文章来源于：Z Finance
ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">在 ChatGPT 引发的 AI 风暴中，编程的世界悄然迎来一场革命。AI 不再是简单的辅助工具，它正在逐渐走向更深层次的应用——重写编程这件事本身。在这期Decoder 中，Platformer 创始人 Casey Newton 将与 Anysphere 的联合创始人兼 CEOMichael Truell深度对话，探讨这一变革背后的机遇与挑战。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">Michael Truell，年仅 25 岁，刚刚带领着 Anysphere 成功推出全球最受欢迎的 AI 编程工具之一——Cursor。他是一个典型的 MIT 毕业生，但与许多同行不同，他并不相信 AGI（通用人工智能）会在短时间内突现，也不认同“只需加大模型参数就能出现 AI 神明”的说法。相反，他认为，未来 AI 将逐步改变的是人类工作流的方式，尤其是在编程领域。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">Cursor 并不仅仅是一个智能补全代码的 IDE（集成开发环境），它背后的核心理念是将编程从一个纯粹的技术操作转变为一种与 AI 合作的创作过程。在这种新模式下，程序员不再是埋头苦干的“代码工人”，而是充当任务设计师的角色，主导 AI 代理完成复杂的软件构建工作。更重要的是，未来的编程语言可能不再局限于传统的低级语言，而是成为一种更高阶、更抽象、能够直接与 AI 进行交互的“人机对话语言”。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">Michael 强调，AI 进步的真正关键并非突破性的技术飞跃，而是如何将它逐步融入具体工作场景，帮助人类提升工作效率，同时保持人的创造性和判断力。他坚信，AI 不会一夜之间取代人类，而是通过长期的、渐进式的提升，逐步改变我们与技术交互的方式。对于那些期待 AGI 会像电影中那样一夜降临、突然改变世界的人，Michael 提出了自己的反思：技术的发展从不会一蹴而就，真正的改变是由无数微小的创新和优化积累而来。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">然而，这也引发了关于 AI 在编程领域的潜力和边界的深刻讨论。随着 Cursor 这类工具的崛起，软件开发的角色和门槛是否会因此彻底改变？在未来，普通人是否也能像使用 Midjourney 一样，用简单的指令生成代码，而不需要掌握传统的编程语言？Michael 对此提出的挑战是，虽然 AI 能帮助我们更高效地完成工作，但这并不意味着编程的“专业性”会消失。相反，随着 AI 越来越多地承担基础性任务，程序员将更多地转向设计任务和系统结构优化，这要求他们拥有更高层次的判断力和战略思维。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">而当我们谈论未来编程的“大门槛消失”时，我们是否忽略了技术对人类独特能力的要求？在这种新的工作方式中，AI 并非简单地替代人类，而是将人类从繁琐的重复劳动中解放出来，使我们能在更宏观、更具创意的层面上发挥作用。这种变化既令人兴奋，也引发了关于“技术进步带来的失业”与“技能再定义”的争论。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">Michael 的观点与许多硅谷技术乐观派有所不同。他并不急于迎接“AGI”带来的终极变革，而是坚定地认为，我们正在迈向一个渐进式的智能化世界，这个过程将会是一个充满挑战与机遇并存的长期战斗。他对 AI 在编程领域的未来充满信心，但他相信，这条路不可能是一蹴而就的，而是需要一步一个脚印，真正为每个领域带来切实可行的变化。
ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">主持人：Michael Truell，欢迎做客 Decoder。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">Michael Truell：谢谢邀请，很高兴来到这里。ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-style: normal;font-variant-ligatures: normal;font-variant-caps: normal;font-weight: 400;orphans: 2;text-indent: 0px;text-transform: none;widows: 2;word-spacing: 0px;-webkit-text-stroke-width: 0px;white-space: normal;text-decoration-thickness: initial;text-decoration-style: initial;text-decoration-color: initial;font-size: 15px;letter-spacing: 1.5px;background-color: rgb(255, 255, 255);-webkit-tap-highlight-color: transparent;margin: 0px 16px 24px;padding: 0px;outline: 0px;max-width: 100%;clear: both;min-height: 1em;text-align: unset;line-height: 2;box-sizing: border-box !important;overflow-wrap: break-word !important;">主持人：我们先从基本问题开始：Cursor 到底是什么？它能做什么，又是为谁设计的？Michael Truell：我们的初衷，是希望 Cursor 能成为写代码、做软件开发的最佳方式，尤其是在 AI 参与的前提下。如果是非技术背景的听众，我建议把 Cursor 想象成一个“超级版”的文字编辑器。在这个编辑器里，工程师通过大量“写作”的方式完成软件构建。他们坐在一个类似 Word 的界面前，但他们写的不是普通文字，而是成千上万行复杂的逻辑结构。而 Cursor 的价值在于，它能借助 AI，让这个过程变得更加高效。 Cursor 目前主要有两种工作方式：第一种是“预测型协助”，也就是它会实时观察你的操作，预测你接下来可能要做的事——就像自动补全，但远比写作时的补全功能强大得多。因为在编程中，未来20分钟你要干什么，往往是高度可预测的，而写作就没那么确定性了。 第二种方式，更像是你把 Cursor 当成一个虚拟的“对桌程序员”——你开始学会把一些小任务交给它，让它自己完成。 主持人：我们等下再详细拆解 Cursor 的具体功能，但我想先回到你们的创业起点。当初你们创立 Anysphere 时，其实是在做 CAD（计算机辅助设计）软件。你们是怎么从那里转向 Cursor 的？ Michael Truell：我和几位联合创始人都从很早开始就在写代码，也做 AI 相关的研究。我们中的一位曾在大厂做推荐系统，另一位一直专注于计算机视觉，还有人研究如何用极少数据让机器学习算法学会东西，甚至还有人试图在早期尝试打造比肩谷歌的搜索引擎——那个年代还没有 LLM（大语言模型）这一说。 我们对 AI 和编程的热爱持续了很多年。2021年，有两个时刻点燃了我们的创业冲动：一是第一次真正用到觉得“有用”的 AI 产品；二是一系列研究表明，即便不发明新架构，只要模型做大、数据更多，AI 的能力就能持续进化。 于是我们想：能不能找到一个知识工作领域，围绕这个领域构建一个“AI 正在介入”的工作平台？一方面让用户在里面做事，另一方面不断观察 AI 在什么环节表现良好，在哪些地方仍需人类修正，从而推动产品和底层技术一同演进。这个路径也许能带我们走向“重构知识工作”的未来。 当然，我们最爱的知识工作其实是编程，但一开始我们反而没做这个方向。最初我们尝试帮助机械工程师，也就是你提到的 CAD 领域。问题在于，我们四个人里没有一个是机械工程师。虽然我们对机器人感兴趣，有朋友在这个领域，但说到底那不是我们的专长。 我们当时之所以没选编程领域，是因为已经有一批团队在探索“AI+编程”的方向。但做了六个月 CAD 之后，我们发现：一方面我们还是太喜欢编程了；另一方面，那些原本被我们视为“这个领域已经有人在做”的方向，其实做得还不够深入，也不够有野心。 于是我们决定回到老本行，去打造“AI时代下最好的编程方式”，Cursor 就由此诞生。 主持人：我看你们很早就用上了 GitHub Copilot，这个工具是在 ChatGPT 推出前一年左右发布的。你当时用它的第一反应是什么？它对你们后来的产品设计有没有影响？ Michael Truell：Copilot 非常棒，毫无疑问对我们影响很大。它是我们第一次真正觉得“AI 作为核心”是有用的产品。在这之前，AI 大多还停留在实验室或者“玩具”阶段。虽然我们从很早就研究 AI，但说实话，在它变得“有用”之前，我们日常生活中真正感受到 AI 存在的地方，几乎就只有推荐系统，比如信息流、YouTube 算法这些。 而 Copilot 是我们第一个遇到的、真正让人感到“AI 在工作”的产品，它不是幻觉，不是Demo，它真正在写代码。 我们当时其实还在考虑要不要继续走学术路线，Copilot 算是给了我们一个明确的信号——该走进现实了，去做真正能落地的 AI 系统了。即使在 2021 年那个版本的 Copilot 仍有许多缺陷，比如经常写错代码，或者输出很难信任，但它已经足够惊艳。 还有一点值得一提的是，Copilot 不只是第一个“AI有用”的产品，它还是我们用过的“最有用的开发工具”之一。你要知道，我们几个都是那种喜欢把开发环境“折腾到极致”的程序员。那时候我们还在用 Vim 这种非常硬核的文本编辑器。可就是 Copilot 让我们重新定义了“写代码”这件事。 主持人：你刚才说 Cursor 有点像一个“超级文字编辑器”。程序员可能会更熟悉另一个术语——集成开发环境（IDE）。事实上，从上世纪80年代开始，程序员就一直在使用 IDE。不过现在，像 OpenAI 的 Codex、Anthropic 的 Claude Code 这类 AI 工具，已经可以直接在终端中运行。那为什么还需要 Cursor？它和这些工具相比，优势在哪？ Michael Truell：我觉得这些工具本身都非常有用，但我们想做的事情，远不止是一个 IDE 或终端工具。我们真正关注的，是让编程方式发生彻底转变，特别是朝着这样一个方向前进：用户可以不看代码，也能开发出专业级的软件系统。 我们想象中的未来，是你只需要传达最低限度的“意图”，系统就能帮你把软件构建出来。也就是说，只要给出最核心的需求，AI 就能把中间所有的步骤填补完整。而现在的编程方式，还非常繁琐、耗时——就算是一个简单的功能，从设计到实现，也需要耗费数千小时、组建大团队、层层测试。 所以，我们的目标是重新发明“写程序”这件事。虽然今天 Cursor 仍然表现为一个“编辑器”，但这只是起点，它终将向更高级别的交互方式进化。 目前 Cursor 支持的是“一对一”的人机协作模式，你可以和 AI 代理逐步完成工作，尤其是通过我们的 Tab 系统。接下来，我们要推进的是让你可以“一对多”地委派任务，让多个虚拟助手并行处理不同的子任务，系统再把这些结果有序组织起来。这个过程中，你不需要读每一行代码，却可以对整个系统的逻辑保持理解和控制。 很多工具也在追求“编程效率提升”，但如果只靠终端界面，能表达的信息和交互的维度是很有限的。我们从一开始就相信：要想真正革新代码自动化这件事，必须从“交互界面”和“底层模型”两端同时入手。换句话说，你要构建一个让程序员工作变得更自然的操作界面，同时也要构建一套更强大的底层智能。 这也是为什么我们在 UI 控制力上的表现和终端工具相比是不同层级的。 主持人：你刚提到你们不仅关注界面，也在底层模型方面做了不少工作，甚至超出了 API 的默认能力。能不能详细讲讲你们是如何打造自己的模型的？这背后有何技术路线？你们如何避免被当作“套壳产品”来看待？ Michael Truell：这是个好问题。首先我想说，所谓“套壳”这个说法，其实是早期 AI 应用出现时大家的一个惯性判断。当时确实很多团队只是在别人的 API 上套了个 UI，还没来得及深挖产品。但现在已经不一样了。哪怕只基于 API 模型，很多领域也已经能做出非常深入的产品，尤其像我们这样的“开发者工具”，它本身就有巨大的打磨空间。 不过，我们从很早开始就想做的是“规模化产品”——我们希望能让很多人来使用它。人多了，你就能清晰看到 AI 在哪里真正帮上了忙，哪里没帮上，哪里需要人类反复介入。这个反馈回路是模型优化的关键。 举个例子，我们目前的 Tab 模型每天执行的推理调用次数已经超过 10 亿次，从活跃度来看，它是目前世界上“写生产级代码最多”的语言模型之一。 我们现在已经迭代到第4或第5代模型了，全部是基于真实的用户交互数据训练出来的。这不仅需要模型设计和数据工程，还需要底层基础设施和顶尖的人才支持。 比如，我们团队有一位成员 Jacob Jackson，他是最早发明 TabNine（也就是 GitHub Copilot 的前身）的开发者。他也是最早做出百万 token 上下文窗口模型的人之一。这样的人才加入我们，把模型理解和应用能力提升到了一个新层次。 而且我们在很多功能上不仅仅依赖 API 模型，比如自动补全（super autocomplete）模块就是我们完全自研的。这也让 Cursor 在“好用程度”上，和同类工具拉开了差距。 主持人：我最近和一家大型科技公司的 CTO 共进晚餐，特地问了他一个问题：你们公司内部现在最受欢迎的 AI 编程工具是哪一个？他告诉我，他经常会发内部问卷去了解工程师的偏好，其中就提供了 Cursor 的试用版本。结果没想到，收到了一堆“惊慌”的回复——很多程序员都在发消息说：“拜托千万别下线 Cursor！我们已经离不开它了！” 你能不能具体讲讲，为什么 Cursor 会让程序员产生这种“用了就回不去”的感觉？对他们的日常工作来说，到底改变了什么？ Michael Truell：我觉得这背后其实有两个层面的原因。一方面，现在这类工具的能力确实已经很强，可以实实在在地帮程序员分担不少工作。另一方面，我们其实还远远没有达到“AI 替代编程”的上限。这才刚刚开始。 编程这个领域尤其适合用 AI 来做事情，原因有几个：首先，它是基于文本的，而文本正是当前大语言模型最擅长处理的形式。其次，网络上有海量的开源代码可以被学习，所以训练数据基础很好。而且编程结果是可验证的——你写了代码，能不能跑通、是不是你要的效果，一试就知道。 过去几年，AI 模型的进步，一开始主要靠“大规模预测”：通过大量训练，让模型预测网络上的下一个词。但这个路径已经逐渐到顶。接下来，推动 AI 进化的，是“强化学习”方法——简单说，就是让模型像玩游戏一样去试错优化，就像当年 AlphaGo 玩围棋、后来打 Dota 一样。 而编程恰好适合这种玩法。你让模型写代码，然后运行它，立刻就能知道输出是不是对的，是不是你要的结果。这就给了模型一个非常清晰的反馈机制。 所以说，编程这个场景在技术上特别“契合”，它让模型既能学得快，又能学得准，也能快速试错、快速成长。这也是为什么我们现在看到，在整个 AI 应用领域，编程可能是落地速度最快、效果最明显的那一个。 主持人：我自己的感受是，以前做一件事要花八个小时，现在可能只需要五六个小时。这种效率提升是真实存在的吗？ Michael Truell：是的，你说的这种提升确实是存在的。在一些公司，过去需要八小时的工作，现在五六小时就能完成，这是实打实的效率红利。当然不是所有公司都一样，但在我们观察到的一些客户中，这已经是现实。 不过我也要补充一点：虽然效率提高了，但程序员的工时并没有因此变少。你会发现，他们还是每天工作那么久。原因是编程本身的任务弹性很大，而且很多非技术管理者其实低估了“专业级编程”到底有多低效、多复杂。 想象一下，一个像 Salesforce 这样的公司，代码库可能有几千万行，分布在上百万个文件里，程序员每做一个功能改动，都要在这个“代码泥潭”里去翻找、修补、调试。很多人不明白，为什么一个软件的版本更新要拖那么久，原因就在这里。 所以，虽然 AI 让你“跑得更快”了，但真正的挑战还是在你要“跑的那条路”有多长、多烂。提高效率不等于减少工作时间，它只是让原本的任务更有可能完成。 主持人：说到非程序员，这一年大家也开始讨论“vibe coding”这个概念，意思是一些非专业人士、甚至完全没写过代码的人，也能通过像 Cursor 这样的工具，试着自己动手做软件。你怎么看这个现象？这类用户在 Cursor 里算是主流吗？ Michael Truell：我们的核心目标还是服务“靠写软件谋生的人”——也就是专业工程师，这是我们的主要用户群。但确实，在我们不断提升 AI 编程能力、提高代码抽象层级的过程中，我们也发现：这样反而让非程序员也更容易上手。 我们很认同一件事：从长期看，写软件这件事会变得越来越普及，越来越容易。未来你可能不需要理解编译器、不需要掌握编程语言，也能做出相当复杂的系统。 但现实是，我们距离“人人都能写专业软件”的世界，还有一段路要走。目前虽然已经有不少人能用 Cursor 搭个小工具、原型产品，但要真正做出商业级、长期可维护的软件，仍然需要专业积累。 不过这个趋势确实令人兴奋。我们看到越来越多设计师开始用 Cursor 自己做 demo，甚至有些非技术团队成员，会在项目里直接修改一小段代码、修复一个 bug、增加一个小功能。这种“轻量级贡献”正在变得越来越常见，这就是 vibe coding 的现实样貌——虽然不是我们的主力用户群，但它在增长，也很有意义。 主持人：我挺认同的。我以前在传统公司上班的时候，每次公司换一个新软件，大家都会一片抱怨。所以我也不太相信“所有人都愿意写代码”这种说法。虽然我个人挺喜欢软件，也对 vibe coding 有点好奇——也许再过两三代 Cursor，我也能亲手做点什么出来。
你之前提到 Cursor 有两种使用方式：一种是“代码补全”模式，AI像你的助手一样陪你写代码；另一种是“任务委派”模式，你告诉它要做什么，然后离开，回来之后看结果。 我看到你最近在《Stratechery》那期采访里说，预计再过六到十二个月，大概有 20% 到 25% 的工程师工作可以完全交由 AI 独立完成。你现在还维持这个判断吗？还是说这个比例已经发生了变化？你认为这个数字未来能增长到多高？ Michael Truell：我觉得这个问题确实很难精确预测。要让 AI 承担 100% 的程序员工作，仍有很多关键技术瓶颈。 其中一个大问题是“模型如何持续学习”，也就是如何理解整个代码库、吸收组织上下文、从过往错误中不断积累经验。而目前行业在这个方向上，其实还没有特别理想的解决方案。 目前有两种尝试在解决这个问题： 第一种叫“扩展上下文窗口”。意思是让大语言模型一次能“看得更多”，输入的内容越多，它理解上下文的能力就越强。但这终究只是一次性的输入——就像你给一个 AI 一篇文章，它能理解这篇文章，但不能像人一样把它“记住”。 第二种方法是“训练模型”，也就是不断加入新的训练数据，让模型持续更新、掌握新能力。但这个方法成本极高，也很慢，更新周期长。 这两种路径目前都遇到了挑战。而且从整个行业看，其实这些年 AI 领域产生“真正范式级”的新想法并不多，大概三年才会有一个能改变游戏规则的新技术。所以这些瓶颈的突破还需要时间。 还有一个值得注意的方向是“多模态”。虽然听上去和写代码关系不大，但其实你要真正理解和构建软件，往往不只是靠文字。你需要点按钮、拖动组件、打开可视化调试工具，比如 Datadog 这类可观察性工具，就对系统调试非常关键。如果模型未来要独立完成完整的开发流程，多模态能力必不可少。 另外，模型现在虽然可以连续工作几分钟甚至几个小时，但要让它处理一项“相当于人类需要花几周时间完成”的任务，还存在巨大鸿沟。所以无论是架构设计、执行稳定性还是上下文记忆能力，想要达到真正“全权委托”的程度，还有很长一段路。 不过，回到你最初的问题，我确实认为——如果我们只说“用一句话的文本指令，让 AI 对整个代码库做出修改”这种操作，未来一两年内，也许有可能覆盖现在编程工作中超过一半的场景，尤其是在最理想的技术演进路径下。 主持人：我看到 Meter 等机构做的一些研究也在印证你的观点，他们发现 AI 模型的“连续处理任务时间”正在快速上升，几乎是成倍增长。虽然你提到的那些技术障碍确实存在，但从大趋势看，模型的执行能力正在变得越来越强。更何况，大多数人类工作任务本身其实也并不都是“长流程”，这让 AI 更容易代替其中的大部分。 Michael Truell：确实如此。现在的问题不只是“技术能不能做到”，更是“你怎么把这项技术用好”。就像预测未来 AI 能力的发展节奏，其实非常难，很多事情没法定量。 但我觉得可以类比另一个领域的故事：自动驾驶。 比如说 Waymo、特斯拉这些公司，其实在自动驾驶方面已经取得了惊人的进展。特别是在旧金山，你现在已经能看到 Waymo 的商业自动驾驶车辆在路上运营。但你还记得吗？在 2017 年的时候，行业几乎一致认为自动驾驶将在一年内全面落地。结果直到现在，仍然有很多“边界问题”没法彻底解决。 所以，虽然自动驾驶是个非常复杂的任务，但相比于通用智能编程，它其实是一个“更低上限”的目标。就连这个任务都走了这么久、这么艰难，AI 编程的路径自然也不会那么快就“飞升”。 我们还是得脚踏实地，持续向前。 主持人：那我们来聊聊《Decoder》节目标志性的几个问题。Anysphere 目前的公司规模有多大？你们现在大概有多少员工？ Michael Truell：我们现在大概有 150 人左右。 主持人：那你对公司未来的规模是怎么设想的？你倾向于建立一个庞大的团队，还是更喜欢保持精干、高效的小组织？ Michael Truell：我们整体倾向后者——小而精。但话说回来，即使我们希望团队“精干”，考虑到我们正在解决的问题跨度很大，未来几年团队规模肯定还是要继续扩张的。 我们一直在想一个问题：有没有可能建立一家真正影响深远的科技公司，它的团队人数却不超过 2000 人？就像《纽约时报》这种量级的公司——不算小，但也远不到传统巨头那种动辄上万人的规模。我们很期待验证这种可能性。当然，从现在的 150 人走到那个阶段，还有很长一段路。 主持人：那你们的组织结构是怎么样的？毕竟你们有好几位联合创始人，怎么划分彼此的职责？ Michael Truell：我们目前最主要的两个职能部门，一个是“技术与研发”，也就是工程和模型研究；另一个是“市场与客户运营”，也就是 go-to-market（GTM）这边。 我们其实非常幸运，创始团队本身就非常强，而且组合得也很好。因此，很多事情可以分头推进、各自专注。 比如，在早期，公司的 GTM 业务完全是创始团队一部分成员拉起来的，他们做得特别出色。所以我们常常采用“分工+信任”的方式，不用 CEO 一个一个去盯。 当然，回到技术这一块，四位联合创始人都非常关注，我们会把大量精力集中投入进去。我们始终相信：做出这个领域里最好的产品，是最不能妥协、最核心的任务。其他事情都可以相对“轻运营”，但产品和技术必须是重中之重。 所以现在，我们在其他职能上保持相对精简，但在工程和研究上，投入的资源和人员是远高于行业平均的。 主持人：那你自己现在的核心工作聚焦在哪里？你日常最在意、最舍不得放手的事情是什么？或者说，什么事别人一碰你就会“炸毛”？ Michael Truell：我现在投入最多时间的事情，可能是“招聘”。 我们特别重视“个人贡献者（IC）”的招聘，认为这是一家技术公司能不能活下去的根本。说得夸张一点，如果一个技术公司缺少顶级 IC，即使管理层再优秀，最终也会出问题。 所以我把很多精力花在亲自参与招聘上。其实我们早期公司前 75 个员工，基本全是创始人自己招的，都没有专业的招聘负责人介入。 现在当然有更成熟的招聘团队了，有很棒的招聘伙伴在支持我们。但我自己仍然花很多时间在这上面。 其次就是产品和工程这块，我也会持续投入很多时间。基本上，我的精力就集中在这两块。 主持人：你现在也就二十五六岁，已经需要做各种重大决策，比如融资、收购、招人、产品方向等等。你做决策是靠什么？有没有一套清晰的方法论，还是比较随性？ Michael Truell：说实话，我觉得没有一套统一的“模板”。 但我们在公司内部确实有一些通用做法，比如，我们会尽量把决策“下沉”——不仅是我自己，整个公司都在尝试推行这样一种文化：每项决策都有明确的“DRI”（直接负责人），同时也要广泛征求大家的反馈。 此外，我们也会按“影响程度”来区分决策策略：对公司影响很大、但可以反悔的决策，我们会更快做出；而如果决策是“高影响+不可逆”的，那就会非常慎重。 还有一点就是“决策透明”。我们会通过“清晰地写下这个决策是怎么做出来的”方式，来倒逼自己真正想清楚了。 主持人：既然聊到招聘，我就忍不住要问一个传言。之前有消息说 OpenAI 曾考虑收购你们，还有传闻说 Mark Zuckerberg 最近特别爱“挖人”，开出了超高签字费，甚至会请候选人去他在太浩湖的别墅吃饭。你有没有被 Zuckerberg 邀请去“喝茶”？ Michael Truell：（笑）没有，真的没有。 主持人：他没有拿着两千万美元签字费走过来跟你说：“Michael，来 Meta 干 AGI 吧”？ Michael Truell：没有（笑）。对我们来说，这家公司是我们愿意用一生去投入的事业。 我们真的很幸运，有机会站在这样一个 AI 技术拐点，有这样一批志同道合的伙伴，又刚好做了我们最热爱的事——用 AI 重新定义编程方式。这种匹配是很难得的。 如果我们能实现这个目标，那不仅能推动整个编程行业进化，也可能为其他垂直领域带来巨大的启发。所以我们更愿意把这件事做成，而不是被其他人“打包带走”。 主持人：那你怎么看 Meta 最近这一波“高调挖人”？他们开出很夸张的薪资，对你们招聘有没有造成明显影响？ Michael Truell：说实话，影响并不大。我们现在整个团队本身就不算大，而我们的研究团队则更加精简。 我觉得，不同的人在考虑加入一家公司时，关注的重点是不同的。有些人更看重资源平台，有些人更在意自己的使命感。我们吸引的是那种希望参与一个高度专注、节奏迅速的小团队的人——他们希望解决真实世界的问题，而且愿意深入技术底层。 我们有点像一个“混合体”：既不是传统做软件的初创公司，也不是纯粹做基础模型的大实验室。我们在“产品”这端和“模型”这端都希望做到最好，并且让两者互相推动。这种定位，正好吸引了一类非常独特的机器学习人才。 主持人：那我再追一个更具体的问题。最近有报道说，你们挖来了两位原本主导 Claude Code 的前高管，但他们加入没多久又离开了。这件事方便谈谈吗？ Michael Truell：Cat（Wu）和 Boris（Cherny）确实非常出色。他们是 Claude Code 背后的关键人物，那是他们一手做起来的项目。 我完全能理解那种“归属感”。作为一个也从零开始做 Cursor 三年半的人，我太清楚那种对产品的情感了。他们对 Claude Code 还有很多想法，愿意继续推进自己亲手做起来的东西，所以最终选择回去，这一点我很尊重。 主持人：你刚才也提到了 Cursor 的定位比较特别，夹在大模型实验室和传统软件公司之间。那么当你在对外招聘时，你们会怎么描述 Cursor 的“公司文化”？ Michael Truell：我们的团队文化其实挺鲜明的，几个关键词可能是：对流程保持怀疑、对等级制度保持怀疑。 虽然随着公司承担的项目越来越复杂，协作变得更密集，但我们始终在试图保持组织的轻量和弹性。 还有一点很重要——我们内部是一个非常诚实、反馈开放的群体。大家在工作中批评彼此的提案是很自然的事，不会让人有心理负担。大家讨论事情，都是为了把事情做好，而不是为了谁对谁错。 除此之外，我觉得我们这群人也特别好奇、认真、投入。大家并不只是把这份工作当成一份“职业”，而是真心相信我们做的事是有意义的，是值得花时间去实现的。 虽然我们对外沟通不多，有点“低调内敛”，但其实内部的热情是很饱满的。 对了，还有一点我们特别看重：虽然我们鼓励野心，但我们不欣赏浮躁。我们希望招来的人，是那种既有目标感，又能保持专注和冷静的人。因为 AI 圈子现在真的“吵得很”，每天都有新新闻、新传言，真的很容易被带偏。我们更希望团队成员能“把头埋下去”，专注在自己该做的事情上。 主持人：你刚才说到你们团队对外沟通还不够，其实 Cursor 一直给人的印象确实是“默默做产品，用户自己来传播”。不过最近你们也有一次“刷屏”时刻——就是你们调整价格机制那次，很多用户在社交媒体上表达了不满。可以聊聊你们从这次事件中学到了什么吗？ Michael Truell：我们确实在这件事情上学到了很多，也意识到我们在很多地方做得不够好，特别是在沟通和解释上。 先说背景吧：从一开始，Cursor 的定价模型其实就包含“订阅+使用上限”的机制。你付费订阅之后，会获得一部分“AI 调用额度”，也就是你可以使用多少次 AI。这种机制其实从最早就存在，只是形式上后来有过一些变化，比如不同功能占用额度的权重不同，或者能不能加钱突破上限等等。 但过去这段时间发生了两个很大的变化：第一，用户调用 AI 的方式变了；第二，底层的成本结构也变了。 最典型的变化是：现在当用户“用一次 AI”，这一次调用所代表的计算资源，已经远远超过过去。 你提到过一张图，显示 AI 的“连续工作时间”从几秒变成几分钟、再到几小时——我们作为第一线的开发者，其实是最早感受到这股变化的。以前你问 AI 一个问题，它几秒就答完；现在你可能让它“从头实现一个子系统”，结果是生成 300 行代码，跑了好几分钟，调用了多个模型。这对用户来说，价值变大了；但对我们来说，成本也变高了。 于是我们决定调整计费方式，从“按调用次数”变为“按计算资源消耗量”（也就是 token、模型推理等底层指标）。这其实是希望让定价机制更合理——谁用得多、用得重，谁多付一点；而普通用户，还是可以继续享受基础套餐。 主持人：但问题在于：用户不是 AWS 工程师，大多数人根本不知道“计算资源”意味着什么。他们习惯的是 Spotify 或 Netflix，那种“包月听/看不限量”的逻辑。所以一旦被提示“你超出额度了”，他们就懵了。 Michael Truell：对，这正是我们低估的地方。 其实 Cursor 从一开始就存在“使用量限制”，但我们过去给出的额度基本够用，大家不会真正遇到“被打断”的体验。而这次调整之后，确实有部分重度用户在不知情的情况下就“撞线”了，体验就断了，心里肯定不爽。 所以说，我们的问题并不在于“收了钱”，而在于“没把变化讲清楚”。定价调整这种事，本来就应该是用户参与讨论、获得提前预期的。但我们这次确实沟通不到位，产品提示也做得不够细致，这点我们认了。 主持人：听下来，我感觉你们现在正处在一个很微妙的平衡点：一方面你们的 AI 使用量已经远超普通聊天类产品，比如 ChatGPT；另一方面又得控制成本、保持开放，同时不伤害用户体验。这之间的张力挺大的。 Michael Truell：确实如此。 你要知道，在消费者市场，尤其是“对话类 AI”产品上，这种 tension 可能还没那么大——因为用户日常问的东西没那么复杂，也不会持续调用很多轮模型。模型精度提高、成本反而降低，这是比较典型的路径。 但我们这个领域不一样——**编程场景中的 AI 使用，强度高、持续时间长、任务复杂度大。**未来一名专业用户每天调用的计算量，可能是普通用户的几十倍。而 token 成本下降的速度，并不一定能跟上用户需求上升的速度。 所以我们在考虑未来定价模型时，可能也会更像 AWS，而不是像 Evernote 或 Notion。这可能是整个 AI SaaS 行业都要面对的现实。 不过我们也非常明确一件事：必须给用户选择。 我们希望用户可以自由选择“体验最强、价格最贵”的 AI 套餐，也可以选择“按月订阅、价格固定”的版本，哪怕这个版本能力上稍微受限一点。哪种方式更适合你，你自己决定。 而且，就目前我们的统计来说，在主流订阅方案，比如每月 20 美元的 Pro 套餐下，其实大部分用户并不会超过使用额度，也不会被提示“需要加钱”。这一点也希望大家能安心。 主持人：我就是那种永远用不满额度的用户（笑）。每次都觉得是不是我用得还不够猛。 Michael Truell：哈哈，其实你不是一个人。AI 使用强度真的存在巨大的差异——**Top 5% 的用户和中位用户，行为是两个世界。**有些人一天调用几百次、几千次；也有些人一个月就点几下。 我们能做的，是既满足前者，也不打扰后者。 主持人：我们快到尾声了，我想问你一个很多 AI 从业者都会被问到的问题，也算是验证你“是不是 AGI 洗脑派”。 刚刚我们聊了很多模型当前遇到的技术问题，比如上下文窗口的限制、持续学习能力不够、人类式记忆的缺失……这些其实都还没有解决。 可与此同时，也有很多业内人非常笃信：到了 2027、2028 年，AI 就会以指数级加速，彻底改变世界。 你怎么看？你自己在这条“乐观 vs 谨慎”的光谱上，站在哪一侧？ Michael Truell：我们应该算是走在“中间路线”的那一派吧。 我们相信 AI 会是一次非常深远的技术变革，甚至可能是比过去任何技术浪潮都更大的结构性转折。但同时，我们也不认为这件事会“很快就结束”。 我们自己创业初期，就经常听到两种极端声音： 第一种是：“你们干嘛做 AI？这东西还有得搞吗？用处也不大吧。” 第二种是：“你们干嘛做某个具体产品，比如 CAD 或编程？AGI 马上就来了，几个月之后你们所有的应用都会被淘汰。” 而我们坚持的是一个看上去很“笨拙”的路径：去扎实地做一个真实场景下的知识工作产品，然后不断观察 AI 帮上了哪些忙，没帮上哪些，持续把它做深。 我们的判断是：未来的 AI 发展不会是“滑翔”式的，而是像登山一样——**你会有陡坡，也会有平台期，峰值之间的落差会非常大。**它不是均匀线性的，也不会一蹴而就。 所以，我们不相信“某个训练跑完就突然爆炸”，也不认为 AGI 会在某天凌晨突然从服务器跳出来。 我们更倾向于相信，一家 AI 产品公司如果能在“特定工作场景”中做到极致，比如我们做编程，就有可能在推动领域进步的同时，也反过来为通用 AI 的路径提供新的工具与范式。 我有时候会打一个类比：如果你在 1999 年想推动 AI 的进步，也许最有效的方式是做一个像 Google 这样的搜索引擎，让它真正解决问题、影响世界，然后通过这个过程推动基础研究和技术平台。 我们现在在做的事情，也许在某种程度上与当年的 Google 角色是类似的。 主持人：听下来你并不相信“加个大模型参数、跑一轮训练，就能出现 AI 神明”的说法。 Michael Truell：哈哈，对，我的直觉是不会。但当然啦，我们谁都无法完全预测未来。很多事，你要保持一点“健康的怀疑”。 不过就目前我看到的节奏，我的判断是：它会花更久的时间，但最终一定会到来。而我们做的工作，是加速那一步的过程，同时也是验证它能不能真正落地在人类工作里。 主持人：那我们来做个收尾问题。我不要求你预测五年之后的 Cursor 会是什么样，但如果说两年后，你最希望 Cursor 能实现一个什么目标，而它现在还没做到的，会是什么？ Michael Truell：我们现在的短期目标，是让用户能把更多、更复杂的工作“委托”给 AI，交给多个助手并行处理。 然后我们要在这个过程中，打造一种全新的“软件构建体验”：你不是面对几百上千行代码去编辑，而是和一组 AI 代理协作，它们自己会把任务分工、组合、完成，你只需要介入关键决策点，理解它们汇报的结果，并在需要的地方做出调整。 另一个我们长期关注的方向，是编程语言本身的“进化”。 我觉得随着 AI 能力增强，传统代码的“精确+低级”特性可能不再是唯一标准。未来我们可能会看到新的编程语言形式出现，它们更加“抽象”“压缩”“语义清晰”。 想象一下，不再是几百万行代码，而是几十万行高阶表达，程序员甚至可以用更接近自然语言的方式，描述他们想要构建的系统。这种语言既是人和机器的“沟通媒介”，也是一种全新的“系统描述UI”。 我们也不认为“纯对话框式”的编程是最终形态。聊天输入虽然简单，但在真正构建复杂系统时，它缺乏控制力。 主持人：就是你得能“指一指”“点一下”“精准改一小块”。 Michael Truell：没错，写代码的终极体验一定不是“闭着眼和机器人聊天”，也不是一行一行去抠字节。而是你可以“看到逻辑”“操作逻辑”，可以理解和修改系统的每一个精细结构。 从这个意义上说，我们最终的目标，不只是把模型做强，而是要重新设计“人与计算机交互的界面”。而编程语言，正是那个最底层、最需要被重构的“用户界面”。
主持人：太精彩了。今天聊了很多，Michael，非常感谢你做客 Decoder。 | 
