就在昨天，字节跳动启动了AI业务组织调整！
这是自2021年实行业务板块化以来，字节对To B业务动作最大的一次。
飞书产品团队并入豆包，飞书的市场、销售、客服体系则与火山引擎整合，组建新To B GTM组织“创造力服务平台”。
表面看，这只是一次协同办公产品的架构重组，但如果结合当前全行业的动作来看，这大概率也和字节想在Coding上争取更多资源有关。
毕竟，在几乎同一时间段里，大家都把重点放在了Coding上。
梁文锋在闭门交流中透露 DeepSeek现阶段最重要的是Coding Agent；阿里云刘伟光公开喊出Coding几乎for everything；阿里也在7月初发文禁止办公环境使用Claude Code，全面推进自研Qoder。
字节官方披露的信息是，"创造力服务平台"负责字节MaaS和SaaS等云服务的市场、销售和客户服务。
我们的判断是，字节希望借助飞书这支比较熟悉大客户销售的团队，帮助Trae、Seed等自研模型和Coding能力更好地触达企业客户；飞书产品并入豆包，也可能是想让豆包在生产力场景上有更完整的产品承接能力。
各家公司都在讲“AI First”，但大家都很清楚，作为核心引擎的Coding赛道，目前基本都处于起步阶段。
所谓的“AI First，Coding Zero”背后，是底层的组织架构、模型能力、商业化路径的全面重塑。
大家都在补课
牌局规则最早由Anthropic定义。
2025年2月，Claude Code发布，将行业带入Agentic Coding阶段。
AI不再仅在编辑器里补全代码，而是直接操作终端，自主完成读代码、跑测试、改Bug、交付任务的完整流程。
Claude Code上线半年多，年化收入冲过10亿美元量级，到2026年2月已达约25亿美元。
据相关报道，Meta 公司一度全员都在使用Claude Code。尽管代码属于公司核心资产，半年前很难想象会让外部API触碰。
面对Claude Code在全球开发者和巨头内部的垄断势头，OpenAI很快跟进。2025年之前，OpenAI尚无独立Coding产品，编程能力混在ChatGPT订阅和API里。
之后旗下Codex独立并发力，使用量从Claude Code的一个零头，一路追至接近四成。
竞争氛围传导至国内，几乎所有头部大厂都在加速补课。
比如字节Trae、阿里Qoder、腾讯CodeBuddy、智谱CodeGeeX、商汤Raccoon、百度Comate、华为CodeArts、月之暗面Kimi Code，名单越来越长...
稍作对比，阿里动作最为具体。
今年7月初，因Claude Code被曝存在安全后门隐患及合规风险，阿里内部将其列高风险软件，7月10日起禁用于办公场景，推荐自研Qoder替代，蚂蚁随后跟进类似政策。
字节虽未明令禁止，但工信部相关平台对Claude Code发安全风险提示后，该产品在字节内部也变得敏感。
AI First不只是对外战略口号，它正变成一道道内部通知、一次次架构调整，以及一个被砍掉或被扶正的产品线。
Coding为什么值得大厂重投入？
表面看，大厂为了一个给程序员写代码的工具不惜推倒组织架构、甚至掀桌子重新组装团队，似乎有些过热。
但在商业世界里，从来没有无缘无故的疯狂。
在这场看似拥挤的赛道背后，藏着大厂最现实的变现诉求、算力消耗以及对未来企业级云生态控制权的终极焦虑。
首先，Coding效果最容易被验证。
相比AI客服提升多少体验、会议纪要省多少时间等模糊指标，Coding可直接换算为开发周期缩短天数、Bug减少数量、测试覆盖率提升比例，这些都能进财报。软件工程师是成熟付费群体，早已习惯为效率工具买单，研发部门往往是企业里首批愿为Agent产品付费的客户。
其次，Coding是目前少数Token消耗确定的场景。
一次复杂Agentic Coding任务，模型需持续读取代码库、调用工具、执行测试、按反馈反复修改，消耗Token可达普通代码问答的成百上千倍。谁拿下企业开发入口，谁就能锁定后续持续推理算力订单。
还有，Coding能触达云厂商过去难吃到的预算。
企业内部软件开发和人力外包预算，过去云厂商很难直接参与，AI Coding恰好能覆盖。阿里云、腾讯云、火山引擎均把自家Coding产品与云业务绑定。
用Qoder，算力跑在阿里云；用CodeBuddy，算力跑在腾讯云；用Trae，算力跑在火山引擎。表面卖开发工具，实际拿下企业算力预算。
字节此次把飞书销售体系并入火山引擎，逻辑亦在于此。
豆包负责产品协同，火山引擎负责把能力真正卖给企业客户，一边补产品，一边补销售渠道。
赛道本身仍处早期
把镜头拉远，会发现这条赛道尚未成熟。
字节自身路径可说明问题。先做IDE（Trae），后补底层模型（Seed-Code）。早期因自研模型能力有限，字节内部业务线宁用第三方模型也不用Seed-Code，导致数据回流不足，模型迭代较慢。
局面直到今年才有所改变，字节高层要求部分应用部门强制切换Seed模型，才慢慢扭转。
企业客户也遇类似问题。
据媒体报道，Uber内部发现员工大量使用Claude Code、Cursor等工具后，数月耗尽全年大部分AI预算，只能限制部分高成本工具使用。
埃森哲也对非研发岗位的AI工具使用做了限制，例如把PDF转PPT、简单文档润色等低价值任务，不再鼓励调用成本高的大模型。
换句话说，AI Coding一边被视为大模型公司较确定的收入来源，一边是企业当前较烧钱的应用场景之一，能力提升与成本控制仍在互相拉扯。
就像字节内部有句话说的，代码生成门槛降低了，系统复杂度并未随之降低。
所以说，Coding Zero想表达的正是，无论组织架构如何重组、销售团队如何整合，决定胜负的模型能力、成本结构与商业模式，眼下依然处于清零重构的原点（Zero）。
字节此次将飞书、豆包、火山引擎重新拼装，只为在这条最激烈的赛道上，抢到一个能跑到下一个纪元的入口。
但还是那句话，对于所有大厂而言，AI First 喊得再响亮，落到 Coding上，大家其实都还在Zero的起跑线上。
谁能率先在这个万亿级的算力黑洞里解开成本与效率的方程式，谁才能真正把战略口号，兑现成利润表上实打实的数字。