Cursor 是一家由四位前程序员共同创立的 AI 编码平台公司，该公司实现了 90 亿美元的估值和极快的增长。最近，其联合创始人兼首席执行官 Michael Tru 出席了由创业孵化器 Y Combinator 主办的活动，阐述 AI 如何使编程更易于访问，以及 Cursor 的业务逻辑。

Michael Tru 提到，Cursor 的终极目标是取代传统的编码方式，创造一种更优越、更高级、更高效的软件构建方法。他们设想的未来是，用户只需描述想要实现的功能，软件就能被构建出来。作为经验丰富的程序员，联合创始人团队认为，尽管编码能快速构建事物，但它需要处理数百万行复杂的程序语言，并涉及大量劳动来将简单的想法呈现在屏幕上。他们相信在未来 5 到 10 年内，将有可能发明一种新的软件构建方式，这种方式将更高级、更高效，只需定义软件的外观和工作方式即可。

AI 在编码中的当前和未来作用目前，AI 在编码中主要扮演“助手”的角色。Cursor 的数据显示，AI 平均能编写用户 40% 到 50% 的代码行。Michael Tru 解释了 AI 在编码中的两种主要使用方式：

• 代理模式 (Agent form factor)：用户将任务委托给 AI，例如“帮我做这件事”或“回答这个问题”。


• Tab 键模式 (Tab form factor)：AI 像助手一样“旁观”，并偶尔接管键盘进行代码补充或修改。Michael Tru 认为，在接下来的 6 个月到 1 年内，这两种模式的实用性都将提高一个数量级。他预测，一旦这些功能成熟，在 25% 到 30% 的专业开发工作中，开发者将能够完全依赖 AI，无需过多关注代码细节。

AI 编码面临的挑战与未来方向要实现 AI 编码的“超人”水平，仍面临多重挑战：

• 上下文窗口限制：处理数百万行代码（相当于数亿个 token）对模型的理解能力和成本效益构成挑战。模型不仅要能摄取这些信息，还要能有效关注和利用上下文。


• 持续学习问题：模型需要持续学习组织的上下文、过去的尝试以及同事的信息，这仍然是一个待解决的难题。


• 长期任务执行：AI 需要能够长时间持续推进任务。


• 多模态交互：软件工程师需要运行代码、查看日志并与各种工具交互。未来的 AI 代理也需要具备这种“计算机使用”的能力。


• 用户界面与控制：即使 AI 编码能力达到人类水平甚至更高，单纯的文本框输入仍然不够精确。为了让用户能控制屏幕上呈现的细节，需要更高级的编程语言或直接操作 UI 的方式（例如直接点击屏幕元素进行修改）。


• 美学感知：模型目前对美学缺乏清晰的理解，这需要通过收集大量数据和强化学习来弥补。

软件工程师角色的演变与“品味”的重要性Michael Tru 认为，未来软件工程师中不可替代的核心要素将是“品味”。这不仅体现在软件的视觉方面，也体现在非视觉的逻辑工作方式上。他指出，目前的编程工作将“你如何定义产品”与“如何通过代码实现高层次的品味”捆绑在一起，其中很大一部分是“人工编译”过程，即需要将想法详细地向计算机阐明。未来，这种“人工编译”的步骤将逐渐消失，计算机将能够自动填充细节。软件工程师将更多地成为“逻辑设计师”，专注于定义“什么是有用的”和“你真正想构建什么”。

AI 对软件开发行业的影响AI 驱动的编程将带来多方面的影响：

• 生产力大幅提升：专业开发人员的生产力将大大提高，这将加速大型软件项目的推进速度。


• 创新速度加快：构建新的分布式训练框架、数据库、视觉设计工具和 AI 模型将变得更快。


• 利基软件的普及：将出现更多定制化、利基领域的软件。例如，生物技术公司等非核心业务为软件开发的企业，将有更多易于获取的内部软件开发选择，而无需投入大量资源雇佣和培训专业的软件工程团队。Michael Tru 认为，数字空间的物理特性将得到极大提升，用户所设想的功能将更容易实现。

Cursor 的发展历程与业务逻辑Cursor 创始团队在 2021 年的两个关键时刻受到了启发：一是 GitHub Copilot 展现出 AI 在实际应用中的巨大潜力；二是 OpenAI 等机构的研究表明，通过扩展数据和计算资源，模型的性能会按可预测的规律持续提升。起初，Cursor 尝试开发机械工程领域的 CAD 协同设计工具，训练 3D 自动补全模型。然而，他们最终放弃了这个方向，原因在于团队对机械工程领域的热情不如对编码，并且当时 3D 领域 AI 科学和数据（3D CAD 模型数据远少于代码）尚未成熟。这次“不成功”的尝试却为 Cursor 积累了宝贵的经验，包括大规模训练和推理模型的实践。最终，团队决定回到他们所熟悉的编码领域。他们相信，未来所有编码都将通过 AI 模型进行，而现有的市场参与者似乎没有朝着这种彻底变革的方向努力，这给了他们进入市场的信心。

产品决策与增长模式Cursor 早期一个非同寻常但极具前瞻性的产品决策是构建一个独立的编辑器，而不是仅仅作为现有编辑器的扩展。这一决策源于他们对未来“所有编程都将通过 AI 模型进行，并需要一个控制 UI”的判断。他们了解到 GitHub Copilot 团队在将自动补全功能整合到 VS Code 时，也需要修改编辑器底层 API 的挑战。Cursor 的增长并非一蹴而就。在发布最初的一年里，他们经历了“在荒野中摸索”的阶段，用户数量增长缓慢。通过持续迭代产品细节，并开始引入自定义模型，增长才开始提速。Cursor 衡量成功的核心指标是“付费活跃用户”：即每周有 4 到 5 天使用 AI 功能的用户。他们认为，对于专业工具而言，能让用户升级到付费层级并持续使用，是产品可持续性的关键。

人才招聘与企业文化在招聘方面，Cursor 早期采取了“非常慢”的策略。他们认为，要实现长期快速发展，一开始花 6 个月时间精心挑选前 10 名员工至关重要。这些人才不仅能提升团队的“人才密度”，还能作为“免疫系统”确保未来的招聘质量。他们偏爱具备产品思维和商业头脑，同时又能大规模训练模型的“通才型全能者”。在面试技术筛选环节，Cursor 仍然要求候选人不能使用 AI 工具（除了自动补全），以评估其原始技能和智力。他们更愿意招聘那些优秀的程序员，即使他们没有 AI 工具使用经验，因为这些技能可以在工作中学习。为了保持“黑客精神”和创业活力，Cursor 采取了以下措施：

• 激情招聘：招聘流程中包含为期两天的现场项目，以评估候选人对问题领域的激情和投入度。


• 鼓励创新：鼓励员工在业余时间进行底部自发性实验，并明确将部分工程师团队分离开来，给予他们自由探索的空间。

护城河与未来愿景Michael Tru 将 Cursor 所在的市场比作 90 年代末期的搜索引擎市场和 2000 年代初期的消费电子市场（iPod/iPhone 时刻）。这些市场的共同特点是产品改进空间巨大，通过不断推动前沿技术能获得巨大收益。他认为，分发能力是关键的护城河之一。拥有大量用户使用产品，就能获得大量数据（例如用户接受或拒绝 AI 建议的情况），从而了解产品的优缺点，并据此改进底层模型和产品。Michael Tru 对未来十年充满期待，他认为构建能力将得到极大的增强，不仅专业人士的生产力将提高，普通人也能更容易地进行构建。