Cursor創始人最新訪談：AI時代小團隊飛速增長的N個關鍵點

從2022年底至今，在模型側的技術突破外，Cursor 幾乎是第一個讓所有人都為之側目 AI 案例。

這家最初只有4個人的創業小團隊，在短短三年內長成 ARR 突破1億美元，注冊付費用戶達數十萬，估值達到百億美元的超級獨角獸，堪稱 AI 時代的創業奇跡。

但在階段性成功的背后，Cursor 也并不是某個靈光乍現再恰好撞上大運的“創業點子”，而是一系列思考與時代契機的交匯。

在最新和 a16z 的對談中，Cursor 的 CEO Michael Truell 講述了這家公司的關鍵階段和企業文化，復盤了對公司飛速增長的思考。

Truell 回憶，2021 年到 2022 年間，他與幾位聯合創始人還在學校和研究機構中共事。那時兩件事情讓他們意識到——AI 的落地時刻真正到來了。

第一，是他們親身體驗了GitHub Copilot。

“那是我們第一次看到‘真正有用的 AI’，不再只是實驗室里的演示，而是可以幫我們寫代碼的工具。” 這讓他們確信，AI 已從學術探索進入“實用主義時代”。

第二，是對Scaling Laws的理解。

Truell 說，他們發現即使沒有新的算法突破，只要模型變大、數據增加，性能就會持續提升。“那是一種確定性增長，讓人覺得‘再不行動就晚了’。”

于是，幾人在白板前寫下一個簡單卻野心勃勃的命題：“未來每個知識工作領域，都會出現一家利用 AI 自動化該領域工作的公司。”

在之后的摸索中，他們還相信，這些公司會遵循相似路徑：

先打造某個垂直領域最好的產品，通過產品定義新工作方式，再憑借分發與數據優勢反哺模型訓練，形成一個“產品—模型—產品”的飛輪。而 Cursor，就是他們在“編程”這個垂直領域的實踐。

但是這個飛輪的建設并非一帆風順——在過去近三年里，他們經歷了方向轉型、巨頭競爭、組織創新等過程，才成為如今我們看到的樣子。

以下是本次對談實錄，涵蓋 Cursor 的起源、技術路徑、規模化挑戰、人才策略與 M&A 邏輯等。

嘉賓：Michael Truell（Cursor 聯合創始人兼 CEO）

主持人：Martin Casado（a16z 合伙人）

從"錯誤"起點到業務起飛

Casado：

眾所周知，Cursor 是目前增長最快的公司之一——真的快得讓人驚訝。今天我想聊的不是常規的“創業故事”，而是更現實的部分：你們在這種瘋狂增長下，究竟是怎么保持節奏的？我們先從一點歷史開始吧。我記得有家公司來找我們，說他們是“3D 版的 Cursor”，我笑了——因為我知道 Cursor 當初本身就是一家做 3D 的公司。對嗎？

Michael：

沒錯。Cursor 的起點其實挺多的，但核心是這樣的：我和幾位聯合創始人原本是大學的同學，在幾個地方也做過研究。我們創業的念頭是被兩件事激發的。

第一，是我們第一次看到真正有用的 AI 產品，比如 GitHub Copilot（由 GitHub 推出的 AI 編程助手，被認為是第一個實用級別的代碼生成工具）。這讓我們意識到——AI 不該再局限在實驗室了。AI 在現實世界中已經能創造真實價值，這是一個存在性證明（existence proof）：AI 不只是研究，而是可以解決具體問題。

第二，是 Scaling Laws（擴展定律）。我們發現，即使沒有新的算法創新，模型只要變大、訓練數據增加，性能也會持續提升。這是一個“確定能變好”的領域。那時是 2021 到 2022 年初，我們意識到該是做點實事的時候了。

于是，Cursor 一開始的靈感是一次白板推演的結果。我們當時想：“每個知識工作垂直領域，未來都會有一家 AI 公司自動化那個行業。”

我們設想這些公司會有共同模式：

1. 打造該領域最好的產品；

2. 定義未來人類在這個領域的工作方式；

3. 借此贏得市場分發、數據和資本；

4. 然后反過來利用這些資源去改進底層模型，進一步增強產品，形成飛輪。

我們當時猜測，微軟會主導編程（code）領域，因為它有 GitHub 和 Copilot。于是我們決定去一個更冷門的方向：機械設計。

我們的一些朋友在做 CAD（計算機輔助設計）相關的研究，我們自己也用過 CAD 系統，覺得那是一個沒有競爭的市場。于是我們一頭扎進去做了一個“AI for CAD”的項目，想讓機械設計工程師用上智能建模助手。

但結果非常糟糕。我們完全不懂機械工程師的日常，根本無法感同身受。就像一個盲人摸象，我們不停地打電話問用戶“你每天在干嘛”，但聽不懂他們的回答。事后我真希望我們那六七個月能直接去他們公司實習。

最終我們承認了這個事實：這是個糟糕的方向。我們放棄了 CAD，重新聚焦到我們最熟悉、最熱愛的領域——編程。

Casado：

我有個理論，想聽聽你怎么看。為什么 Cursor 能在早期就跑起來，我覺得是因為專注。很多創業公司當時都在做各種“科幻”項目，比如打造能替代程序員的智能體、從零寫代碼的模型，或者徹底重寫編輯器。而你們專注地選擇了 VSCode 生態，在已有的 Copilot 市場教育基礎上，做出了體驗更好的產品。你覺得我的觀察靠譜嗎？如果是的話，當所有人都在“同時做所有事”時，你們是怎么堅持專注的？

Michael：

我覺得這個判斷非常準確。不過我想補充一點——Cursor 的故事還沒結束，我們還有很多事要做。

回顧早期，我們確實因為專注而成功。當時在 CAD 那個方向，冷啟動問題極難：

• 沒有可用的預訓練模型；

• 沒有開源的 3D 表示或數據集；

• 訓練一個能理解 CAD 的模型極度困難。

而編程領域不一樣。GitHub、Stack Overflow、開源倉庫已經提供了大量文本數據。更重要的是——我們自己就是用戶。

于是我們變得非常務實。那時我們沒有幾百萬美元的種子輪資金，只有四個聯合創始人。我們每天都在一起吃飯、討論、寫代碼，核心目標只有一個：盡快推出能用的產品。

從決定做 Cursor 到第一個內部可用版本，只用了兩三周。我們最初甚至沒 fork VSCode，而是從零自己造了一個 IDE。幾周后，我們讓外部用戶試用。再過一兩個月，我們就公開發布了第一個 beta 版本。那一刻，Cursor 的勢能真正被點燃了。

Casado：

當時行業里很多人很快就擴展到命令行工具（CLI）或集成 Intellij，而你們沒有。你們這是有意為之，還是純粹沒時間？

Michael：

我們是有意的。那時我們四個聯合創始人幾乎天天討論這些戰略問題。核心爭論是：

• 要不要做自己的編輯器？

• 要不要做擴展？

• 要不要訓練自己的模型？

最終我們下定決心：一定要控制“交互界面”（own the surface）。

那時幾乎沒人看好做新編輯器。大家都說：“程序員不會換編輯器的，他們太依賴工具了。”但我們知道這是錯的。因為我們自己原本是命令行 + Vim 用戶，也在 Copilot 出現后主動切換到了 VS Code。只要你的工具明顯更好，用戶是會遷移的。

所以，我們要做的，不是再造一個“看起來類似 VS Code”的工具，而是從根本上重新定義“AI 與程序員的協作界面”。這也是后來 Cursor 能真正形成差異化的關鍵。

我們也非常明確，未來某一天會觸碰“模型層”，事實證明后來這真的成為我們最重要的產品杠桿之一，但我們不想從那里開始，那樣太慢。我們只想先把產品推向世界，把模型部分延后。

AI小團隊的增長心得

Casado：

我從業三十年，從沒見過一個團隊這么小卻能擴張得這么快。印象特別深的是，有一次你給我打電話，說你們的流量把一個主流云平臺都搞“宕機”了。后來聽說還有用戶跑到你們辦公室門口舉著 iPad，說 Cursor 掛了！那感覺真像一個文化事件。你們當時怎么應對那種瘋狂的規模增長？

Michael：

是的，那段時間的確挺瘋狂。我們當時只有五個人，卻在運營一個快速爆炸式增長的服務。老實說，我們團隊非常年輕，也沒有太多大規模系統經驗。

最開始，我們在云服務層面就遇到了麻煩。Cursor 內部其實包含多個復雜的子系統，比如文件同步系統（類似小型 Dropbox）、搜索引擎（為 AI 提供上下文檢索）等。表面看這些都不復雜，但當規模上來之后，復雜性迅速暴漲。

我們一度運行著一個比很多中型公司還大的 Kubernetes 集群，卻只有幾個人在維護。那段時間問題頻發，我們一邊解決 bug 一邊學習分布式系統架構。后來逐漸穩住陣腳，靠架構優化和招人解決了一部分。

我們在那時學到一課：不要依賴單一模型供應商。

很多模型的 API token 其實有多家轉售商，我們開始在多個云和 API 提供方之間分流。比如同一模型，我們可能通過不同渠道購買 token，以分散風險。

這讓我們在突發擴容時更靈活。

如今，我們已經開始部分自研訓練和推理系統，這帶來了新一輪規模化挑戰。但總體來說，我們依然堅持“多云多源”策略。

我們的架構橫跨 AWS、Google Cloud、Azure，數據庫使用 PlanetScale（一個分布式數據庫服務） 和 Snowflake。這讓我們在數據庫分片和彈性擴展上擁有自主控制權。

你以為這些云廠商都把事想明白了？其實沒有。很多時候我們是和他們一起邊踩坑邊成長。

Casado：

你們一開始極度專注，現在卻在拓展多個產品線，比如 BugBot、命令行工具（CLI）、基礎設施改進等。這些擴張是自然演進的結果，還是經過嚴密規劃的？

Michael：

我們做這些是非常有計劃的。我們會拒絕掉很多機會，但我們確實認為 Cursor 必須成長為一個“多產品公司”。

AI 編程領域存在一個巨大的生態機會：打造一整套 AI 編程工具包。我們希望未來用戶在開發時，Cursor 成為他們的“AI 操作系統”——不只是編輯器，還包括智能調試、團隊協作、代碼審查等。

目前我們仍將主要資源集中在“編輯器”這個核心界面上——它是開發者與 AI 協作的“玻璃面板”。但隨著團隊協作方式改變，Cursor 也會自然延伸到團隊層面的工具，比如代碼評審與協作 AI。

這類產品既是戰略機會，也是用戶體驗的自然延伸。我們現在也在學習如何做好跨產品交叉銷售和團隊間資源分配。

AI時代的組織秘訣

Casado：

還有件事我得說，你們的招聘流程是我見過最嚴謹、最獨特的之一。每次我幫你打招聘電話前，你都會發給我詳細的候選人資料和進展。這種準備太周全了。能否分享一下你們是怎么設計招聘流程的？

Michael：

我通常的建議是：多讓董事會成員幫你打電話，這很有用。

說正經的，我們的招聘流程有點“非傳統”。一般小公司在早期階段都會先讓工程師以“合作”方式加入，而不是正式面試。我們最初也是這樣。

我們發現這種方式非常有效——你能真正看到一個人是否能和團隊同頻。大多數公司做兩三次就放棄了，而我們堅持到現在。

即使現在公司已經有 200 多人，每個加入核心工程或設計團隊的人，都必須花兩天時間到辦公室，與我們一起做一個真實項目。

這兩天不是那種“白板面試”或算法題，而是實戰：給你一臺筆記本電腦，一個舊版本的 Cursor 代碼庫，三四個真實任務。然后你自己選擇方向，獨立完成。

這個過程有幾個目的：

1. 這是一個比傳統面試更真實的測試——它考察的是候選人是否具備端到端思維、是否具備主動性（agency），以及是否能獨立解決問題；

2. 同時它也是一次文化篩選。兩天里你要和我們一起吃四到六頓飯，我們會觀察彼此是否真的愿意長期共事。

3. 第三個額外好處是——這對候選人也是雙向透明的。他們在正式入職前就能真實感受到公司的節奏。結果是，只要他們最終答應加入，幾乎總是高度匹配。

Casado：

那這種兩天“實戰”方式，你們是不是只在工程師崗位用？銷售、市場之類的也這樣嗎？

Michael：

我們一開始也在銷售崗位試過。比如早期招第一個銷售代表的時候，我們會給他一批真實的潛在客戶leads，讓他做完整流程：打電話、演示、寫后續郵件。

我們甚至讓他們接觸真實數據，讓他們教我們該怎么銷售。雖然現在結構化得多，但這個理念保留下來了——我們想看到一個人在真實場景中如何行動，而不是只看他們的簡歷。

Casado：

我覺得你們代表了一種新模式。現在這波 AI 創業浪潮，正在改變很多“舊正統”的做法。從管理到招聘再到組織結構，全都在被重新定義。你們的團隊很年輕，卻能在高復雜度的環境下運轉得很好。

而且你們做的另一件很少見的事是：你們在兩年內進行了多次并購。這在早期創業公司中極罕見。傳統觀念是“初創公司不該收購其他初創公司”，但你們似乎做得非常成功。能談談你們怎么看并購嗎？

Michael：

當然。對我們來說，并購的核心邏輯其實很簡單：盡一切可能招到最優秀的人才。

在我們還只有十幾人的時候，我們就用盡各種“非常規”手段去招人——比如飛到地球另一端去見對方，只為當面說服他加入；如果他拒絕，我們就假裝在舊金山組織一次研究者晚宴，請他六個月后來參加，再次“偶遇”并繼續勸。

其中一位被我們這樣“追”的人，后來真的成了公司最重要的工程師之一。

所以從某種意義上講，我們的并購策略其實延續了這種“極致找人”的邏輯。只是有時候，這些人才已經在自己創業，那我們干脆把整個團隊一起并進來。

未來我們會更系統化地使用并購，尤其是在 AI 編程領域的多產品布局上。我們相信通過并購，可以更早形成“事業部式結構”，快速擴展互補產品。

我們第一次真正意義上的并購對象，是 SuperMaven。

這家公司只有五個人，創始人是“TabNine”（一個早期的 AI 自動補全工具，GitHub Copilot 的前身）作者，也曾在 OpenAI 做過研究，與 John Schulman（RLHF 算法作者之一）合作過。

他們的技術在自動補全上和我們高度互補。我們認識之后保持了幾個月的交流，最終促成收購。這不是財務層面的 M&A，而是一種深度技術與人才融合。

Casado：

臨結束前我想問個更哲學的問題。這其實來自你們的一位候選人，他說：“Cursor 在顛覆軟件行業，但 Cursor 本身又是用軟件寫出來的。那會不會有一天，Cursor 被自己這股浪潮取代？”我當時回答他：“那我寧愿做顛覆者，也不愿被顛覆。”但我很好奇你自己的想法。

Michael：

這是個很有趣的問題。我覺得可以從兩個層面看。

首先，盡管過去幾年軟件開發的確被 AI 深刻改變了，但距離“被完全自動化”還非常遙遠。現在的企業開發流程依舊存在大量低效環節。從幾十人到上萬人規模的團隊，依然需要復雜協作。AI 在其中的滲透率其實很低。

很多人從管理層角度會低估這一點——我們距離“全自動寫軟件”還差得遠。所以我認為，這中間還有一個漫長而混亂的階段。

其次，我覺得我們所在的市場經歷了類似“iPod 時刻”與“iPhone 時刻”的階段性躍遷。AI 已經經歷了幾個這樣的“平臺飛躍”，未來還會有更多。而我們的任務，就是持續成為那個能夠不斷引領下一個飛躍的地方。

這當然是一種挑戰，但也正是這個行業之所以迷人的地方。