Cursor创始人最新访谈：AI时代小团队飞速增长的N个关键点

从2022年底至今，在模型侧的技术突破外，Cursor 几乎是第一个让所有人都为之侧目 AI 案例。

这家最初只有4个人的创业小团队，在短短三年内长成 ARR 突破1亿美元，注册付费用户达数十万，估值达到百亿美元的超级独角兽，堪称 AI 时代的创业奇迹。

但在阶段性成功的背后，Cursor 也并不是某个灵光乍现再恰好撞上大运的“创业点子”，而是一系列思考与时代契机的交汇。

在最新和 a16z 的对谈中，Cursor 的 CEO Michael Truell 讲述了这家公司的关键阶段和企业文化，复盘了对公司飞速增长的思考。

Truell 回忆，2021 年到 2022 年间，他与几位联合创始人还在学校和研究机构中共事。那时两件事情让他们意识到——AI 的落地时刻真正到来了。

第一，是他们亲身体验了GitHub Copilot。

“那是我们第一次看到‘真正有用的 AI’，不再只是实验室里的演示，而是可以帮我们写代码的工具。” 这让他们确信，AI 已从学术探索进入“实用主义时代”。

第二，是对Scaling Laws的理解。

Truell 说，他们发现即使没有新的算法突破，只要模型变大、数据增加，性能就会持续提升。“那是一种确定性增长，让人觉得‘再不行动就晚了’。”

于是，几人在白板前写下一个简单却野心勃勃的命题：“未来每个知识工作领域，都会出现一家利用 AI 自动化该领域工作的公司。”

在之后的摸索中，他们还相信，这些公司会遵循相似路径：

先打造某个垂直领域最好的产品，通过产品定义新工作方式，再凭借分发与数据优势反哺模型训练，形成一个“产品—模型—产品”的飞轮。而 Cursor，就是他们在“编程”这个垂直领域的实践。

但是这个飞轮的建设并非一帆风顺——在过去近三年里，他们经历了方向转型、巨头竞争、组织创新等过程，才成为如今我们看到的样子。

以下是本次对谈实录，涵盖 Cursor 的起源、技术路径、规模化挑战、人才策略与 M&A 逻辑等。

嘉宾：Michael Truell（Cursor 联合创始人兼 CEO）

主持人：Martin Casado（a16z 合伙人）

从"错误"起点到业务起飞

Casado：

众所周知，Cursor 是目前增长最快的公司之一——真的快得让人惊讶。今天我想聊的不是常规的“创业故事”，而是更现实的部分：你们在这种疯狂增长下，究竟是怎么保持节奏的？我们先从一点历史开始吧。我记得有家公司来找我们，说他们是“3D 版的 Cursor”，我笑了——因为我知道 Cursor 当初本身就是一家做 3D 的公司。对吗？

Michael：

没错。Cursor 的起点其实挺多的，但核心是这样的：我和几位联合创始人原本是大学的同学，在几个地方也做过研究。我们创业的念头是被两件事激发的。

第一，是我们第一次看到真正有用的 AI 产品，比如 GitHub Copilot（由 GitHub 推出的 AI 编程助手，被认为是第一个实用级别的代码生成工具）。这让我们意识到——AI 不该再局限在实验室了。AI 在现实世界中已经能创造真实价值，这是一个存在性证明（existence proof）：AI 不只是研究，而是可以解决具体问题。

第二，是 Scaling Laws（扩展定律）。我们发现，即使没有新的算法创新，模型只要变大、训练数据增加，性能也会持续提升。这是一个“确定能变好”的领域。那时是 2021 到 2022 年初，我们意识到该是做点实事的时候了。

于是，Cursor 一开始的灵感是一次白板推演的结果。我们当时想：“每个知识工作垂直领域，未来都会有一家 AI 公司自动化那个行业。”

我们设想这些公司会有共同模式：

1. 打造该领域最好的产品；

2. 定义未来人类在这个领域的工作方式；

3. 借此赢得市场分发、数据和资本；

4. 然后反过来利用这些资源去改进底层模型，进一步增强产品，形成飞轮。

我们当时猜测，微软会主导编程（code）领域，因为它有 GitHub 和 Copilot。于是我们决定去一个更冷门的方向：机械设计。

我们的一些朋友在做 CAD（计算机辅助设计）相关的研究，我们自己也用过 CAD 系统，觉得那是一个没有竞争的市场。于是我们一头扎进去做了一个“AI for CAD”的项目，想让机械设计工程师用上智能建模助手。

但结果非常糟糕。我们完全不懂机械工程师的日常，根本无法感同身受。就像一个盲人摸象，我们不停地打电话问用户“你每天在干嘛”，但听不懂他们的回答。事后我真希望我们那六七个月能直接去他们公司实习。

最终我们承认了这个事实：这是个糟糕的方向。我们放弃了 CAD，重新聚焦到我们最熟悉、最热爱的领域——编程。

Casado：

我有个理论，想听听你怎么看。为什么 Cursor 能在早期就跑起来，我觉得是因为专注。很多创业公司当时都在做各种“科幻”项目，比如打造能替代程序员的智能体、从零写代码的模型，或者彻底重写编辑器。而你们专注地选择了 VSCode 生态，在已有的 Copilot 市场教育基础上，做出了体验更好的产品。你觉得我的观察靠谱吗？如果是的话，当所有人都在“同时做所有事”时，你们是怎么坚持专注的？

Michael：

我觉得这个判断非常准确。不过我想补充一点——Cursor 的故事还没结束，我们还有很多事要做。

回顾早期，我们确实因为专注而成功。当时在 CAD 那个方向，冷启动问题极难：

• 没有可用的预训练模型；

• 没有开源的 3D 表示或数据集；

• 训练一个能理解 CAD 的模型极度困难。

而编程领域不一样。GitHub、Stack Overflow、开源仓库已经提供了大量文本数据。更重要的是——我们自己就是用户。

于是我们变得非常务实。那时我们没有几百万美元的种子轮资金，只有四个联合创始人。我们每天都在一起吃饭、讨论、写代码，核心目标只有一个：尽快推出能用的产品。

从决定做 Cursor 到第一个内部可用版本，只用了两三周。我们最初甚至没 fork VSCode，而是从零自己造了一个 IDE。几周后，我们让外部用户试用。再过一两个月，我们就公开发布了第一个 beta 版本。那一刻，Cursor 的势能真正被点燃了。

Casado：

当时行业里很多人很快就扩展到命令行工具（CLI）或集成 Intellij，而你们没有。你们这是有意为之，还是纯粹没时间？

Michael：

我们是有意的。那时我们四个联合创始人几乎天天讨论这些战略问题。核心争论是：

• 要不要做自己的编辑器？

• 要不要做扩展？

• 要不要训练自己的模型？

最终我们下定决心：一定要控制“交互界面”（own the surface）。

那时几乎没人看好做新编辑器。大家都说：“程序员不会换编辑器的，他们太依赖工具了。”但我们知道这是错的。因为我们自己原本是命令行 + Vim 用户，也在 Copilot 出现后主动切换到了 VS Code。只要你的工具明显更好，用户是会迁移的。

所以，我们要做的，不是再造一个“看起来类似 VS Code”的工具，而是从根本上重新定义“AI 与程序员的协作界面”。这也是后来 Cursor 能真正形成差异化的关键。

我们也非常明确，未来某一天会触碰“模型层”，事实证明后来这真的成为我们最重要的产品杠杆之一，但我们不想从那里开始，那样太慢。我们只想先把产品推向世界，把模型部分延后。

AI小团队的增长心得

Casado：

我从业三十年，从没见过一个团队这么小却能扩张得这么快。印象特别深的是，有一次你给我打电话，说你们的流量把一个主流云平台都搞“宕机”了。后来听说还有用户跑到你们办公室门口举着 iPad，说 Cursor 挂了！那感觉真像一个文化事件。你们当时怎么应对那种疯狂的规模增长？

Michael：

是的，那段时间的确挺疯狂。我们当时只有五个人，却在运营一个快速爆炸式增长的服务。老实说，我们团队非常年轻，也没有太多大规模系统经验。

最开始，我们在云服务层面就遇到了麻烦。Cursor 内部其实包含多个复杂的子系统，比如文件同步系统（类似小型 Dropbox）、搜索引擎（为 AI 提供上下文检索）等。表面看这些都不复杂，但当规模上来之后，复杂性迅速暴涨。

我们一度运行着一个比很多中型公司还大的 Kubernetes 集群，却只有几个人在维护。那段时间问题频发，我们一边解决 bug 一边学习分布式系统架构。后来逐渐稳住阵脚，靠架构优化和招人解决了一部分。

我们在那时学到一课：不要依赖单一模型供应商。

很多模型的 API token 其实有多家转售商，我们开始在多个云和 API 提供方之间分流。比如同一模型，我们可能通过不同渠道购买 token，以分散风险。

这让我们在突发扩容时更灵活。

如今，我们已经开始部分自研训练和推理系统，这带来了新一轮规模化挑战。但总体来说，我们依然坚持“多云多源”策略。

我们的架构横跨 AWS、Google Cloud、Azure，数据库使用 PlanetScale（一个分布式数据库服务） 和 Snowflake。这让我们在数据库分片和弹性扩展上拥有自主控制权。

你以为这些云厂商都把事想明白了？其实没有。很多时候我们是和他们一起边踩坑边成长。

Casado：

你们一开始极度专注，现在却在拓展多个产品线，比如 BugBot、命令行工具（CLI）、基础设施改进等。这些扩张是自然演进的结果，还是经过严密规划的？

Michael：

我们做这些是非常有计划的。我们会拒绝掉很多机会，但我们确实认为 Cursor 必须成长为一个“多产品公司”。

AI 编程领域存在一个巨大的生态机会：打造一整套 AI 编程工具包。我们希望未来用户在开发时，Cursor 成为他们的“AI 操作系统”——不只是编辑器，还包括智能调试、团队协作、代码审查等。

目前我们仍将主要资源集中在“编辑器”这个核心界面上——它是开发者与 AI 协作的“玻璃面板”。但随着团队协作方式改变，Cursor 也会自然延伸到团队层面的工具，比如代码评审与协作 AI。

这类产品既是战略机会，也是用户体验的自然延伸。我们现在也在学习如何做好跨产品交叉销售和团队间资源分配。

AI时代的组织秘诀

Casado：

还有件事我得说，你们的招聘流程是我见过最严谨、最独特的之一。每次我帮你打招聘电话前，你都会发给我详细的候选人资料和进展。这种准备太周全了。能否分享一下你们是怎么设计招聘流程的？

Michael：

我通常的建议是：多让董事会成员帮你打电话，这很有用。

说正经的，我们的招聘流程有点“非传统”。一般小公司在早期阶段都会先让工程师以“合作”方式加入，而不是正式面试。我们最初也是这样。

我们发现这种方式非常有效——你能真正看到一个人是否能和团队同频。大多数公司做两三次就放弃了，而我们坚持到现在。

即使现在公司已经有 200 多人，每个加入核心工程或设计团队的人，都必须花两天时间到办公室，与我们一起做一个真实项目。

这两天不是那种“白板面试”或算法题，而是实战：给你一台笔记本电脑，一个旧版本的 Cursor 代码库，三四个真实任务。然后你自己选择方向，独立完成。

这个过程有几个目的：

1. 这是一个比传统面试更真实的测试——它考察的是候选人是否具备端到端思维、是否具备主动性（agency），以及是否能独立解决问题；

2. 同时它也是一次文化筛选。两天里你要和我们一起吃四到六顿饭，我们会观察彼此是否真的愿意长期共事。

3. 第三个额外好处是——这对候选人也是双向透明的。他们在正式入职前就能真实感受到公司的节奏。结果是，只要他们最终答应加入，几乎总是高度匹配。

Casado：

那这种两天“实战”方式，你们是不是只在工程师岗位用？销售、市场之类的也这样吗？

Michael：

我们一开始也在销售岗位试过。比如早期招第一个销售代表的时候，我们会给他一批真实的潜在客户leads，让他做完整流程：打电话、演示、写后续邮件。

我们甚至让他们接触真实数据，让他们教我们该怎么销售。虽然现在结构化得多，但这个理念保留下来了——我们想看到一个人在真实场景中如何行动，而不是只看他们的简历。

Casado：

我觉得你们代表了一种新模式。现在这波 AI 创业浪潮，正在改变很多“旧正统”的做法。从管理到招聘再到组织结构，全都在被重新定义。你们的团队很年轻，却能在高复杂度的环境下运转得很好。

而且你们做的另一件很少见的事是：你们在两年内进行了多次并购。这在早期创业公司中极罕见。传统观念是“初创公司不该收购其他初创公司”，但你们似乎做得非常成功。能谈谈你们怎么看并购吗？

Michael：

当然。对我们来说，并购的核心逻辑其实很简单：尽一切可能招到最优秀的人才。

在我们还只有十几人的时候，我们就用尽各种“非常规”手段去招人——比如飞到地球另一端去见对方，只为当面说服他加入；如果他拒绝，我们就假装在旧金山组织一次研究者晚宴，请他六个月后来参加，再次“偶遇”并继续劝。

其中一位被我们这样“追”的人，后来真的成了公司最重要的工程师之一。

所以从某种意义上讲，我们的并购策略其实延续了这种“极致找人”的逻辑。只是有时候，这些人才已经在自己创业，那我们干脆把整个团队一起并进来。

未来我们会更系统化地使用并购，尤其是在 AI 编程领域的多产品布局上。我们相信通过并购，可以更早形成“事业部式结构”，快速扩展互补产品。

我们第一次真正意义上的并购对象，是 SuperMaven。

这家公司只有五个人，创始人是“TabNine”（一个早期的 AI 自动补全工具，GitHub Copilot 的前身）作者，也曾在 OpenAI 做过研究，与 John Schulman（RLHF 算法作者之一）合作过。

他们的技术在自动补全上和我们高度互补。我们认识之后保持了几个月的交流，最终促成收购。这不是财务层面的 M&A，而是一种深度技术与人才融合。

Casado：

临结束前我想问个更哲学的问题。这其实来自你们的一位候选人，他说：“Cursor 在颠覆软件行业，但 Cursor 本身又是用软件写出来的。那会不会有一天，Cursor 被自己这股浪潮取代？”我当时回答他：“那我宁愿做颠覆者，也不愿被颠覆。”但我很好奇你自己的想法。

Michael：

这是个很有趣的问题。我觉得可以从两个层面看。

首先，尽管过去几年软件开发的确被 AI 深刻改变了，但距离“被完全自动化”还非常遥远。现在的企业开发流程依旧存在大量低效环节。从几十人到上万人规模的团队，依然需要复杂协作。AI 在其中的渗透率其实很低。

很多人从管理层角度会低估这一点——我们距离“全自动写软件”还差得远。所以我认为，这中间还有一个漫长而混乱的阶段。

其次，我觉得我们所在的市场经历了类似“iPod 时刻”与“iPhone 时刻”的阶段性跃迁。AI 已经经历了几个这样的“平台飞跃”，未来还会有更多。而我们的任务，就是持续成为那个能够不断引领下一个飞跃的地方。

这当然是一种挑战，但也正是这个行业之所以迷人的地方。