如需进一步了解房卡的购买方式
，建议查阅相关平台的官方网站。
【央视新闻客户端】

　　证券日报网讯 7月3日，钧达股份在互动平台回答投资者提问时表示 ，公司地面钙钛矿叠层电池小面积转换效率达到33.53%，处于行业领先水平
，已完成关键技术验证
。地面钙钛矿叠层电池以及适配太空场景的柔性钙钛矿-晶硅叠层电池目前均处于实验室研发阶段，现阶段尚未形成营收及利润 ，未来技术研发
、产业化及市场推广仍存在不确定性。（文章来源：证券日报）

来源：第一财经2026.07.03本文字数：1765
，阅读时长大约3分钟作者 | 第一财经 陈杨园封图 | Claude 官网AI编程工具加速演进的浪潮下，一场围绕海外工具安全与自主替代的内部调整正在国内大型互联网公司中出现 。7月3日 ，记者从阿里内部人士处获悉
，因近期Claude Code被曝存在植入后门的安全风险，阿里经综合评估后已将其列入高风险软件名单
。自7月10日起 ，阿里将全面禁止内部员工在办公环境下使用Claude Code
，并推荐使用Qoder作为替代方案。天使投资人、资深人工智能专家郭涛对第一财经记者分析，此次阿里全员禁用Claude系列产品 ，是兼顾数据安全 、合规风控与自主化转型的战略性决策
，而非单纯的技术工具取舍 。郭涛进一步表示，此前阿里内部鼓励员工使用海内外AI工具 ，大额报销外部模型成本，Claude Code更是程序员高频编码工具
。但Anthropic单方面指控阿里开展模型蒸馏攻击
，叠加其针对性标记
、封禁中国用户，且拒绝退款、申诉渠道闭塞等 ，让阿里研发数据面临泄露与溯源风险
，阿里内部禁用Claude Code基于多重现实考量。“随着监管因素持续影响AI产业，越来越多厂商和企业会重新评估对海外模型与工具的依赖 。
”Forrester副总裁兼首席分析师戴鲲也对记者表示 ，这会加速国产AI Coding工具在大型企业中的渗透
，并持续推动中国乃至泛亚太市场形成更加独立的模型与开发工具生态
。一个趋势是，全球AI头部企业之间的行业竞争和外部影响不断加剧 ，影响着国内厂商主动或被动地减少对海外AI工具的使用。另一方面
，在AI编程等领域，过去一年国产AI工具的进化也在不断加速 ，尽管与海外头部工具或许仍存在差距
，但无论从数据安全还是商业化角度考量，中国厂商们抢夺这片市场的机遇也正来临 。阿里之外 ，字节 、腾讯等更多厂商对使用Claude Code的内部调整也有待观望
。“这可能是国内企业掀起海外AI工具风控整改浪潮的开端，互联网
、科技企业将优先搭建内网可控的国产AI研发体系。产业端会加速AI编码工具国产化替代进程
，阿里通义Qoder等自研工具获得规模化落地场景 。”郭涛表示，伴随着中美AI技术博弈下沉至底层开发工具领域 ，可能终结国内大厂对海外AI编码产品的无约束使用时代
，推动AI研发赛道从流量应用竞争，转向安全自主、生态可控的硬核实力竞争。一个细节是 ，禁用Claude Code的同时
，阿里向内部员工推荐使用Qoder作为替代方案
。这是阿里自己的智能体编程平台，于2025年8月上线Qoder ，截至2026年5月
，阿里公布Qoder 在全球积累了超 500 万用户，完成从需求分析到代码部署的端到端自主开发全流程。过去一年里 ，AI编程也是阿里瞄准的一个重要市场
，今年5月，阿里推出的Qwen3.7-Max模型也强调编程 、推理等能力上的突破 。阿里禁用Claude Code背后的另一条隐线是AI Coding对云厂商token收入的重要影响
。阿里云智能集团资深副总裁、公共云事业部总裁刘伟光透露 ，在他看来，token服务中
，从未来空间看，广告
、传媒、影视 、短视频等市场也有非常大的空间 ，但与Coding和Agent方向的大语言模型相比
，完全不是同一量级。“Coding是我们最重要的方向，它几乎for everything 。 ”刘伟光直言 ，以前在云计算时代
，工作当中经常出现的一个难点是，盘点客户的IT预算 ，会发现有一部分预算是吃不到的
，就是用户企业内部的软件开发和人力外包，“现在正好是反过来 ，这些部分恰恰是AI Coding100%命中点
。
”这意味着
，这场双向封禁的纷争之中，或许也暗藏着国产工具谋求“上位”窗口期的野心。郭涛认为 ，目前国内AI coding工具已完成基础能力国产化，处于基础能力对标
、高端工程攻坚、生态持续补短板的关键中段阶段 。基础代码补全 、Bug修复
、常规项目开发能力已接轨国际水平
，但在一些任务中可能仍存在差距，且工具适配、私有化部署等配套生态尚待完善
。阿里Qoder 、字节Trae们正进一步站上牌桌 ，但能否把国产AI编程赛道推向一个新的分水岭仍是一项长期挑战。“大厂坐拥海量真实工程数据
、成熟云服务与研发流水线
，可快速迭代自研编码工具，抢占政企、互联网市场 ，构建一体化云端AI研发生态 。 ”郭涛表示
，不过，国内厂商的挑战在于高端复杂工程能力仍需长期打磨 、算力成本高昂且行业生态碎片化问题等亟待统一优化
。戴鲲则认为 ，国产AI Coding工具正从单点开发辅助走向企业级落地阶段
，挑战在于它们需要证明持续投入的Token成本能够转化为可量化的效率提升和业务ROI。与此同时，国产AI Coding未来最大的机会不只是替代代码生成工具 ，而是推动企业业务流程和存量应用的智能体化改造
，以及开发由企业知识驱动的新一代智能体应用 。