报告概述
本报告由东莞证券研究所发布,系统研究了AI编程(AI Coding)行业的发展现状与未来趋势。报告覆盖全球及中国市场,重点分析了AI编程从辅助型工具向自主型Agent的演进路径,海外头部产品的商业化进展,以及国内市场的竞争格局与增长潜力。研究基于亿欧智库、IDC等第三方数据,并结合对Cursor、GitHub Copilot等代表性产品的深度剖析,为投资者提供行业全景与投资策略。
报告的核心结论
AI编程正从辅助型工具向自主型Agent跃迁
报告指出,随着AI Agent技术快速发展,AI编程工具不再局限于代码补全,而是能够自主完成需求拆解、代码生成、测试部署等全流程任务。Cursor 2.0的多智能体架构和GitHub Copilot的Agent模式是典型例证,标志着行业进入新阶段。
海外AI编程工具ARR爆发,验证商业化价值
报告显示,截至2025年11月,Claude Code和Cursor的ARR均突破10亿美元,Devin突破4亿美元。Cursor一年内估值飙升约12倍,成为史上增长最快的AI SaaS产品之一,证明AI编程赛道具备强劲的盈利能力和资本吸引力。
国内AI编程市场渗透率低,增长潜力巨大
根据IDC数据,截至2025年上半年,国内仅30%的开发者使用AI编程工具,远低于美国的91%。报告认为,随着国产大模型能力提升和厂商推广力度加大,未来国内AI编程市场将加速渗透,预计2028年中国AI代码生成市场规模将达330亿元。
国产大模型在编程领域展现出强劲追赶态势
报告列举了Artificial Analysis Coding Index中国产模型的表现,智谱GLM-5和阿里Qwen3.5进入前十。2026年初,MiniMax M2.5、Kimi K2.5等模型在OpenRouter调用量榜单中位列前茅,显示国产模型在编程能力上的快速进步。
报告回答的关键问题
AI编程行业目前处于什么发展阶段?
AI编程已从辅助代码补全的Copilot阶段跃迁至能自主执行开发任务的Agent阶段,产品功能日趋成熟。海外头部产品ARR集体突破10亿美元,验证了商业化价值。国内市场仍处于早期,渗透率低但增长潜力巨大,预计将持续高增长。
国内有哪些主要厂商布局AI编程?
国内AI编程市场参与者分为三类:互联网头部厂商(如字节跳动Trae、阿里云通义灵码AI IDE、百度Comate等),AI初创/大模型企业(如智谱、MiniMax、月之暗面等),以及企业级软件服务商(如卓易信息、普元信息)。互联网大厂密集推出免费AI IDE以争夺市场份额。
AI编程对开发效率的提升有多大?
报告以卓易信息SnapDevelop为例,其低代码IDE使开发效率提升至传统方法的2-3倍。普元信息“一开”平台集成AI后,开发效率提升300%,成本降低50%以上。AI编程通过自动化重复性任务,显著缩短开发周期。
哪些行业AI编程渗透率最高?
根据亿欧智库数据,AI编程在中国互联网行业渗透率达90%,游戏行业达80%。这些行业具有任务密集、高度规范、项目制驱动等特点,与AI代码生成高度契合。
报告中的代表性数据
中国AI代码生成市场规模
2023年,根据亿欧智库数据,2023年中国AI代码生成市场规模为65亿元,预计到2028年将增长至330亿元,CAGR为38.4%。
全球AI编程市场规模
2023年,根据亿欧智库数据,2023年全球AI编程市场规模为42.9亿美元,预计到2031年将超过244.6亿美元,CAGR为24.3%。
海外头部AI编程产品ARR
截至2025年11月,根据J.P. Morgan数据,截至2025年11月,Claude Code和Cursor的ARR均已突破10亿美元,Devin的ARR突破4亿美元,GitHub Copilot在2024年7月已突破3亿美元。
以上数据根据报告摘要整理,具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整市场数据与趋势图表:包含全球及中国AI编程市场规模、增长率、行业渗透率等关键数据,以及未来预测曲线。
- AI Agent与AI Coding相互赋能的机理分析:从技术层面阐述大模型、Agent与编码工具的协同演进逻辑。
- 海外头部产品深度剖析:包括Cursor和GitHub Copilot的产品迭代历程、功能对比、定价策略及用户增长数据。
- 国产大模型编程能力排名:基于Artificial Analysis Coding Index和OpenRouter调用量榜单,展示国产模型的竞争地位。
- 国内重点上市公司分析:详细分析卓易信息、普元信息等企业的业务布局、产品策略及财务预测。
- 投资策略与风险提示:给出行业投资评级、重点公司盈利预测及估值,并提示宏观经济、技术发展、行业竞争等风险。
本页内容由川海智库整理,用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限,部分观点、数据、统计口径或表述可能存在偏差,具体内容请以完整报告原文为准。





