喝点VC｜Peak XV对话Cursor联创：Copilot产品缺乏粘性造就Cursor的机会，编程市场需要掌控接口和IDE

图片来源：YouTube

Z Highlights

• GitHub Copilot大约是在2021年夏天发布的，那时它真的非常惊艳，一发布出来就感觉像是魔法。

• 所以再次回到这个问题：如果模型变得更好，能够做更多事情，你就必须掌控IDE——现在证明这确实是一个正确的选择。

• 现在我们所有的，有时真的需要大量资源、巨大的计算能力和一个大型团队投入，才能让像这些功能一样的东西发挥作用。

• 也许它不会完全像今天的工程师那样，但我认为那将是未来工程学的样子：一个人在做判断，如何塑造软件的样子。

Aman Sanger和其他人共同创办了Cursor，并在第一年将其规模扩大到1亿美元，使其成为增长最快的SaaS公司之一。

在与红杉印度/东南亚——Peak XV管理董事Rajan Anandan的对话中，Aman分享了Cursor的起源和基因。

产品开发与挑战

Rajan Anandan：我想几乎所有人都听说过Cursor。Aman和三位联合创始人——公司有四位联合创始人——他会详细讲这方面，他们在MIT时就创办了这家公司，

或者说，开始了一些后来成立公司的工作。他们都在2022年从MIT毕业。他会谈谈公司的起源故事以及他们是如何准备开始的。

Aman从14岁就开始编程。2019年，我在他纽约的家里见过他，当时他刚在谷歌实习过，但感觉非常无聊——所以我能理解他为什么会创办Cursor。

如今，Cursor有30个人，从2023年开始发布产品，已经创造了1亿美元的收入，它是一家成长非常迅速的公司。

基本来看，Cursor是一个AI编码数据的产品，他会稍后详细讲讲。正如你们所知，编程是一个正在被AI颠覆的领域，竞争非常激烈。

下面，从你们的起源故事开始吧。你们四个人是如何开始的？请和我们讲讲背后的故事。

Aman Sanger：我们四个是在MIT认识的，都有一些机器学习的背景，而且我们都是Copilot的早期用户。

GitHub Copilot大约是在2021年夏天发布的，那时它真的非常惊艳，一发布出来就感觉像是魔法。

这是第一个真正有效的、基于语言模型的产品。之前所有的机器学习系统大多是推荐系统，或者是一些类似自动驾驶和计算机视觉的东西。

但Copilot是真正第一个基于语言模型的产品。第一次使用它时，确实能感受到那种魔力。但过了一年，情况没有太大变化。模型本身开始变得更好了。

Rajan Anandan：产品本身没有变化吗？

Aman Sanger：是的，一年之后唯一的变化是，他们换了一个OpenAI提供的新模型。其他方面完全一样，体验也几乎没变，但底层模型在不断改进。

正如我刚才所说，如果你看看文献上的进展，人们正在用更多的数据来扩展这些模型。鉴于代码领域的数据量非常庞大，我们预计这些模型会变得越来越强。

而且现在看来，编程的未来不会只是更好的“ghost text”和更好的“autocomplete”。

如果语言模型真的足够强大，能够生成90%甚至95%的软件，我们的观点是，你必须重新构思工程师实际构建软件的界面。这里有几个故事可以帮助阐明这一点：

我们遇到了Nat Friedman，他曾是GitHub的CEO，他在GitHub Copilot的创建过程中起到了部分作用。

基本上，微软拥有VS Code和GitHub。Copilot之所以成功，核心原因之一是他们能够对VS Code进行改进，推出了这种新的用户体验，提供了智能文本。

对于那些知道我在说什么的人，或许如果你不写代码，你在Gmail中也见过这种自动完成的智能文本。

这种东西之前并不存在，取而代之的是类似Tab9尝试使用的那种奇怪的IntelliSense bubble。而仅仅更换这一点，就大大提升了使用效果。所以再次回到这个问题：

如果模型变得更好，能够做更多事情，你就必须掌控IDE——现在证明这确实是一个正确的选择。

Rajan Anandan：绝对如此。你们重新构想了整个事物，很多创始人都在思考这个问题。

这些领域的竞争正在变得越来越激烈，你们与模型竞争，与其他很多公司竞争……你们是否曾考虑过，自己即将开始的这个旅程，就是要挑战微软，还是说……

Aman Sanger：是的，我们百分百考虑过这个问题。这也是我们在做这个领域工作时最大的顾虑。因为确实非常痴迷于训练语言模型，并让它们在编程方面更好。

但也一直犹豫：我们想，也许可以构建其他类型的开发者工具。

Rajan Anandan：你们一开始没有做Cursor，对吧？能说说一开始做的是什么吗？

Aman Sanger：的确，我们最初实际是为机械工程师构建工具的。

看到Copilot的成功之后，我们想，嗯，有一点机器人学的背景，而且很多机械工程工作都非常繁琐。能不能为CAD构建一个类似自动完成功能的模型？

但最终，市场上并没有什么适合创始人的契合点。我们并不是真正的机械工程师。

我们不断回到编程的领域：是的，我认为最终还是编程市场的竞争更激烈。但我们有一个理论，那就是你需要掌控接口，你需要掌控IDE。

相对于其他许多资金支持非常强大的初创公司（比如GitHub Copilot），这给了我们极大优势。我认为，专注于用户体验一开始就为我们提供了这个优势。

团队构成与招聘：小体量公司的成长

Rajan Anandan：好的。你们公司才三岁嘛，所以讲讲你们第一年的经历吧。整个公司那时候只有五个人，对吧？

Aman Sanger：对，那时候主要是创始人，只有我们四个。

Rajan Anandan：四个人，你们自己开发了产品并推出了它？

Aman Sanger：是的，大约在2023年1月，我们开始着手开发这个产品。

大概有两三个月的时间，我们在尝试不同的东西，进行各种实验，直到找到合适的方向，然后推出了它，开始的反馈还可以。

我们是和GPT-4一起发布的，所以一开始确实有一些初步的关注，因为它是少数几个搭载GPT-4的产品之一。

但随后热度就消退了，使用量也急剧下降。接下来的整个夏天，增长都非常缓慢。

这确实让人气馁。我们心里最大的疑问是，难道我们太过野心勃勃了吗？作为一个这么小的团队，我们真的能为所有工程师打造一个通用的产品吗？

也许应该更聚焦于某个特定的用例，比如测试或者bug检测之类的吗？

但这个产品最神奇的地方在于，我们自己也是用户，所以我们能非常迅速地进行迭代，并且在那个夏天，我们尝试了各种不同的功能。

然后我们找到了那一组真正有效的核心功能，其中一个就是这种指令式的编辑能力，我们把用户体验做得非常好。

这个功能在Cursor中叫做Command K，因为这就是你调用的实际命令；另一个功能是代码库索引，你可以针对整个代码库提问。

我们将这两个功能整合并推出后，它就开始飞速增长起来了。

Rajan Anandan：所以这两个功能的加入，推动了增长？

Aman Sanger：我认为是。我们还进行了很多其他的实验。而Cursor的大部分工作基本上就是在尝试什么是可能的。

比如，你们在产品中看到的每一项功能，背后可能有10个失败的实验，这些东西没有成功。一个很好的例子是我个人最喜欢的功能，现在叫Cursor Tab。

它最初的名字是Copilot++。当时，Copilot只是一个自动补全工具。

Copilot++的想法是，大部分编程工作不仅仅是找出在光标后面应该写什么，更重要的是修改现有代码。

所以Copilot++最初的设计是，预测你下一个修改的内容，但它并不是想取代Copilot，而是作为对Copilot的一个补充——Copilot负责自动补全，Copilot++负责修改。

我们在夏天尝试过用提示模型进行实验，但完全失败了。直到2024年1月，我们有了足够的用户数据，它才开始起作用。

Rajan Anandan：到2024年1月，你们有多少用户？也就是你们推出大约一年后？

Aman Sanger：大约有30,000个日活跃用户，差不多。有了这些用户，我们获得了一些数据，可以用来训练模型，预测下一个编辑操作。

这就是我们尝试的一个例子。过去我们尝试过两次，想让这个功能成功，但完全失败了。最终在第三次尝试时，让它成功了。

它甚至不是完整的自动补全，只是一个加在Copilot上面的功能。

然而随着时间的推移，我们慢慢改进，现在我认为它在自动补全和预测下一个编辑操作方面都比Copilot要好得多。

Rajan Anandan：你们四人是这个产品的用户，都是非常懂技术的人。你们不断实验，构建你们作为用户所需要的东西。

跟我们多讲一点这个过程吧，让大家更好地理解——因为我觉得你们的工作速度非常快，让人觉得有些疯狂。

Aman Sanger：这可能是我们的一大优势，我们是一个小团队。每个人都在为自己做，因为我们都是工程师。

但我认为其他人在这方面，可能不会像我们一样坚守初心。

所有的工作，实际上在前六个月到一年间，都是在尝试找到新方法来利用、改进这些模型，以便更好地进行编程。

我最喜欢的实验，至今我们还没有完全解决，但已经开始看到一些生机。我们尝试过很多次，你应该能够利用这些模型来检测bug。

目前还不清楚这个功能是否应该用于打字，像是一个语法检查工具；也不清楚它是否应该用在审查过程中，我们尝试过许多不同的版本。

现在我们所有的，有时真的需要大量资源、巨大的计算能力和一个大型团队投入，才能让像这些功能一样的东西发挥作用。

我认为这就是在寻找bug的这个功能上的情况。总之，经过大量尝试，看看什么有效，然后再发布出来。

我们发布这些半成品，而许多竞争对手拒绝这样做。第一版的Copilot++光标标签很糟糕，但一旦你发布出来，看看人们的反应，就能改进很多。

Rajan Anandan：所以你们愿意发布很多东西，然后去掉大部分，只保留有效的部分？

Aman Sanger：没错，我们倾向于尽早发布，只要某个东西对团队显示出有用的迹象。

Rajan Anandan：现在我们来谈谈团队建设。

你们什么时候加入了第一个非创始人成员——从四个创始人到第五个团队成员，或者第一个非创始人团队成员是谁？是什么时候加入的？

能否简单谈一下你们是如何建立团队的？

Aman Sanger：是的，我们的招聘进程很慢。

我们能这样做一段时间，因为我们是四个技术创始人组成的团队，

所以可以在不招聘任何人的情况下，构建大部分早期的产品，直到达到了某个早期的产品市场契合度。

这是非常好的，因为这意味着作为第一次创业的创始人，在没有显著网络的情况下，我们不必在首次招聘时降低标准。

所以这也意味着，当我们开始寻找第一个员工时，我们已经有了一些收入，增长也相当可观，而且有很多用户可以联系。

所以第一个员工其实是一个共同的朋友，或者是我认识的一个朋友。

Rajan Anandan：从MIT毕业的吗？那么在30人中，有多少人来自MIT？

Aman Sanger：差不多一半。

Rajan Anandan：只有一半？其他人来自哪里呢？

Aman Sanger：只是一些学校的混合。这其实说明了产品的一个神奇之处，那就是我们的用户非常适合招聘。这也是我们招聘到第二位员工的原因。

Rajan Anandan：是那个持续给你反馈并且在上面进行实验的超级用户吗？

Aman Sanger：是的，基本上通过分析，找到了评估某些超级活跃用户代码质量的方法，然后我们利用这个方法主动联系了一些高质量的用户。

这个人做出了回应，结果非常好。他是一位出色的工程师。

Rajan Anandan：那么现在我们可以换个话题，谈谈Cursor的底层模型架构。我们知道你们使用前沿模型，但你们也会训练自己的模型。

Aman Sanger：是的。我认为在构建这些产品时，务实非常重要。

很多公司可能在2023年和2024年筹集了大量资金，并且在产品市场适应之前将所有钱都花在了GPU上，但我认为这不正确。

我认为我们尽量使用最适合的工具，而很多时候，这只是调用一个API，

但随着你建立一个足够大的团队，积累足够的专业知识，拥有足够的可用数据来改善这些模型，

我们开始发现，构建自定义模型越来越有影响力，所以这就是我们为tab、Cursor tab以及下一次编辑预测自动补全所做的工作。

Rajan Anandan：所以你们为此有自己的模型？

Aman Sanger：是的，那是我们训练的一个完全自定义的模型。

Rajan Anandan：有多少个自定义模型，能稍微透露一下吗？

Aman Sanger：其实有很多，技术上大约有50个。但真正投入使用的，大概只有10个。

Rajan Anandan：10个自定义模型，然后在前沿领域，你会使用其中的一些，还是就用这些模型？

Aman Sanger：在前沿领域，我们主要坚持使用Sonnet模型，这是主要的模型。

有些人更喜欢其他一些模型，比如推理模型，如o3或o1，还有一些人非常喜欢R1，比如DeepSeek的模型。

不过回到正题，我们使用自定义模型主要是为了低延迟的需求，比如在需要比实验室提供的模型更低的延迟和成本的场景下，

或者是在我们拥有大量数据的领域，这些数据可能与实验室在预训练时接触到的数据有些不同。

Next Data Prediction就是一个很好的例子。

如果你打算预训练这些模型，你会发现你在GitHub上有大量的数据，但你没有提交之间发生的变化，而我们发现这正是一个非常好的数据来源。

然后是一些我们并不特别关注改进的东西，比如我们可以训练更好的嵌入模型，因为实验室里最顶尖的人正在推动推理领域的前沿，而不是嵌入模型的改进。

就这些。

Rajan Anandan：那Cursor的魔力有多少来自自定义模型呢？

Aman Sanger：我认为这个因素被低估了。

很多你在Twitter上看到的内容，是人们在热衷于讨论从零到一的东西，但很多时候你可以仅仅通过使用现成的模型来应付。

真正的魔力在于，当你在更大的代码库中使用这些模型时，它真的能很好地理解内容，预测你接下来要做什么，找到正确的代码片段。

这些都来源于这些自定义模型。

商业模式与未来展望

Rajan Anandan：明白了。现在咱们可能会转向一个和Cursor不相关的问题：

你们有什么建议，给那些正在建立本土AI公司（无论是代理型的还是AI应用）的创始人？抱歉，在我问这个问题之前，Cursor的护城河是什么？

你们有考虑过护城河吗，还是其实并没有？

Aman Sanger：有一些方式可以建立黏性。比如，我认为分发是其中之一，我认为目前我们并没有真正建立起长远的护城河。

我们有一些优势，比如相较于其他所有人，除了Copilot之外，我们有分发优势。我们也有数据优势，但这些还不算护城河，因为Copilot的用户更多。

我认为从长远来看，我们可能会有一些潜在的护城河。就像我认为问题在于，我们想要达到一定规模，成为行业的领先者，超越Copilot。

Rajan Anandan：所以会是分发和数据吗？

Aman Sanger：我认为是。然后需要建立粘性，因为Copilot没有做到这一点。

他们的产品缺乏粘性，这也是我们存在的原因，也是我们能够做到如此高的收入，并希望今年超越他们的原因。我认为有方法可以建立粘性。

Rajan Anandan：你能详细说一下吗？你们如何建立粘性？

Aman Sanger：有很多方法可以让模型专注于代码库，特别是当你有成千上万的开发者。

他们在大公司里每天都在使用这个产品，而你能得到他们所有的编辑数据，这就是丰富的数据。

你可能不会用它来改进你其他的模型，当然，是为了其他人，因为企业不会允许你这样做，但你可以用它来改进他们的模型。

基本上会得到这样一个情况：公司使用Cursor的时间越长，Cursor就越能变得更好。

我认为现在把重点放在这个上不太合适，因为增长比粘性更为重要，但我认为这绝对是我们可以做的事情。

Rajan Anandan：跳出Cursor之外，你对那些构建应用AI或agent AI公司创始人的建议是什么？

尤其是在这一点上，你如何建立一个真正特别的东西，是前沿模型做不到的？因为每个人都会进入应用领域。

Aman Sanger：你应该瞄准那些天花板很高的东西。

Rajan Anandan：什么是天花板很高的东西？

Aman Sanger：我举个例子，像写文案这种事情。也许有一个产品，它的收入增长很快，特别擅长写文案，但那并不是一个特别高的天花板。

Rajan Anandan：难度等级？是这个意思吗？

Aman Sanger：是的，就像难度等级一样。它有多接近像ChatGPT之类的东西能做到的程度。ChatGPT发布之后，大多数人可以直接去那里让它写文案。

而对于编程来说，情况会有所不同，我认为每个人都会尝试建立这些agent，软件工程agent，但我认为在很长一段时间里，你仍然需要真正的工程师。

长时间来看，工程师与这些工具搭配使用的生产力要远高于这种AI“同事”。

这是一种天花板非常高的情况，因为我们实际上还有很长的路要走，才能达到这些模型，或使用这些模型的系统真正能够替代最优秀工程师的水平。

Rajan Anandan：这是一个很好的看法，现在我们来谈谈变现。从你们开始的第一笔收入到100百万收入，年化ARR或运营速率，这个是怎么发生的？

你们没有销售人员，对吧？

Aman Sanger：我们设置了一个Stripe账户，然后——

Rajan Anandan：你们设置了一个Stripe，然后，哗，马上就来了？

Aman Sanger：我的意思是，你知道的，感觉并不像——

Rajan Anandan：你们没有销售人员，对吧？我们开始招聘销售人员了——入站、出站、SDRs、BDRs、AEs，都没有，对吧？

Aman Sanger：不，我们是一个多月前才开始招聘销售人员的。

Rajan Anandan：现在你们有多少个销售人员？

Aman Sanger：三个。

Rajan Anandan：但是你们到达1亿收入的时候，没有任何销售人员？

Aman Sanger：没有。那是怎么发生的呢？这就像人们把这些产品告诉他们的朋友一样。

这很有趣，因为开发者工具传统上，大家告诉我们的事情是，开发者工具赚不到钱。

然而，很多独立开发者为此付费了。而且，我认为企业市场会赚更多的钱，方向也的确是朝着这个走的。

它是开发者和团队的结合。但是很多其实是独立开发者在支付。这至少是我们增长的一个大基础。

我认为AI让人们愿意为某些东西付费。就像是一旦你拥有了ChatGPT，人们开始每月付20美元。现在他们就觉得，支付一些AI工具的费用已经是常态了。

Rajan Anandan：这是一个很好的观点，对吧？

Aman Sanger：Copilot也是一样，必须经历这个过程。

就像他们不得不经历一段漫长的过程，无论是几年的时间，去让人们改变他们的想法，去认为，我需要为一个AI工具付费。

然后，当我们开始的时候，这就变成了一种常态。于是，人们就更愿意为Copilot的替代品或Chat GPT的替代品付费，或者是某种更好但价格相同的东西。

Rajan Anandan：当你考虑接下来的三到四年时，现在我不再讨论盈利化问题，但包括盈利化，

看到接下来的三到四年，你们作为一家公司、一个产品、一个企业，目标在哪里？

Aman Sanger：还有很多工作要做，去让软件工程师更高效。Cursor的最终目标是让世界上的任何人都能更轻松地制作软件。

如果你希望让任何人都能非常简单地制作出像Figma这样的高水平产品，我认为这需要很长时间。

而且我不认为最终的形式会是像我开始形成的一个信念那样，AI“同事”可能并不是世界的最佳终极状态。

因为我有真正的同事，他们是非常优秀的工程师，但在试图与他们沟通想法时，你会遇到一些额外负担。

有些东西常常存在于你的脑海中，很难传达出来，然后有一些隐性的信息，你永远无法完全写出来或者传达给他们。

他们给你的东西，大部分是对的，但总是跟你心里想的有些出入。就会有一些来回的讨论，我认为你可以比同事做得更好。

如果你有某种接近即时的东西，并且能够与你即时迭代，我认为很多开发工作将会是这样的。而且，我不知道。我们来看一个软件的例子。

比如，拿Notion来说，很多时候，重要的是你在设计Notion中的每个元素时的品味。比如，点击这个东西时会发生什么？这个东西怎么反应？

并且，足够详细地描述这一切就是编程。我认为它将会看起来非常不同。

Rajan Anandan：基于这个观点，我知道你们四个人有一个强烈的看法，那就是开发者的角色不会消失。

它们会发生变化，因为有一种观点认为，一切都将转向普通代码，比如从提示到代码。

Aman Sanger：会有一些事情是从提示到代码的。有些事情是非常明确的，比如模型会大致知道你想表达的意思。

像是，很多编码可能就是这样。要构建一个简单的CRUD应用，你可以直接从提示到代码，然后进行迭代。

我认为有些事情，可能会涉及到公司有一大堆任务和bug。那时候有一个AI“同事”去处理它们，消化并完成它们，会非常棒。

但我认为也会有一些事情，价值非常高，这完全取决于某个个体的品味。

也许它不会完全像今天的工程师那样，但我认为那将是未来工程学的样子：一个人在做判断，如何塑造软件的样子。它可能会在某个更高层次上运作。

Rajan Anandan：你们怎么看这个问题？我知道你们不能评论，但你们认为，几年后，AI编码员会不会成为现实？我不再支付20万美元，而是支付5万美元？

Aman Sanger：我们希望能做到。

Rajan Anandan：你们就是朝这个方向发展的吗？

Aman Sanger：我们希望能够构建这样的东西，它将呈现多种形式。比如将会有一个在后台运行的东西，它就像是一个同事，我们希望能够构建它。

我们还认为会有一种形式，更加融入工作流程，让你更紧密地与它合作，快速迭代。

Rajan Anandan：给我留下深刻印象的事情之一，就是你们Cursor和像你们这样的公司——速度。速度真的很快。

告诉我们一些关于公司文化的事，什么是最重要的？你们是如何保持忠于使命，并将其付诸实践的？

Aman Sanger：文化就是那种真正关心编程未来的人。

比如在晚餐桌上，大家讨论的都是关于“如果我们训练一个模型来做这个，然后它以这种方式表现出来会怎么样”的猜想。

然后你会看到UI人员和模型人员在一起讨论，思考未来会是什么样子。就这样，大家都超级兴奋。因为有太多酷的东西可以构建、发明。

这大概就是Cursor文化的本质，也是它能够运作得如此成功的原因。就是这种好奇心，大家都在想着：“下一个要构建的是什么？下一个杀手级功能是什么？

我们如何使Cursor变得比现在更好？”因为我觉得就有一些东西，就在我们眼前，但没人发现。

Rajan Anandan：Cursor完成了1%还是10%？

Aman Sanger：我认为我们可能完成了超过1%，但绝对不到10%。我会说大概是2%或3%。

Rajan Anandan：太棒了，感谢你加入我们！

原视频：Cursor Co-Founder Aman Sanger on the Journey from 0-$100M in 12 Months & the Future of Programming

https://www.youtube.com/watch?v=XBQEdtXjlho

编译：Christine Liu

文章来自于微信公众号“Z Potentials”，作者 ：Christine Liu