The Rise of Cursor：年入3亿美元的AI代码编辑器，工程师为何欲罢不能
The Rise of Cursor：年入3亿美元的AI代码编辑器，工程师为何欲罢不能
嘉宾：Michael Truell ｜ Any Sphere 联合创始人兼CEO ｜ 领域：AI 产品与未来趋势
背景与引子
如果有人告诉你，一款代码编辑器能在两年内从零做到3亿美元 ARR，你可能会觉得这是天方夜谭。但 Cursor 做到了。
2022年，当 GitHub Copilot 掀起 AI 编程热潮时，大多数人以为这个市场已经被巨头收割。然而一家名叫 Any Sphere 的小团队，凭借一款叫 Cursor 的 AI 代码编辑器，硬是在巨头的阴影下杀出了一条血路。20个月破1亿 ARR，两年破3亿 ARR——这个速度在整个 SaaS 历史上都是罕见的。
更值得关注的是，Cursor 正在重新定义“写代码”这件事。创始人 Michael Truell 提出了一个激进却令人信服的愿景：code 之后是什么？他的答案是：我们正在迈向一个用自然语言“指定意图”的新世界——不是不写代码，而是代码将退居幕后，人类的审美和判断力将成为最稀缺的能力。
这不仅是一次工具革命，更是一次对“工程师”职业本质的重新思考。
一、嘉宾是谁
Michael Truell 是 Any Sphere 的联合创始人兼 CEO，也是 Cursor 这款产品的缔造者。在创办 Cursor 之前，他在 AI 领域深耕了十年——在 MIT 攻读完计算机科学与数学学位后，他先后在 MIT 和 Google 从事 AI 研究。
Michael 是一位技术史的深度研究者。他书架上摆满了计算机行业发展史的著作，他对搜索时代、PC 时代的兴衰如数家珍。这种对历史的痴迷并非装饰——正是这种视角让他在 AI 热潮中保持清醒，能够区分真正重要的技术进步和昙花一现的炒作。
尽管 Cursor 已经成为 AI 编程领域的标杆产品，Michael 依然保持着极低调的曝光度。这次播客是他继 Lex Fridman 之后接受的第二次公开访谈。他说自己宁愿把时间花在产品上，也不愿意出现在聚光灯下。这种务实与专注，或许正是 Cursor 能够在激烈竞争中持续领先的原因之一。
二、核心观点 TOP10
- Cursor 的终极目标是发明一种全新的编程方式，一个代码之后的世界
- 未来的编程将更像“逻辑设计”，核心是指定你的意图，而非实现细节
- 品味（taste）将变得前所未有的重要——包括视觉品味和逻辑品味
- 代码之后的形态可能更接近自然语言/伪代码，人类可读可编辑
- AI 模型会越来越好，但人类始终需要保持在驾驶座上
- 最成功的客户往往把任务拆解成小块，而不是一次性给出完整指令
- 我们从没想过要做自己的模型开发，但现在每个魔法时刻都离不开定制模型
- 增长速度从内部看其实很慢——指数增长初期看起来就像线性增长
- 这是一个对既有巨头不友好的市场，谁的产品最好谁就赢
- 长期来看，对软件工程师的需求不是减少，而是会大幅增加
三、关键洞察
1. AI 编程的终极形态不是聊天机器人，而是新一代 IDE
Michael 明确反对两种流行观点：一是认为未来编程跟现在没太大区别，二是认为未来就是往聊天框里输入指令让人工智能帮你做所有事。他指出，聊天式交互缺乏精确性。如果你想让人类对软件拥有完全的控制权，你需要一种比“在一个文本框里输入’改一下我的应用‘“更精确的交互形式。Cursor 的赌注是：整个编程界面都需要被重新设计。
2. “品味”而非“细心”将成为工程师的核心能力
今天工程师最重要的技能之一是“细心”——你需要小心翼翼地处理每一个细节，因为一个 bug 可能导致整个系统崩溃。Michael 预判，随着 AI 能力的提升，这种“细心”将逐渐变得不那么关键，取而代之的是“品味”：什么应该被建造？逻辑应该怎样设计？产品应该长什么样？这些判断力将成为差异化竞争力。
3. 自研模型不是选择，而是必然
最初 Michael 和团队以为他们会完全依赖现有的基础模型。毕竟训练 GPT-4 需要的天量资源是初创公司无法承受的。但实际上，今天 Cursor 的每一个魔法时刻背后都有定制模型的参与——无论是极速的代码补全，还是智能的代码库检索，再到将高级指令转化为实际代码。这一转变是渐进式的：从一个用例开始尝试验证，然后扩展到更多场景，最终成为产品体验不可分割的一部分。
4. 指数增长初期看起来像线性增长
Cursor 的增长让外界惊叹，但 Michael 的描述却异常平淡：“指数增长初期感觉相当慢，因为基数太小了。”这种“事后回顾才清晰”的认知偏差在创业圈普遍存在。很多创始人因为感觉进展不够快而过早放弃，实际上他们可能正站在指数曲线的起跳点上。
5. 巨头失利的结构性原因
提到 Microsoft 和 Copilot，Michael 表达了对这个前辈产品的敬意，但也点出了它未能兑现期望的结构性原因：这个市场对既有巨头并不友好。用户可以轻松尝试不同的工具并判断哪个更好，这种低切换成本使得 bundling（捆绑销售）策略失效。在 AI 编程这个领域，每一次发布新版本都可能是重新洗牌的契机。
四、精彩金句
“我们的目标是发明一种全新的编程方式，简而言之，就是把你要告诉计算机的东西压缩到最简洁的形式——你只需要定义你希望软件如何工作、如何呈现。”
——关于 Cursor 的核心愿景，简洁而深刻地概括了“代码之后”的世界。
“很多人会把代码想得很复杂、难以理解，而我们希望让代码世界变得更平易近人、更容易导航。”
——对“后代码”世界的期许，呼应了让编程“民主化”的宏大叙事。
“今天的工程师像是在做精细的手工艺活，而未来的工程师更像是在做逻辑设计——你指定意图，而不是实现细节。”
——对工程师职业转变最精准的描述。
“如果你处于一个很快就能把所有有用的事情做完的领域，这不是好兆头。但如果你在的地方是：更大的投入和更聪明的人能持续产出价值，那么你就拥有了护城河。”
——关于可持续竞争优势的深刻洞察。
五、实战案例
从机械工程工具到代码编辑器的战略转向
Cursor 的起点远比外界想象的曲折。Michael 和团队最初花四个月时间研究的不是代码编辑器，而是一个面向机械工程师的 AI 工具。他们的思路是：选择一个“无聊”的赛道，没有竞争。但这条路很快暴露了问题——团队成员都不是机械工程背景，存在严重的“盲人摸象”困境。更棘手的是，训练适合机械工程的模型需要大量 3D 模型和 CAD 数据，而这些数据在互联网上非常稀缺。
转机来自对编程工具的重新审视。他们意识到，虽然 GitHub Copilot 证明了 AI 在编程领域的可行性，但当时的产品在雄心上还存在明显差距。更重要的是，他们预判编程界面本身将会发生根本性变化——而现有编辑器的扩展性根本无法支撑这种变化。“如果你认为 UI 和编程形式会大幅改变，你就必然需要掌控整个应用。”这个判断最终让他们走上了自建编辑器的道路。
Autocomplete 模型：定制化的第一个突破口
Cursor 最引以为傲的功能之一是其超强的代码补全体验。团队发现，代码是一种特殊的工种——有时候接下来五分钟、十分钟甚至半小时的工作完全可以从上下文预测。但这个场景对模型有极高要求：必须在 300 毫秒内响应，每次按键都要重新计算，而且要考虑跨文件的依赖关系。通用大模型既贵又慢，根本无法满足需求。
团队从开源模型起步，针对代码补全场景进行专项训练，最终构建了一套能够预测多文件、多位置变化的补全系统。这个模型没有任何品牌标识，却构成了 Cursor 体验最核心的部分之一。
六、行动建议
1. 把大任务拆解成小任务，逐步与 AI 协作
为什么要做：一次性给 AI 完整的任务描述往往导致灾难性的结果——你会在最后发现 AI 完全理解错了你的意图，只能从头再来。
如何开始：在使用 Cursor 或类似工具时，先让 AI 完成一个小模块，审视结果后再给出下一个指令。看似花费更多时间，实际效率反而更高。
能得到什么：一个可控的反馈循环，你能始终保持对产品的控制权，同时享受 AI 带来的效率提升。
2. 在安全环境中探索 AI 的能力边界
为什么要做：很多工程师低估了 AI 的能力，继续使用自己熟悉的旧工作流程，错过了巨大的效率红利。
如何开始：选择一个 side project，用 Cursor 尝试完成一些平时不敢让 AI 碰的复杂任务。故意“失败”，了解 AI 在什么情况下会出问题。
能得到什么：对 AI 能力边界的直觉认知，这种 gut feeling 能帮助你在日常工作中更好地判断何时依赖 AI，何时需要人工介入。
3. 培养“品味”——对“应该做什么”的敏感度
为什么要做：Michael 预言，未来最值钱的能力不是写代码，而是知道要建什么、逻辑应该怎样设计。这种能力需要刻意培养。
如何开始：不仅关注实现细节，还要多思考产品层面的问题。为什么这个功能要这样设计？如果我来设计会怎么做？这种审美训练将成为 AI 时代工程师的核心竞争力。
能得到什么：不被 AI 替代的能力——AI 能执行，但不能判断什么是值得做的。
4. 关注模型能力的演变，及时校准预期
为什么要做：Michael 提到，每个新模型的 quirks 都略有不同，你需要持续校准对工具的期望，否则要么过度依赖，要么过度保守。
如何开始：每当主流模型发布新版本时，花一小时系统性地测试新能力边界，更新自己的 mental model。
能得到什么：始终保持对工具的最优使用方式，不会因为认知滞后而错失效率提升。
5. 对抗噪音，建立“技术免疫系统”
为什么要做：AI 领域每天都有爆炸性新闻，但真正影响你业务的技术进步可能几个月才出现一次。过度关注噪音会让你分心。
如何开始：培养“无聊”的能力。当某个新技术刷屏时，先问自己：它会影响我正在解决的问题吗？如果答案是“短期内不会”，就先放一放。
能得到什么：深度的专注力。Michael 指出，过去几年真正改变游戏规则的技术屈指可数，而那些能识别真正机会的人往往走得更远。
七、我的总结
这场访谈之所以珍贵，是因为 Michael 罕见地同时具备两种视角：他是 AI 领域深耕十年的研究员，也是亲手打造出爆款产品的创始人。更难得的是，他没有陷入“AI 万能论”或“AI 泡沫论”的任何一端，而是给出了清醒、务实、长期主义的判断。
Cursor 的故事告诉我们几个重要事实：第一，增长的早期阶段往往看起来很慢，耐心是指数时代的核心竞争力；第二，自研模型不一定是资源军备竞赛，找到自己的 niche 并持续深耕同样有效；第三，“代码之后”的世界不是没有代码，而是代码退居幕后，人类的审美和判断力走向前台。
对于所有正在适应 AI 变革的工程师和创业者而言，Michael 的一句话或许是最好的指南：“我们距离能做到的事情还很远很远——这既是挑战，也是机遇。”
📺 播客信息
- 发布时间：2025-05-01
- 时长：1小时11分钟14秒
- 播放量：124434 次观看
- 原版视频：『YouTube』