在 ChatGPT 引發(fā)的 AI 風(fēng)暴中，編程的世界悄然迎來一場革命。AI 不再是簡單的輔助工具，它正在逐漸走向更深層次的應(yīng)用——重寫編程這件事本身。在這期Decoder 中，Platformer 創(chuàng)始人 Casey Newton 將與 Anysphere 的聯(lián)合創(chuàng)始人兼 CEO Michael Truell 深度對話，探討這一變革背后的機(jī)遇與挑戰(zhàn)。

Michael Truell，年僅 25 歲，剛剛帶領(lǐng)著 Anysphere 成功推出全球最受歡迎的 AI 編程工具之一——Cursor。他是一個典型的 MIT 畢業(yè)生，但與許多同行不同，他并不相信 AGI（通用人工智能）會在短時間內(nèi)突現(xiàn)，也不認(rèn)同“只需加大模型參數(shù)就能出現(xiàn) AI 神明”的說法。相反，他認(rèn)為，未來 AI 將逐步改變的是人類工作流的方式，尤其是在編程領(lǐng)域。

Cursor 并不僅僅是一個智能補(bǔ)全代碼的 IDE（集成開發(fā)環(huán)境），它背后的核心理念是將編程從一個純粹的技術(shù)操作轉(zhuǎn)變?yōu)橐环N與 AI 合作的創(chuàng)作過程。在這種新模式下，程序員不再是埋頭苦干的“代碼工人”，而是充當(dāng)任務(wù)設(shè)計師的角色，主導(dǎo) AI 代理完成復(fù)雜的軟件構(gòu)建工作。更重要的是，未來的編程語言可能不再局限于傳統(tǒng)的低級語言，而是成為一種更高階、更抽象、能夠直接與 AI 進(jìn)行交互的“人機(jī)對話語言”。

Michael 強(qiáng)調(diào)，AI 進(jìn)步的真正關(guān)鍵并非突破性的技術(shù)飛躍，而是如何將它逐步融入具體工作場景，幫助人類提升工作效率，同時保持人的創(chuàng)造性和判斷力。他堅信，AI 不會一夜之間取代人類，而是通過長期的、漸進(jìn)式的提升，逐步改變我們與技術(shù)交互的方式。對于那些期待 AGI 會像電影中那樣一夜降臨、突然改變世界的人，Michael 提出了自己的反思：技術(shù)的發(fā)展從不會一蹴而就，真正的改變是由無數(shù)微小的創(chuàng)新和優(yōu)化積累而來。

然而，這也引發(fā)了關(guān)于 AI 在編程領(lǐng)域的潛力和邊界的深刻討論。隨著 Cursor 這類工具的崛起，軟件開發(fā)的角色和門檻是否會因此徹底改變？在未來，普通人是否也能像使用 Midjourney 一樣，用簡單的指令生成代碼，而不需要掌握傳統(tǒng)的編程語言？Michael 對此提出的挑戰(zhàn)是，雖然 AI 能幫助我們更高效地完成工作，但這并不意味著編程的“專業(yè)性”會消失。相反，隨著 AI 越來越多地承擔(dān)基礎(chǔ)性任務(wù)，程序員將更多地轉(zhuǎn)向設(shè)計任務(wù)和系統(tǒng)結(jié)構(gòu)優(yōu)化，這要求他們擁有更高層次的判斷力和戰(zhàn)略思維。

而當(dāng)我們談?wù)撐磥砭幊痰?ldquo;大門檻消失”時，我們是否忽略了技術(shù)對人類獨(dú)特能力的要求？在這種新的工作方式中，AI 并非簡單地替代人類，而是將人類從繁瑣的重復(fù)勞動中解放出來，使我們能在更宏觀、更具創(chuàng)意的層面上發(fā)揮作用。這種變化既令人興奮，也引發(fā)了關(guān)于“技術(shù)進(jìn)步帶來的失業(yè)”與“技能再定義”的爭論。

Michael 的觀點(diǎn)與許多硅谷技術(shù)樂觀派有所不同。他并不急于迎接“AGI”帶來的終極變革，而是堅定地認(rèn)為，我們正在邁向一個漸進(jìn)式的智能化世界，這個過程將會是一個充滿挑戰(zhàn)與機(jī)遇并存的長期戰(zhàn)斗。他對 AI 在編程領(lǐng)域的未來充滿信心，但他相信，這條路不可能是一蹴而就的，而是需要一步一個腳印，真正為每個領(lǐng)域帶來切實(shí)可行的變化。

以下是全文翻譯。

主持人：Michael Truell，歡迎做客 Decoder。

Michael Truell：謝謝邀請，很高興來到這里。

主持人：我們先從基本問題開始：Cursor 到底是什么？它能做什么，又是為誰設(shè)計的？

Michael Truell：我們的初衷，是希望 Cursor 能成為寫代碼、做軟件開發(fā)的最佳方式，尤其是在 AI 參與的前提下。如果是非技術(shù)背景的聽眾，我建議把 Cursor 想象成一個“超級版”的文字編輯器。在這個編輯器里，工程師通過大量“寫作”的方式完成軟件構(gòu)建。他們坐在一個類似 Word 的界面前，但他們寫的不是普通文字，而是成千上萬行復(fù)雜的邏輯結(jié)構(gòu)。而 Cursor 的價值在于，它能借助 AI，讓這個過程變得更加高效。

Cursor 目前主要有兩種工作方式：第一種是“預(yù)測型協(xié)助”，也就是它會實(shí)時觀察你的操作，預(yù)測你接下來可能要做的事——就像自動補(bǔ)全，但遠(yuǎn)比寫作時的補(bǔ)全功能強(qiáng)大得多。因?yàn)樵诰幊讨校磥?0分鐘你要干什么，往往是高度可預(yù)測的，而寫作就沒那么確定性了。

第二種方式，更像是你把 Cursor 當(dāng)成一個虛擬的“對桌程序員”——你開始學(xué)會把一些小任務(wù)交給它，讓它自己完成。

主持人：我們等下再詳細(xì)拆解 Cursor 的具體功能，但我想先回到你們的創(chuàng)業(yè)起點(diǎn)。當(dāng)初你們創(chuàng)立 Anysphere 時，其實(shí)是在做 CAD（計算機(jī)輔助設(shè)計）軟件。你們是怎么從那里轉(zhuǎn)向 Cursor 的？

Michael Truell：我和幾位聯(lián)合創(chuàng)始人都從很早開始就在寫代碼，也做 AI 相關(guān)的研究。我們中的一位曾在大廠做推薦系統(tǒng)，另一位一直專注于計算機(jī)視覺，還有人研究如何用極少數(shù)據(jù)讓機(jī)器學(xué)習(xí)算法學(xué)會東西，甚至還有人試圖在早期嘗試打造比肩谷歌的搜索引擎——那個年代還沒有 LLM（大語言模型）這一說。

我們對 AI 和編程的熱愛持續(xù)了很多年。2021年，有兩個時刻點(diǎn)燃了我們的創(chuàng)業(yè)沖動：一是第一次真正用到覺得“有用”的 AI 產(chǎn)品；二是一系列研究表明，即便不發(fā)明新架構(gòu)，只要模型做大、數(shù)據(jù)更多，AI 的能力就能持續(xù)進(jìn)化。

于是我們想：能不能找到一個知識工作領(lǐng)域，圍繞這個領(lǐng)域構(gòu)建一個“AI 正在介入”的工作平臺？一方面讓用戶在里面做事，另一方面不斷觀察 AI 在什么環(huán)節(jié)表現(xiàn)良好，在哪些地方仍需人類修正，從而推動產(chǎn)品和底層技術(shù)一同演進(jìn)。這個路徑也許能帶我們走向“重構(gòu)知識工作”的未來。

當(dāng)然，我們最愛的知識工作其實(shí)是編程，但一開始我們反而沒做這個方向。最初我們嘗試幫助機(jī)械工程師，也就是你提到的 CAD 領(lǐng)域。問題在于，我們四個人里沒有一個是機(jī)械工程師。雖然我們對機(jī)器人感興趣，有朋友在這個領(lǐng)域，但說到底那不是我們的專長。

我們當(dāng)時之所以沒選編程領(lǐng)域，是因?yàn)橐呀?jīng)有一批團(tuán)隊在探索“AI+編程”的方向。但做了六個月 CAD 之后，我們發(fā)現(xiàn)：一方面我們還是太喜歡編程了；另一方面，那些原本被我們視為“這個領(lǐng)域已經(jīng)有人在做”的方向，其實(shí)做得還不夠深入，也不夠有野心。

于是我們決定回到老本行，去打造“AI時代下最好的編程方式”，Cursor 就由此誕生。

主持人：我看你們很早就用上了 GitHub Copilot，這個工具是在 ChatGPT 推出前一年左右發(fā)布的。你當(dāng)時用它的第一反應(yīng)是什么？它對你們后來的產(chǎn)品設(shè)計有沒有影響？

Michael Truell：Copilot 非常棒，毫無疑問對我們影響很大。它是我們第一次真正覺得“AI 作為核心”是有用的產(chǎn)品。在這之前，AI 大多還停留在實(shí)驗(yàn)室或者“玩具”階段。雖然我們從很早就研究 AI，但說實(shí)話，在它變得“有用”之前，我們?nèi)粘Ｉ钪姓嬲惺艿?AI 存在的地方，幾乎就只有推薦系統(tǒng)，比如信息流、YouTube 算法這些。

而 Copilot 是我們第一個遇到的、真正讓人感到“AI 在工作”的產(chǎn)品，它不是幻覺，不是Demo，它真正在寫代碼。

我們當(dāng)時其實(shí)還在考慮要不要繼續(xù)走學(xué)術(shù)路線，Copilot 算是給了我們一個明確的信號——該走進(jìn)現(xiàn)實(shí)了，去做真正能落地的 AI 系統(tǒng)了。即使在 2021 年那個版本的 Copilot 仍有許多缺陷，比如經(jīng)常寫錯代碼，或者輸出很難信任，但它已經(jīng)足夠驚艷。

還有一點(diǎn)值得一提的是，Copilot 不只是第一個“AI有用”的產(chǎn)品，它還是我們用過的“最有用的開發(fā)工具”之一。你要知道，我們幾個都是那種喜歡把開發(fā)環(huán)境“折騰到極致”的程序員。那時候我們還在用 Vim 這種非常硬核的文本編輯器。可就是 Copilot 讓我們重新定義了“寫代碼”這件事。

主持人：你剛才說 Cursor 有點(diǎn)像一個“超級文字編輯器”。程序員可能會更熟悉另一個術(shù)語——集成開發(fā)環(huán)境（IDE）。事實(shí)上，從上世紀(jì)80年代開始，程序員就一直在使用 IDE。不過現(xiàn)在，像 OpenAI 的 Codex、Anthropic 的 Claude Code 這類 AI 工具，已經(jīng)可以直接在終端中運(yùn)行。那為什么還需要 Cursor？它和這些工具相比，優(yōu)勢在哪？

Michael Truell：我覺得這些工具本身都非常有用，但我們想做的事情，遠(yuǎn)不止是一個 IDE 或終端工具。我們真正關(guān)注的，是讓編程方式發(fā)生徹底轉(zhuǎn)變，特別是朝著這樣一個方向前進(jìn)：用戶可以不看代碼，也能開發(fā)出專業(yè)級的軟件系統(tǒng)。

我們想象中的未來，是你只需要傳達(dá)最低限度的“意圖”，系統(tǒng)就能幫你把軟件構(gòu)建出來。也就是說，只要給出最核心的需求，AI 就能把中間所有的步驟填補(bǔ)完整。而現(xiàn)在的編程方式，還非常繁瑣、耗時——就算是一個簡單的功能，從設(shè)計到實(shí)現(xiàn)，也需要耗費(fèi)數(shù)千小時、組建大團(tuán)隊、層層測試。

所以，我們的目標(biāo)是重新發(fā)明“寫程序”這件事。雖然今天 Cursor 仍然表現(xiàn)為一個“編輯器”，但這只是起點(diǎn)，它終將向更高級別的交互方式進(jìn)化。

目前 Cursor 支持的是“一對一”的人機(jī)協(xié)作模式，你可以和 AI 代理逐步完成工作，尤其是通過我們的 Tab 系統(tǒng)。接下來，我們要推進(jìn)的是讓你可以“一對多”地委派任務(wù)，讓多個虛擬助手并行處理不同的子任務(wù)，系統(tǒng)再把這些結(jié)果有序組織起來。這個過程中，你不需要讀每一行代碼，卻可以對整個系統(tǒng)的邏輯保持理解和控制。

很多工具也在追求“編程效率提升”，但如果只靠終端界面，能表達(dá)的信息和交互的維度是很有限的。我們從一開始就相信：要想真正革新代碼自動化這件事，必須從“交互界面”和“底層模型”兩端同時入手。換句話說，你要構(gòu)建一個讓程序員工作變得更自然的操作界面，同時也要構(gòu)建一套更強(qiáng)大的底層智能。

這也是為什么我們在 UI 控制力上的表現(xiàn)和終端工具相比是不同層級的。

主持人：你剛提到你們不僅關(guān)注界面，也在底層模型方面做了不少工作，甚至超出了 API 的默認(rèn)能力。能不能詳細(xì)講講你們是如何打造自己的模型的？這背后有何技術(shù)路線？你們?nèi)绾伪苊獗划?dāng)作“套殼產(chǎn)品”來看待？

Michael Truell：這是個好問題。首先我想說，所謂“套殼”這個說法，其實(shí)是早期 AI 應(yīng)用出現(xiàn)時大家的一個慣性判斷。當(dāng)時確實(shí)很多團(tuán)隊只是在別人的 API 上套了個 UI，還沒來得及深挖產(chǎn)品。但現(xiàn)在已經(jīng)不一樣了。哪怕只基于 API 模型，很多領(lǐng)域也已經(jīng)能做出非常深入的產(chǎn)品，尤其像我們這樣的“開發(fā)者工具”，它本身就有巨大的打磨空間。

不過，我們從很早開始就想做的是“規(guī)模化產(chǎn)品”——我們希望能讓很多人來使用它。人多了，你就能清晰看到 AI 在哪里真正幫上了忙，哪里沒幫上，哪里需要人類反復(fù)介入。這個反饋回路是模型優(yōu)化的關(guān)鍵。

舉個例子，我們目前的 Tab 模型每天執(zhí)行的推理調(diào)用次數(shù)已經(jīng)超過 10 億次，從活躍度來看，它是目前世界上“寫生產(chǎn)級代碼最多”的語言模型之一。

我們現(xiàn)在已經(jīng)迭代到第4或第5代模型了，全部是基于真實(shí)的用戶交互數(shù)據(jù)訓(xùn)練出來的。這不僅需要模型設(shè)計和數(shù)據(jù)工程，還需要底層基礎(chǔ)設(shè)施和頂尖的人才支持。

比如，我們團(tuán)隊有一位成員 Jacob Jackson，他是最早發(fā)明 TabNine（也就是 GitHub Copilot 的前身）的開發(fā)者。他也是最早做出百萬 token 上下文窗口模型的人之一。這樣的人才加入我們，把模型理解和應(yīng)用能力提升到了一個新層次。

而且我們在很多功能上不僅僅依賴 API 模型，比如自動補(bǔ)全（super autocomplete）模塊就是我們完全自研的。這也讓 Cursor 在“好用程度”上，和同類工具拉開了差距。

主持人：我最近和一家大型科技公司的 CTO 共進(jìn)晚餐，特地問了他一個問題：你們公司內(nèi)部現(xiàn)在最受歡迎的 AI 編程工具是哪一個？他告訴我，他經(jīng)常會發(fā)內(nèi)部問卷去了解工程師的偏好，其中就提供了 Cursor 的試用版本。結(jié)果沒想到，收到了一堆“驚慌”的回復(fù)——很多程序員都在發(fā)消息說：“拜托千萬別下線 Cursor！我們已經(jīng)離不開它了！”

你能不能具體講講，為什么 Cursor 會讓程序員產(chǎn)生這種“用了就回不去”的感覺？對他們的日常工作來說，到底改變了什么？

Michael Truell：我覺得這背后其實(shí)有兩個層面的原因。一方面，現(xiàn)在這類工具的能力確實(shí)已經(jīng)很強(qiáng)，可以實(shí)實(shí)在在地幫程序員分擔(dān)不少工作。另一方面，我們其實(shí)還遠(yuǎn)遠(yuǎn)沒有達(dá)到“AI 替代編程”的上限。這才剛剛開始。

編程這個領(lǐng)域尤其適合用 AI 來做事情，原因有幾個：首先，它是基于文本的，而文本正是當(dāng)前大語言模型最擅長處理的形式。其次，網(wǎng)絡(luò)上有海量的開源代碼可以被學(xué)習(xí)，所以訓(xùn)練數(shù)據(jù)基礎(chǔ)很好。而且編程結(jié)果是可驗(yàn)證的——你寫了代碼，能不能跑通、是不是你要的效果，一試就知道。

過去幾年，AI 模型的進(jìn)步，一開始主要靠“大規(guī)模預(yù)測”：通過大量訓(xùn)練，讓模型預(yù)測網(wǎng)絡(luò)上的下一個詞。但這個路徑已經(jīng)逐漸到頂。接下來，推動 AI 進(jìn)化的，是“強(qiáng)化學(xué)習(xí)”方法——簡單說，就是讓模型像玩游戲一樣去試錯優(yōu)化，就像當(dāng)年 AlphaGo 玩圍棋、后來打 Dota 一樣。

而編程恰好適合這種玩法。你讓模型寫代碼，然后運(yùn)行它，立刻就能知道輸出是不是對的，是不是你要的結(jié)果。這就給了模型一個非常清晰的反饋機(jī)制。

所以說，編程這個場景在技術(shù)上特別“契合”，它讓模型既能學(xué)得快，又能學(xué)得準(zhǔn)，也能快速試錯、快速成長。這也是為什么我們現(xiàn)在看到，在整個 AI 應(yīng)用領(lǐng)域，編程可能是落地速度最快、效果最明顯的那一個。

主持人：我自己的感受是，以前做一件事要花八個小時，現(xiàn)在可能只需要五六個小時。這種效率提升是真實(shí)存在的嗎？

Michael Truell：是的，你說的這種提升確實(shí)是存在的。在一些公司，過去需要八小時的工作，現(xiàn)在五六小時就能完成，這是實(shí)打?qū)嵉男始t利。當(dāng)然不是所有公司都一樣，但在我們觀察到的一些客戶中，這已經(jīng)是現(xiàn)實(shí)。

不過我也要補(bǔ)充一點(diǎn)：雖然效率提高了，但程序員的工時并沒有因此變少。你會發(fā)現(xiàn)，他們還是每天工作那么久。原因是編程本身的任務(wù)彈性很大，而且很多非技術(shù)管理者其實(shí)低估了“專業(yè)級編程”到底有多低效、多復(fù)雜。

想象一下，一個像 Salesforce 這樣的公司，代碼庫可能有幾千萬行，分布在上百萬個文件里，程序員每做一個功能改動，都要在這個“代碼泥潭”里去翻找、修補(bǔ)、調(diào)試。很多人不明白，為什么一個軟件的版本更新要拖那么久，原因就在這里。

所以，雖然 AI 讓你“跑得更快”了，但真正的挑戰(zhàn)還是在你要“跑的那條路”有多長、多爛。提高效率不等于減少工作時間，它只是讓原本的任務(wù)更有可能完成。

主持人：說到非程序員，這一年大家也開始討論“vibe coding”這個概念，意思是一些非專業(yè)人士、甚至完全沒寫過代碼的人，也能通過像 Cursor 這樣的工具，試著自己動手做軟件。你怎么看這個現(xiàn)象？這類用戶在 Cursor 里算是主流嗎？

Michael Truell：我們的核心目標(biāo)還是服務(wù)“靠寫軟件謀生的人”——也就是專業(yè)工程師，這是我們的主要用戶群。但確實(shí)，在我們不斷提升 AI 編程能力、提高代碼抽象層級的過程中，我們也發(fā)現(xiàn)：這樣反而讓非程序員也更容易上手。

我們很認(rèn)同一件事：從長期看，寫軟件這件事會變得越來越普及，越來越容易。未來你可能不需要理解編譯器、不需要掌握編程語言，也能做出相當(dāng)復(fù)雜的系統(tǒng)。

但現(xiàn)實(shí)是，我們距離“人人都能寫專業(yè)軟件”的世界，還有一段路要走。目前雖然已經(jīng)有不少人能用 Cursor 搭個小工具、原型產(chǎn)品，但要真正做出商業(yè)級、長期可維護(hù)的軟件，仍然需要專業(yè)積累。

不過這個趨勢確實(shí)令人興奮。我們看到越來越多設(shè)計師開始用 Cursor 自己做 demo，甚至有些非技術(shù)團(tuán)隊成員，會在項目里直接修改一小段代碼、修復(fù)一個 bug、增加一個小功能。這種“輕量級貢獻(xiàn)”正在變得越來越常見，這就是 vibe coding 的現(xiàn)實(shí)樣貌——雖然不是我們的主力用戶群，但它在增長，也很有意義。

主持人：我挺認(rèn)同的。我以前在傳統(tǒng)公司上班的時候，每次公司換一個新軟件，大家都會一片抱怨。所以我也不太相信“所有人都愿意寫代碼”這種說法。雖然我個人挺喜歡軟件，也對 vibe coding 有點(diǎn)好奇——也許再過兩三代 Cursor，我也能親手做點(diǎn)什么出來。

你之前提到 Cursor 有兩種使用方式：一種是“代碼補(bǔ)全”模式，AI像你的助手一樣陪你寫代碼；另一種是“任務(wù)委派”模式，你告訴它要做什么，然后離開，回來之后看結(jié)果。

我看到你最近在《Stratechery》那期采訪里說，預(yù)計再過六到十二個月，大概有 20% 到 25% 的工程師工作可以完全交由 AI 獨(dú)立完成。你現(xiàn)在還維持這個判斷嗎？還是說這個比例已經(jīng)發(fā)生了變化？你認(rèn)為這個數(shù)字未來能增長到多高？

Michael Truell：我覺得這個問題確實(shí)很難精確預(yù)測。要讓 AI 承擔(dān) 100% 的程序員工作，仍有很多關(guān)鍵技術(shù)瓶頸。

其中一個大問題是“模型如何持續(xù)學(xué)習(xí)”，也就是如何理解整個代碼庫、吸收組織上下文、從過往錯誤中不斷積累經(jīng)驗(yàn)。而目前行業(yè)在這個方向上，其實(shí)還沒有特別理想的解決方案。

目前有兩種嘗試在解決這個問題：

第一種叫“擴(kuò)展上下文窗口”。意思是讓大語言模型一次能“看得更多”，輸入的內(nèi)容越多，它理解上下文的能力就越強(qiáng)。但這終究只是一次性的輸入——就像你給一個 AI 一篇文章，它能理解這篇文章，但不能像人一樣把它“記住”。

第二種方法是“訓(xùn)練模型”，也就是不斷加入新的訓(xùn)練數(shù)據(jù)，讓模型持續(xù)更新、掌握新能力。但這個方法成本極高，也很慢，更新周期長。

這兩種路徑目前都遇到了挑戰(zhàn)。而且從整個行業(yè)看，其實(shí)這些年 AI 領(lǐng)域產(chǎn)生“真正范式級”的新想法并不多，大概三年才會有一個能改變游戲規(guī)則的新技術(shù)。所以這些瓶頸的突破還需要時間。

還有一個值得注意的方向是“多模態(tài)”。雖然聽上去和寫代碼關(guān)系不大，但其實(shí)你要真正理解和構(gòu)建軟件，往往不只是靠文字。你需要點(diǎn)按鈕、拖動組件、打開可視化調(diào)試工具，比如 Datadog 這類可觀察性工具，就對系統(tǒng)調(diào)試非常關(guān)鍵。如果模型未來要獨(dú)立完成完整的開發(fā)流程，多模態(tài)能力必不可少。

另外，模型現(xiàn)在雖然可以連續(xù)工作幾分鐘甚至幾個小時，但要讓它處理一項“相當(dāng)于人類需要花幾周時間完成”的任務(wù)，還存在巨大鴻溝。所以無論是架構(gòu)設(shè)計、執(zhí)行穩(wěn)定性還是上下文記憶能力，想要達(dá)到真正“全權(quán)委托”的程度，還有很長一段路。

不過，回到你最初的問題，我確實(shí)認(rèn)為——如果我們只說“用一句話的文本指令，讓 AI 對整個代碼庫做出修改”這種操作，未來一兩年內(nèi)，也許有可能覆蓋現(xiàn)在編程工作中超過一半的場景，尤其是在最理想的技術(shù)演進(jìn)路徑下。

主持人：我看到 Meter 等機(jī)構(gòu)做的一些研究也在印證你的觀點(diǎn)，他們發(fā)現(xiàn) AI 模型的“連續(xù)處理任務(wù)時間”正在快速上升，幾乎是成倍增長。雖然你提到的那些技術(shù)障礙確實(shí)存在，但從大趨勢看，模型的執(zhí)行能力正在變得越來越強(qiáng)。更何況，大多數(shù)人類工作任務(wù)本身其實(shí)也并不都是“長流程”，這讓 AI 更容易代替其中的大部分。

Michael Truell：確實(shí)如此。現(xiàn)在的問題不只是“技術(shù)能不能做到”，更是“你怎么把這項技術(shù)用好”。就像預(yù)測未來 AI 能力的發(fā)展節(jié)奏，其實(shí)非常難，很多事情沒法定量。

但我覺得可以類比另一個領(lǐng)域的故事：自動駕駛。

比如說 Waymo、特斯拉這些公司，其實(shí)在自動駕駛方面已經(jīng)取得了驚人的進(jìn)展。特別是在舊金山，你現(xiàn)在已經(jīng)能看到 Waymo 的商業(yè)自動駕駛車輛在路上運(yùn)營。但你還記得嗎？在 2017 年的時候，行業(yè)幾乎一致認(rèn)為自動駕駛將在一年內(nèi)全面落地。結(jié)果直到現(xiàn)在，仍然有很多“邊界問題”沒法徹底解決。

所以，雖然自動駕駛是個非常復(fù)雜的任務(wù)，但相比于通用智能編程，它其實(shí)是一個“更低上限”的目標(biāo)。就連這個任務(wù)都走了這么久、這么艱難，AI 編程的路徑自然也不會那么快就“飛升”。

我們還是得腳踏實(shí)地，持續(xù)向前。

主持人：那我們來聊聊《Decoder》節(jié)目標(biāo)志性的幾個問題。Anysphere 目前的公司規(guī)模有多大？你們現(xiàn)在大概有多少員工？

Michael Truell：我們現(xiàn)在大概有 150 人左右。

主持人：那你對公司未來的規(guī)模是怎么設(shè)想的？你傾向于建立一個龐大的團(tuán)隊，還是更喜歡保持精干、高效的小組織？

Michael Truell：我們整體傾向后者——小而精。但話說回來，即使我們希望團(tuán)隊“精干”，考慮到我們正在解決的問題跨度很大，未來幾年團(tuán)隊規(guī)模肯定還是要繼續(xù)擴(kuò)張的。

我們一直在想一個問題：有沒有可能建立一家真正影響深遠(yuǎn)的科技公司，它的團(tuán)隊人數(shù)卻不超過 2000 人？就像《紐約時報》這種量級的公司——不算小，但也遠(yuǎn)不到傳統(tǒng)巨頭那種動輒上萬人的規(guī)模。我們很期待驗(yàn)證這種可能性。當(dāng)然，從現(xiàn)在的 150 人走到那個階段，還有很長一段路。

主持人：那你們的組織結(jié)構(gòu)是怎么樣的？畢竟你們有好幾位聯(lián)合創(chuàng)始人，怎么劃分彼此的職責(zé)？

Michael Truell：我們目前最主要的兩個職能部門，一個是“技術(shù)與研發(fā)”，也就是工程和模型研究；另一個是“市場與客戶運(yùn)營”，也就是 go-to-market（GTM）這邊。

我們其實(shí)非常幸運(yùn)，創(chuàng)始團(tuán)隊本身就非常強(qiáng)，而且組合得也很好。因此，很多事情可以分頭推進(jìn)、各自專注。

比如，在早期，公司的 GTM 業(yè)務(wù)完全是創(chuàng)始團(tuán)隊一部分成員拉起來的，他們做得特別出色。所以我們常常采用“分工+信任”的方式，不用 CEO 一個一個去盯。

當(dāng)然，回到技術(shù)這一塊，四位聯(lián)合創(chuàng)始人都非常關(guān)注，我們會把大量精力集中投入進(jìn)去。我們始終相信：做出這個領(lǐng)域里最好的產(chǎn)品，是最不能妥協(xié)、最核心的任務(wù)。其他事情都可以相對“輕運(yùn)營”，但產(chǎn)品和技術(shù)必須是重中之重。

所以現(xiàn)在，我們在其他職能上保持相對精簡，但在工程和研究上，投入的資源和人員是遠(yuǎn)高于行業(yè)平均的。

主持人：那你自己現(xiàn)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？或者說，什么事別人一碰你就會“炸毛”？

Michael Truell：我現(xiàn)在投入最多時間的事情，可能是“招聘”。

我們特別重視“個人貢獻(xiàn)者（IC）”的招聘，認(rèn)為這是一家技術(shù)公司能不能活下去的根本。說得夸張一點(diǎn)，如果一個技術(shù)公司缺少頂級 IC，即使管理層再優(yōu)秀，最終也會出問題。

所以我把很多精力花在親自參與招聘上。其實(shí)我們早期公司前 75 個員工，基本全是創(chuàng)始人自己招的，都沒有專業(yè)的招聘負(fù)責(zé)人介入。

現(xiàn)在當(dāng)然有更成熟的招聘團(tuán)隊了，有很棒的招聘伙伴在支持我們。但我自己仍然花很多時間在這上面。

其次就是產(chǎn)品和工程這塊，我也會持續(xù)投入很多時間。基本上，我的精力就集中在這兩塊。

主持人：你現(xiàn)在也就二十五六歲，已經(jīng)需要做各種重大決策，比如融資、收購、招人、產(chǎn)品方向等等。你做決策是靠什么？有沒有一套清晰的方法論，還是比較隨性？

Michael Truell：說實(shí)話，我覺得沒有一套統(tǒng)一的“模板”。

但我們在公司內(nèi)部確實(shí)有一些通用做法，比如，我們會盡量把決策“下沉”——不僅是我自己，整個公司都在嘗試推行這樣一種文化：每項決策都有明確的“DRI”（直接負(fù)責(zé)人），同時也要廣泛征求大家的反饋。

此外，我們也會按“影響程度”來區(qū)分決策策略：對公司影響很大、但可以反悔的決策，我們會更快做出；而如果決策是“高影響+不可逆”的，那就會非常慎重。

還有一點(diǎn)就是“決策透明”。我們會通過“清晰地寫下這個決策是怎么做出來的”方式，來倒逼自己真正想清楚了。

主持人：既然聊到招聘，我就忍不住要問一個傳言。之前有消息說 OpenAI 曾考慮收購你們，還有傳聞?wù)f Mark Zuckerberg 最近特別愛“挖人”，開出了超高簽字費(fèi)，甚至?xí)埡蜻x人去他在太浩湖的別墅吃飯。你有沒有被 Zuckerberg 邀請去“喝茶”？

Michael Truell：（笑）沒有，真的沒有。

主持人：他沒有拿著兩千萬美元簽字費(fèi)走過來跟你說：“Michael，來 Meta 干 AGI 吧”？

Michael Truell：沒有（笑）。對我們來說，這家公司是我們愿意用一生去投入的事業(yè)。

我們真的很幸運(yùn)，有機(jī)會站在這樣一個 AI 技術(shù)拐點(diǎn)，有這樣一批志同道合的伙伴，又剛好做了我們最熱愛的事——用 AI 重新定義編程方式。這種匹配是很難得的。

如果我們能實(shí)現(xiàn)這個目標(biāo)，那不僅能推動整個編程行業(yè)進(jìn)化，也可能為其他垂直領(lǐng)域帶來巨大的啟發(fā)。所以我們更愿意把這件事做成，而不是被其他人“打包帶走”。

主持人：那你怎么看 Meta 最近這一波“高調(diào)挖人”？他們開出很夸張的薪資，對你們招聘有沒有造成明顯影響？

Michael Truell：說實(shí)話，影響并不大。我們現(xiàn)在整個團(tuán)隊本身就不算大，而我們的研究團(tuán)隊則更加精簡。

我覺得，不同的人在考慮加入一家公司時，關(guān)注的重點(diǎn)是不同的。有些人更看重資源平臺，有些人更在意自己的使命感。我們吸引的是那種希望參與一個高度專注、節(jié)奏迅速的小團(tuán)隊的人——他們希望解決真實(shí)世界的問題，而且愿意深入技術(shù)底層。

我們有點(diǎn)像一個“混合體”：既不是傳統(tǒng)做軟件的初創(chuàng)公司，也不是純粹做基礎(chǔ)模型的大實(shí)驗(yàn)室。我們在“產(chǎn)品”這端和“模型”這端都希望做到最好，并且讓兩者互相推動。這種定位，正好吸引了一類非常獨(dú)特的機(jī)器學(xué)習(xí)人才。

主持人：那我再追一個更具體的問題。最近有報道說，你們挖來了兩位原本主導(dǎo) Claude Code 的前高管，但他們加入沒多久又離開了。這件事方便談?wù)剢幔?/p>

Michael Truell：Cat（Wu）和 Boris（Cherny）確實(shí)非常出色。他們是 Claude Code 背后的關(guān)鍵人物，那是他們一手做起來的項目。

我完全能理解那種“歸屬感”。作為一個也從零開始做 Cursor 三年半的人，我太清楚那種對產(chǎn)品的情感了。他們對 Claude Code 還有很多想法，愿意繼續(xù)推進(jìn)自己親手做起來的東西，所以最終選擇回去，這一點(diǎn)我很尊重。

主持人：你剛才也提到了 Cursor 的定位比較特別，夾在大模型實(shí)驗(yàn)室和傳統(tǒng)軟件公司之間。那么當(dāng)你在對外招聘時，你們會怎么描述 Cursor 的“公司文化”？

Michael Truell：我們的團(tuán)隊文化其實(shí)挺鮮明的，幾個關(guān)鍵詞可能是：對流程保持懷疑、對等級制度保持懷疑。

雖然隨著公司承擔(dān)的項目越來越復(fù)雜，協(xié)作變得更密集，但我們始終在試圖保持組織的輕量和彈性。

還有一點(diǎn)很重要——我們內(nèi)部是一個非常誠實(shí)、反饋開放的群體。大家在工作中批評彼此的提案是很自然的事，不會讓人有心理負(fù)擔(dān)。大家討論事情，都是為了把事情做好，而不是為了誰對誰錯。

除此之外，我覺得我們這群人也特別好奇、認(rèn)真、投入。大家并不只是把這份工作當(dāng)成一份“職業(yè)”，而是真心相信我們做的事是有意義的，是值得花時間去實(shí)現(xiàn)的。

雖然我們對外溝通不多，有點(diǎn)“低調(diào)內(nèi)斂”，但其實(shí)內(nèi)部的熱情是很飽滿的。

對了，還有一點(diǎn)我們特別看重：雖然我們鼓勵野心，但我們不欣賞浮躁。我們希望招來的人，是那種既有目標(biāo)感，又能保持專注和冷靜的人。因?yàn)?AI 圈子現(xiàn)在真的“吵得很”，每天都有新新聞、新傳言，真的很容易被帶偏。我們更希望團(tuán)隊成員能“把頭埋下去”，專注在自己該做的事情上。

主持人：你剛才說到你們團(tuán)隊對外溝通還不夠，其實(shí) Cursor 一直給人的印象確實(shí)是“默默做產(chǎn)品，用戶自己來傳播”。不過最近你們也有一次“刷屏”時刻——就是你們調(diào)整價格機(jī)制那次，很多用戶在社交媒體上表達(dá)了不滿。可以聊聊你們從這次事件中學(xué)到了什么嗎？

Michael Truell：我們確實(shí)在這件事情上學(xué)到了很多，也意識到我們在很多地方做得不夠好，特別是在溝通和解釋上。

先說背景吧：從一開始，Cursor 的定價模型其實(shí)就包含“訂閱+使用上限”的機(jī)制。你付費(fèi)訂閱之后，會獲得一部分“AI 調(diào)用額度”，也就是你可以使用多少次 AI。這種機(jī)制其實(shí)從最早就存在，只是形式上后來有過一些變化，比如不同功能占用額度的權(quán)重不同，或者能不能加錢突破上限等等。

但過去這段時間發(fā)生了兩個很大的變化：第一，用戶調(diào)用 AI 的方式變了；第二，底層的成本結(jié)構(gòu)也變了。

最典型的變化是：現(xiàn)在當(dāng)用戶“用一次 AI”，這一次調(diào)用所代表的計算資源，已經(jīng)遠(yuǎn)遠(yuǎn)超過過去。

你提到過一張圖，顯示 AI 的“連續(xù)工作時間”從幾秒變成幾分鐘、再到幾小時——我們作為第一線的開發(fā)者，其實(shí)是最早感受到這股變化的。以前你問 AI 一個問題，它幾秒就答完；現(xiàn)在你可能讓它“從頭實(shí)現(xiàn)一個子系統(tǒng)”，結(jié)果是生成 300 行代碼，跑了好幾分鐘，調(diào)用了多個模型。這對用戶來說，價值變大了；但對我們來說，成本也變高了。

于是我們決定調(diào)整計費(fèi)方式，從“按調(diào)用次數(shù)”變?yōu)?ldquo;按計算資源消耗量”（也就是 token、模型推理等底層指標(biāo)）。這其實(shí)是希望讓定價機(jī)制更合理——誰用得多、用得重，誰多付一點(diǎn)；而普通用戶，還是可以繼續(xù)享受基礎(chǔ)套餐。

主持人：但問題在于：用戶不是 AWS 工程師，大多數(shù)人根本不知道“計算資源”意味著什么。他們習(xí)慣的是 Spotify 或 Netflix，那種“包月聽/看不限量”的邏輯。所以一旦被提示“你超出額度了”，他們就懵了。

Michael Truell：對，這正是我們低估的地方。

其實(shí) Cursor 從一開始就存在“使用量限制”，但我們過去給出的額度基本夠用，大家不會真正遇到“被打斷”的體驗(yàn)。而這次調(diào)整之后，確實(shí)有部分重度用戶在不知情的情況下就“撞線”了，體驗(yàn)就斷了，心里肯定不爽。

所以說，我們的問題并不在于“收了錢”，而在于“沒把變化講清楚”。定價調(diào)整這種事，本來就應(yīng)該是用戶參與討論、獲得提前預(yù)期的。但我們這次確實(shí)溝通不到位，產(chǎn)品提示也做得不夠細(xì)致，這點(diǎn)我們認(rèn)了。

主持人：聽下來，我感覺你們現(xiàn)在正處在一個很微妙的平衡點(diǎn)：一方面你們的 AI 使用量已經(jīng)遠(yuǎn)超普通聊天類產(chǎn)品，比如 ChatGPT；另一方面又得控制成本、保持開放，同時不傷害用戶體驗(yàn)。這之間的張力挺大的。

Michael Truell：確實(shí)如此。

你要知道，在消費(fèi)者市場，尤其是“對話類 AI”產(chǎn)品上，這種 tension 可能還沒那么大——因?yàn)橛脩羧粘柕臇|西沒那么復(fù)雜，也不會持續(xù)調(diào)用很多輪模型。模型精度提高、成本反而降低，這是比較典型的路徑。

但我們這個領(lǐng)域不一樣——**編程場景中的 AI 使用，強(qiáng)度高、持續(xù)時間長、任務(wù)復(fù)雜度大。**未來一名專業(yè)用戶每天調(diào)用的計算量，可能是普通用戶的幾十倍。而 token 成本下降的速度，并不一定能跟上用戶需求上升的速度。

所以我們在考慮未來定價模型時，可能也會更像 AWS，而不是像 Evernote 或 Notion。這可能是整個 AI SaaS 行業(yè)都要面對的現(xiàn)實(shí)。

不過我們也非常明確一件事：必須給用戶選擇。

我們希望用戶可以自由選擇“體驗(yàn)最強(qiáng)、價格最貴”的 AI 套餐，也可以選擇“按月訂閱、價格固定”的版本，哪怕這個版本能力上稍微受限一點(diǎn)。哪種方式更適合你，你自己決定。

而且，就目前我們的統(tǒng)計來說，在主流訂閱方案，比如每月 20 美元的 Pro 套餐下，其實(shí)大部分用戶并不會超過使用額度，也不會被提示“需要加錢”。這一點(diǎn)也希望大家能安心。

主持人：我就是那種永遠(yuǎn)用不滿額度的用戶（笑）。每次都覺得是不是我用得還不夠猛。

Michael Truell：哈哈，其實(shí)你不是一個人。AI 使用強(qiáng)度真的存在巨大的差異——**Top 5% 的用戶和中位用戶，行為是兩個世界。**有些人一天調(diào)用幾百次、幾千次；也有些人一個月就點(diǎn)幾下。

我們能做的，是既滿足前者，也不打擾后者。

主持人：我們快到尾聲了，我想問你一個很多 AI 從業(yè)者都會被問到的問題，也算是驗(yàn)證你“是不是 AGI 洗腦派”。

剛剛我們聊了很多模型當(dāng)前遇到的技術(shù)問題，比如上下文窗口的限制、持續(xù)學(xué)習(xí)能力不夠、人類式記憶的缺失……這些其實(shí)都還沒有解決。

可與此同時，也有很多業(yè)內(nèi)人非常篤信：到了 2027、2028 年，AI 就會以指數(shù)級加速，徹底改變世界。

你怎么看？你自己在這條“樂觀 vs 謹(jǐn)慎”的光譜上，站在哪一側(cè)？

Michael Truell：我們應(yīng)該算是走在“中間路線”的那一派吧。

我們相信 AI 會是一次非常深遠(yuǎn)的技術(shù)變革，甚至可能是比過去任何技術(shù)浪潮都更大的結(jié)構(gòu)性轉(zhuǎn)折。但同時，我們也不認(rèn)為這件事會“很快就結(jié)束”。

我們自己創(chuàng)業(yè)初期，就經(jīng)常聽到兩種極端聲音：

第一種是：“你們干嘛做 AI？這東西還有得搞嗎？用處也不大吧。”

第二種是：“你們干嘛做某個具體產(chǎn)品，比如 CAD 或編程？AGI 馬上就來了，幾個月之后你們所有的應(yīng)用都會被淘汰。”

而我們堅持的是一個看上去很“笨拙”的路徑：去扎實(shí)地做一個真實(shí)場景下的知識工作產(chǎn)品，然后不斷觀察 AI 幫上了哪些忙，沒幫上哪些，持續(xù)把它做深。

我們的判斷是：未來的 AI 發(fā)展不會是“滑翔”式的，而是像登山一樣——**你會有陡坡，也會有平臺期，峰值之間的落差會非常大。**它不是均勻線性的，也不會一蹴而就。

所以，我們不相信“某個訓(xùn)練跑完就突然爆炸”，也不認(rèn)為 AGI 會在某天凌晨突然從服務(wù)器跳出來。

我們更傾向于相信，一家 AI 產(chǎn)品公司如果能在“特定工作場景”中做到極致，比如我們做編程，就有可能在推動領(lǐng)域進(jìn)步的同時，也反過來為通用 AI 的路徑提供新的工具與范式。

我有時候會打一個類比：如果你在 1999 年想推動 AI 的進(jìn)步，也許最有效的方式是做一個像 Google 這樣的搜索引擎，讓它真正解決問題、影響世界，然后通過這個過程推動基礎(chǔ)研究和技術(shù)平臺。

我們現(xiàn)在在做的事情，也許在某種程度上與當(dāng)年的 Google 角色是類似的。

主持人：聽下來你并不相信“加個大模型參數(shù)、跑一輪訓(xùn)練，就能出現(xiàn) AI 神明”的說法。

Michael Truell：哈哈，對，我的直覺是不會。但當(dāng)然啦，我們誰都無法完全預(yù)測未來。很多事，你要保持一點(diǎn)“健康的懷疑”。

不過就目前我看到的節(jié)奏，我的判斷是：它會花更久的時間，但最終一定會到來。而我們做的工作，是加速那一步的過程，同時也是驗(yàn)證它能不能真正落地在人類工作里。

主持人：那我們來做個收尾問題。我不要求你預(yù)測五年之后的 Cursor 會是什么樣，但如果說兩年后，你最希望 Cursor 能實(shí)現(xiàn)一個什么目標(biāo)，而它現(xiàn)在還沒做到的，會是什么？

Michael Truell：我們現(xiàn)在的短期目標(biāo)，是讓用戶能把更多、更復(fù)雜的工作“委托”給 AI，交給多個助手并行處理。

然后我們要在這個過程中，打造一種全新的“軟件構(gòu)建體驗(yàn)”：你不是面對幾百上千行代碼去編輯，而是和一組 AI 代理協(xié)作，它們自己會把任務(wù)分工、組合、完成，你只需要介入關(guān)鍵決策點(diǎn)，理解它們匯報的結(jié)果，并在需要的地方做出調(diào)整。

另一個我們長期關(guān)注的方向，是編程語言本身的“進(jìn)化”。

我覺得隨著 AI 能力增強(qiáng)，傳統(tǒng)代碼的“精確+低級”特性可能不再是唯一標(biāo)準(zhǔn)。未來我們可能會看到新的編程語言形式出現(xiàn)，它們更加“抽象”“壓縮”“語義清晰”。

想象一下，不再是幾百萬行代碼，而是幾十萬行高階表達(dá)，程序員甚至可以用更接近自然語言的方式，描述他們想要構(gòu)建的系統(tǒng)。這種語言既是人和機(jī)器的“溝通媒介”，也是一種全新的“系統(tǒng)描述UI”。

我們也不認(rèn)為“純對話框式”的編程是最終形態(tài)。聊天輸入雖然簡單，但在真正構(gòu)建復(fù)雜系統(tǒng)時，它缺乏控制力。

主持人：就是你得能“指一指”“點(diǎn)一下”“精準(zhǔn)改一小塊”。

Michael Truell：沒錯，寫代碼的終極體驗(yàn)一定不是“閉著眼和機(jī)器人聊天”，也不是一行一行去摳字節(jié)。而是你可以“看到邏輯”“操作邏輯”，可以理解和修改系統(tǒng)的每一個精細(xì)結(jié)構(gòu)。

從這個意義上說，我們最終的目標(biāo)，不只是把模型做強(qiáng)，而是要重新設(shè)計“人與計算機(jī)交互的界面”。而編程語言，正是那個最底層、最需要被重構(gòu)的“用戶界面”。

主持人：太精彩了。今天聊了很多，Michael，非常感謝你做客 Decoder。

Michael Truell：謝謝邀請，真的很開心能來聊這些。