码评审者，约90%的时间在做代码评审 [35][37] - 软件工程始终是创造性工作，人类仍是瓶颈，但让编程重新变得“好玩”是待解决的关键痛点之一 [36][38] 地缘格局与监管影响 - 全球开发者若大量依赖中国开源模型进行微调和部署，对美国及整体生态是潜在风险，美国需要确保其AI生态保持活力与竞争力 [40][49] - 当前美国监管格局趋向各州各管一套的“拼布式”法规，增加了复杂度和合规风险，不利于行业发展，反而巩固了原有巨头的地位 [47][49] - 政策建议是制定一套全国统一、清晰且完善的监管标准，聚焦具体应用场景而非模型层面的“生存风险”，同时确保模型层面的充分竞争，防止垄断 [7][49] - 围绕AGI的“终结者”式叙事影响了美国政策制定，降低了对风险的容忍度、生态创新的开放度以及对模型权重开源的接受度 [45]

行业市场空间与增长预期 - 行业当前市场空间为30亿美元，预计到2030年有望达到230亿美元，实现5年增长8倍，远超市场预期的4年增长3倍 [1] - 行业远期潜在市场空间接近7000亿美元 [1] 行业竞争格局与市场认知 - 当前市场集中度高，CR3（行业前三名公司市场份额合计）接近70% [1] - 预计远期市场将维持多头竞争格局 [1] - 市场存在的“模型吞噬应用”观点被认为并不全面 [1] - 编程工具可通过塑造用户习惯实现市场集中 [1] - 应用层价值在场景工作流越长时越显著 [1] 商业模式与盈利能力 - 行业已通过按量付费模式初步实现20%至30%的毛利率 [1] - 结合数据中心单位经济效益测算，模型API具备充足的降价空间，这将增厚AI编程应用的毛利 [1] - 市场对订阅制模式下高模型成本会挤压应用毛利的担忧不成立 [1] 投资建议与关注方向 - 建议重点关注受益于业务成长的海外AI编程龙头企业 [1] - 建议关注受益于潜在国产替代机会的国内中小型公司 [1] - 建议关注人效提升领先的互联网巨头 [1]

行业市场空间与增长预期 - 行业当前市场空间为30亿美元，预计到2030年有望达到230亿美元，实现5年增长8倍，远超市场预期的4年增长3倍 [1] - 该行业的远期潜在市场空间接近7000亿美元 [1] 行业竞争格局与壁垒 - 当前市场集中度较高，CR3（前三名公司市场份额合计）接近70% [1] - 预计远期市场将维持多头竞争格局，而非被单一模型垄断，“模型吞噬应用”的观点并不全面 [1] - 编程工具可通过塑造用户习惯来建立壁垒，实现市场集中 [1] - 应用场景的工作流程越长，其应用层的价值体现越显著 [1] 商业模式与盈利能力 - 行业已通过按量付费模式初步实现20%至30%的毛利率 [1] - 结合数据中心单位经济效益测算，模型API价格存在充足的下降空间，这将进一步增厚AI编程应用的毛利率 [1] - 市场对于订阅制模式下高模型成本会挤压应用毛利的担忧并不成立 [1] 投资机会与关注方向 - 建议重点关注受益于业务成长的海外AI编程领域龙头企业 [1] - 建议关注受益于潜在国产替代趋势的国内中小型公司 [1] - 建议关注在人员效率提升方面领先的互联网巨头 [1]

亚马逊推出针对初创公司的免费AI编码工具推广计划 - 亚马逊试图通过免费策略在竞争激烈的AI编码工具市场（包括Cursor、Claude Code、Codex、Gemini Code Assist、GitHub CoPilot等众多工具）中吸引初创公司创始人[1] - 亚马逊云科技宣布将为符合条件的早期初创公司提供其竞品Kiro Pro+的一年免费额度[2] - 该免费额度最多可覆盖100名用户[2] 免费计划的资格与限制条件 - 免费计划仅面向获得从Pre-seed到B轮风险投资的初创公司开放[3] - 该计划适用于美国本土的初创公司，但并非在所有国家提供[3] - 明确的地理限制包括法国、德国、意大利、大部分南美国家以及受贸易制裁的国家[3] - 申请截止日期为12月31日[3]

好的，我将以一名资深研究分析师的身份，为您总结这份计算机行业2026年度策略报告的关键要点。 核心观点 - 计算机行业在2025年呈现“年初蓄势、二月冲高、年中调整、九月突破”的四阶段特征，全年指数上涨19.1%，跑赢沪深300指数[18][19] - 行业估值（PS-TTM、PE-TTM）处于历史相对高位，反映市场对AI驱动下营收扩张潜力和远期盈利空间的乐观预期[3][20][22] - 2025年前三季度行业营收达9296.6亿元，同比增长9.2%；归母净利润达231.5亿元，同比增长37.4%，业绩显著反弹[26] - 2026年核心投资逻辑在于AI技术全域赋能，推动业绩周期与技术周期同步向上，重点关注AI在多场景的应用落地[1][2] AI应用领域 AI Coding - 全球AI代码工具市场预计从2024年的67亿美元增长至2030年的257亿美元，复合年增长率25.2%；中国市场预计从2023年的65亿元增长至2028年的330亿元，复合年增长率38.4%[3] - 技术从Copilot辅助模式向多智能体协同的Agent模式演进，实现从需求拆解到部署的全流程自主开发[35][40][41] - 海外产品如Cursor年度经常性收入已突破5亿美元，国内厂商如卓易信息通过SnapDevelop等产品积极布局，注册用户超2万[46][49][51][60][61] AI+办公 - 中国AI+办公软件市场规模2024年达308.64亿元，预计2028年增至1911.37亿元，复合增长率57.75%[3][70] - 市场高度集中，2025年3月Web端总访问量2.6亿次，月活跃用户7500万，头部产品如夸克访问量超8000万[3][72] - 金山办公WPS AI 3.0推出办公智能体，月活用户达2951万，个人年度付费用户达4179万，商业化领先[76][77][81][82] AI+金融IT - AI赋能从散户投教辅助向专业投研全流程延伸，同花顺问财2.0基于“快系统-慢系统”思维模型升级，服务超500万投资者[86] - 九方智投推出九方灵犀智能体，具备自主思维链决策推理等核心能力，覆盖股票诊断、大盘分析等场景[87][89][90] - 专业投研工具如iFinD嵌入大模型，支持宏观数据预测、行业资金面跟踪等自动化分析功能[91][93][95][96] 网络安全 - 全球网络安全IT总投资预计从2024年的2444亿美元增至2029年的4162亿美元，复合增长率11.2%；中国市场从2024年的112亿美元增至2029年的178亿美元，复合增长率9.7%[97] - AI技术推动从“传统防御”向“主动防御”转变，形成“学习-推理-增强”的自动化闭环，安全智能体市场预计到2028年达16亿美元，年复合增长率超230%[3][98][103][104][106] - 信创安全市场2023年规模约50亿元，预计2027年达160亿元，复合增长率35%；数据安全市场2024年规模达118.5亿元，增长率25.9%[106][107][109] 智能驾驶 - VLA架构将视觉信息转化为语言逻辑以指导车辆操作，推动从“弱专家系统”向“强专家系统”演变，目标实现L5级全域自动驾驶[3][4] - 智驾平权战略加速普及，高速NOA标配销量从2023年1-8月的36.3万辆升至2025年同期的265.0万辆，渗透率从8.7%跃升至35.7%[4] - 2026年关注高阶智驾商用与成本下探，L3级逐步落地，L2级功能向中低端车型下沉，高算力芯片与域控制器需求放量[16] 工业软件 - 下游行业资本开支有所收缩，如钢铁行业2025年前三季度同比增速企稳至0.8%，但政策驱动的更新改造需求有望带动行业景气度回暖[4][17] - AI技术推动向“全流程自主运行”转变，全自主运行工厂系统实现生产闭环，物理AI引擎实现复杂场景实时模拟[17] - 重点厂商如中控技术推出TPT、UCS等新一代高度集成化工控产品，逐步改造工业生产的技术范式[4][17]

公司业务概况 - 公司为业务撮合平台，核心是连接货主与司机，业务遍及中国内地、东南亚、南美洲等全球400多个城市和地区 [7] - 平台月均有近2000万活跃用户和200万活跃司机，运营效率和用户体验是核心能力 [7] AI战略定位与路径选择 - 公司参考高盛2023年AI研报评估方法，通过岗位调研和任务拆解量化AI提效潜力，确定生成式AI将率先在高数据密度、人力密集型领域引发生产力革命 [7] - 初期投入资源研发货运行业垂类大模型，但最终调整方向，认识到基础大模型应由行业和大厂提供，而企业自身的AI应用平台建设更为重要 [8][9][10] - 公司花费一年多时间构建了三个核心AI平台：海豚平台（面向算法开发者）、悟空平台（支持非专业人士快速搭建智能体应用）和评测标注平台 [10][14][15] AI平台核心功能 - 悟空平台具备可视化流程编排、0代码智能构建能力，支持通过自然语言构建基本智能体，并建设企业级工具库 [10][13] - 海豚平台为算法工程师提供从数据训练、模型开发到上线维护的全生命周期一站式管理，旨在提升开发效率 [14][15] - 评测标注平台通过标注AB试验平台和拉拉智评等工具，重点提升模型PK和AB试验分流的完善度，确保上线结果可靠可重复 [15] AI具体应用场景与成效 - 在业务安全防控方面，通过大模型结合语音、图像等非结构化数据进行实时检测和干预，使危险品运输和违规载人的风险订单量下降30%，订单提醒率达到100% [16] - AI Coding在个体和团队中的使用率达到90%，研发流程渗透率达60%，但目前估算整体工作效率提升约为10% [17][18][19] - 产品体验创新包括“拍货选车”功能，通过AI点云分割计算货物体积并匹配车型，推荐过程仅需10秒钟 [20] - 利用大语言模型分析用户反馈，能精准捕捉如“开发票效率低”等以往易被忽略的信息 [20] - 构建AI产品知识专家系统，整合公司PRD文档、代码仓库等资料，解决历史知识垃圾和跨部门协作问题 [21] - 通过大语言模型优化短信内容，简化冗长表达，一年节省短信成本约12%，并提升风险合规预测能力 [22] AI数字人应用 - 开发AI+ASR+LDM+TTS三维串联的AI业务伙伴，通过热词运营和声学模型优化，语义识别准确率达94% [23][24] - 通过带口音的音色调整，使AI数字人的真人度达到92%，并利用大语言模型进行问题改写和场景路由，提升问题解决率和准确率 [24] 行业影响与未来展望 - 在当前以服务为主体的O2O行业（如电商、货运），AI的核心作用在于增收和降本，其提效能力被认为尚处于边缘，约在5%-10% [25] - 未来发展方向包括推进多模态模型方案，实现ASR、LLM、TTS的端到端单模型整合，并计划通过多个数字人协同提升整体企业流程效率 [25][26] - 长期期望是通过端到端大模型助手，对智能选车、智能填单以及内部运营、答疑等环节带来更大提效，进一步提升用户体验 [26]

活动概览 - 2025中国技术力量年度榜单评选报名即将于11月30日截止[2][3] - 评选结果将于12月19日在AICon·北京站揭晓并举行颁奖典礼[8] - 该榜单评选已连续举办五年，每年基本收到来自100余家企业的案例申报[4] 参与企业 - 参评企业阵容强大，包括阿里、腾讯、京东、百度、字节跳动、网易、科大讯飞、蚂蚁科技、神州数码、商汤科技等行业巨头[4] - 同时也有昆仑万维、博查科技、无问芯穹、小影科技等创新代表企业加盟[4] 评选主题与方向 - 本次榜单以“洞察AI变革，见证智能未来”为主题[4] - 评选围绕AI基础设施、工程与部署、智能体生产力、行业应用、数据智能、AI Coding、具身智能与开源等八大方向展开[4] 榜单类别 - 共设立八大榜单类别，包括2025年度AI基础设施卓越奖TOP20、2025年度AI工程与部署卓越奖TOP20、“人工智能+”行业最佳解决/落地方案TOP20、AI Agent最具生产力产品/应用/平台TOP15、Data & AI最具价值产品/平台TOP10、AI Coding最具生产力产品TOP5、具身智能明星产品TOP10、AI开源明星项目TOP10[5] 评选规则 - AI工程与部署卓越奖、“人工智能+”行业最佳解决方案、Data & AI最具价值产品/平台、具身智能明星产品、AI开源明星项目五大奖项的评审规则为专家团打分占70%，InfoQ主编团打分占30%[9] - AI基础设施卓越奖、AI Agent最具生产力产品/平台、AI Coding最具生产力产品三大奖项的评审规则为专家团打分占70%，InfoQ主编团与用户评分占30%[11] - 用户评分在模力工场平台进行，仅统计评审期间的分数，由评论、点赞等数据构成的算法计算得出[11] 评选维度与行业观察 - 针对“人工智能+”行业最佳解决方案，重点考察维度包括内部落地效果、资源投入情况、方案的可复制性及跨行业参考价值，而非仅靠堆砌资源带来的效果[14] - 在Data & AI层面，数据安全与合规是评分过程中特别注意的维度[14] - 在AI Coding层面，由于大量工具出现和开发者试用，该奖项的用户评分所占比重较高[14] - 在具身智能领域，除了产品本身，也关注产品在市场落地方面的潜力[14] - 在AI开源领域，除了技术和项目的成熟度，也在意是否遵守开源协议以及社区活跃度[14]