編輯 | 伊風
出品 | 51CTO技術棧（微信號：blog51cto）
Cursor CEO 最新一期播客，講述了他坎坷卻傳奇的創業旅程。
一個 24 歲的年輕人，如何帶領團隊在短短一年時間中，把 Cursor 打造成年收入破億的 AI 編程黑馬？
圖片
在這場與 YC 合伙人 Diana Hu 的爐邊對話中，Michael 不僅復盤了與聯合創始人們經歷過的數次失敗與轉型，還分享了他對編程教育、AI 未來以及產品復利的獨到見解。
在一個個 AI 創業項目接連碰壁后，他們最終做出了一個轉折性的決定：
硬剛巨頭 GitHub Copilot！
原因很簡單——Michael 敏銳地捕捉到一個被忽視的問題：
“大家都在把產品做得‘更好一些’，卻沒有人瞄準‘徹底自動化’的終局。所以，我們決定就從這里入手。”
他坦言，這個決定并沒有大家想象得那么“大膽”或“戲劇化”，因為創業公司的最大優勢就是輕裝上陣：
“（我們）不過是幾個人窩在客廳里，拿著筆記本電腦寫代碼，又不是一家大公司大規模轉型，大不了就重頭再來。”
可正是在不斷嘗試的過程中，他們冒出了越來越多關于 Cursor 的點子，并逐漸形成了清晰的信念——
Cursor 不只是一個小工具，它要成為通往 AI 世界的最佳入口。
這不僅是一段創業故事，更是一堂關于 趨勢洞察與長期主義 的公開課。
無論你是否準備在 AI 領域創業，Michael 的思考都值得一讀：
- 最初接觸編程是為了開發手游，但真正走紅的應用卻是“偽造游戲高分”的小工具，這讓他意識到代碼不是創業的一切。
- 2022 年底，團隊靠快速迭代和用戶反饋，總結出后來成為 Cursor 核心的 AI 功能。
- Cursor的復利效應非常顯著，對于AI編程工具來說，用戶偏好極其重要，最好的產品會靠口碑自然傳播。
- AI 將會是一項改變世界的技術，甚至可能比近幾個世紀的任何一次技術革命都更深遠，但需要幾十年才能完全兌現。
- 給年輕人的建議：去做自己真正感興趣的事，并且要和你既喜歡相處、又非常尊重的人一起做，把這件事當真、投入其中。
以下是經過整理的播客全文，enjoy：
1.創立Cursor前的領悟：代碼不是一切
主持人Diana Hu
我們先從你的“創業起源故事”聊起吧。要往回追溯到中學時期，你開始讀 PG 的文章的時候。
Michael Truell
是的。我其實很早就對創業感興趣，同時也對很多其他事情充滿好奇。
一開始，我接觸編程其實是出于一種“商業化”的興趣。第一次看到代碼是在一個寒假，我和哥哥想做一款熱門手游，但完全不知道該怎么做，就去 Google 搜“如何開發游戲”。當時看到需要下載一個叫 Xcode 的應用，于是我們下載了，但迎面而來的卻是滿屏奇怪又五彩斑斕的符號——Objective C。那時候它還挺常見，但的確晦澀難懂。哥哥立刻放棄了，后來轉行去畫畫，而我堅持了下來，買書學 Objective C，開始自己做手游。這就是我編程之路的開端。與此同時，我也是 PG、Sam Altman 和 YC 一群人的忠實讀者，他們的文章和思想對我在高中時就產生了很大啟發。
主持人Diana Hu
現在你才24歲，卻已經把 Cursor 打造成一家“怪獸級”的公司。對很多人來說這像是突然冒出來的成功，但其實這是你十多年不斷積累的結果。你在高中時就開始接觸 AI，對吧？能講講當時做過的項目嗎？
Michael Truell
是的，我算是很幸運，既早早接觸了編程，也早早對 AI 產生了興趣，還有一些很好的合作伙伴一起做項目。
在手游階段之后，我做過一個意外走紅的應用。它本身技術含量并不高——可以偽造《鋼琴塊》《Flappy Bird》之類的高分記錄并分享給朋友。這個小功能比我自己花心血寫游戲引擎要火得多，這也讓我體會到：創業里，代碼不是一切。
2.入局具身智能，屢次碰壁
Michael Truell
接著，我和朋友又對造“機器狗”產生了興趣。我們設想能訓練它像寵物一樣學習：做好了給獎勵，做壞了說“不好”，這樣它就能學會取物、玩拋接球之類的技能。我們完全不知道怎么實現，又一次從 Google 入手，走了很多彎路，接觸到遺傳算法，后來又了解到神經網絡，最終走到強化學習。當時我們嘗試讓算法更高效地從少量甚至嘈雜的數據里學習。雖然我們沒有造出真正的狗，但做過幾個機器人，比如一個能打乒乓的機械臂，還有一個能循跡行走的小車。
因為用的是微控制器，內存非常有限，根本裝不下標準的 ML 庫。所以我們只能自己從零實現一個小型神經網絡庫。那時其實連微積分都沒學懂，很多原理都是“摸黑”復現，但這個過程讓我們學到很多，后來慢慢把知識的空白補上。
主持人Diana Hu
再往前跳一點，到 AnySphere 的創立。當時你們剛從 MIT 畢業，還沒叫 Cursor，對吧？2022 年時你們四個最初的想法是什么？
Michael Truell
Cursor 的起點其實在 2021 年。我和幾位聯合創始人都長期關注 AI，每個人都有自己的“機器狗時刻”。比如其中一位在 2021 年就嘗試用大模型做一個“Google 的競品”，自己訓練對比學習模型。
我的一個聯合創始人在學術界做過計算機視覺研究，我們當中還有人在 Google 等公司做過推薦系統。但在 2021 年，我們真正的興趣點都集中在 AI 上。于是我們開始思考：要怎么處理這種興趣？是去學術界做研究，還是加入一家大型的 AI 項目，還是自己創業？
當時有兩個時刻讓我們非常興奮。一個是看到了第一批真正面向用戶的 AI 產品出現，GitHub Copilot 對我們來說就是一個標志性的例子。另一個是意識到，只要持續擴大模型規模，AI 的能力會可預測地越來越強。于是到 2022 年初，我們幾個人干脆搞了一場持續一個月的“黑客松”，開始嘗試各種點子，探索如何在不同的知識工作場景里，去構建 AI 成熟后可能的應用形態。
主持人Diana Hu
你們第一個點子收集了很多數據，對吧？
Michael Truell
是的。我們第一個認真投入了很久的想法是在機械工程領域，嘗試做一個“機械工程師的 Copilot”。核心是訓練模型預測工程師在 CAD 軟件（比如 Solidworks 或 Fusion 360）里的操作行為。我們選擇這個方向的原因其實挺“MBA 式”的——覺得它冷門、無聊、競爭小。但事實證明這是個糟糕的選擇：首先我們幾個人都不是機械工程師，其次科學研究本身也遠未準備好。
主持人Diana Hu
但你們還是堅持了幾個月吧？我記得你們還爬取了大量 CAD 文件，最后真的做出了一個能自動補全的原型？
Michael Truell
對，當時大量工作都是在數據爬取上。我們幾乎試圖把互聯網上所有 CAD 模型都收集下來。但問題是文件格式極其分散，還需要統一轉換。再加上有些云端 CAD 系統根本不讓你導出文件，更不希望你去抓取它們的數據。所以光是這一層就花了很多精力。
另外，當時的訓練基礎設施也非常簡陋，所以我們在基礎架構上也做了很多工作，同時不斷試驗不同的模型，甚至想辦法“硬插”擴展功能到 CAD 軟件里——可這些應用幾乎沒有擴展接口，開發難度很大。
其實那時候我們還并行做過其他項目。比如我兩個聯合創始人就嘗試開發一個端到端加密的消息系統。他們其中一個有安全研究背景，想解決 Signal、WhatsApp 的一個缺陷：這些應用雖然加密了消息內容，但沒有隱藏“誰在什么時候和誰通信”。而這恰恰是很敏感的信息。想象一下，如果一個記者和政府里的線人有聯系，即便你不知道他們聊了什么，只知道他們在交流，本身就是巨大的情報。
主持人Diana Hu
所以到 2022 年中，你們在這個方向上投入了大約半年。那時候產品上線了，有多少用戶呢？
Michael Truell
說實話，這些項目基本上都失敗了，幾乎沒有用戶。
主持人Diana Hu
那你們什么時候意識到，啊，這不行，我們得轉向？那一刻是什么感覺？
Michael Truell
每個項目情況不太一樣。像消息系統，技術上確實很酷，但擴展性太差，嘗試給用戶用也不順利，轉去 B2B 市場也沒起色。至于 CAD 項目，我們花了好幾個月打磨模型，但一直沒能真正讓終端用戶覺得有用。更關鍵的是，我們后來也開始反思：我們對這些方向真的感興趣嗎？還是說內心深處有更讓我們興奮的東西？
3.轉折：決定正面硬剛巨頭Copilot
主持人Diana Hu
所以你們最終說，好吧，這些點子都不行，我們要 pivot（編者注：戰略性轉向）。然后在轉向代碼補全之前，你們其實已經試過三四個想法了。
Michael Truell
沒錯。當時 Copilot 給了我們很多啟發。但我們一開始刻意回避“AI + 編程”這個方向，因為覺得競爭太激烈了。那時 Copilot 已經很火了，現在依然競爭激烈。
主持人Diana Hu
對啊，2022 年時，GitHub Copilot 已經做到上億美元的收入了。
Michael Truell
是的，甚至可能更高。
主持人Diana Hu
可你們后來還是覺得，或許能做得比 Copilot 更好？當時很多人覺得這盤棋已經下完了，GitHub 已經贏了。
Michael Truell
其實一開始我們并不覺得能做得更好。但在經歷了好幾個方向的失敗和疲憊之后，這種“絕望”反而塑造了我們的選擇。我們意識到，真正讓我們內心興奮的，是編程的未來。而且，我們也觀察到一些同類產品的開發方式，以及技術演進的節奏。于是我們退一步思考：如果真要忠于信念，那么未來五年，整個編程都將發生變化，所有軟件開發都將通過模型來完成。但那時幾乎沒人真正認真對待這個未來。大家都在把產品做得“更好一些”，卻沒有人瞄準“徹底自動化”的終局。所以，我們決定就從這里入手。
主持人Diana Hu
這確實是一個大膽的決定。因為你們等于放棄了之前所有熟悉但乏味的方向，轉而選擇去正面對抗 GitHub Copilot 這樣的大巨頭。
Michael Truell
其實當時并沒有覺得這是個多么“大膽”或“戲劇性”的決定。畢竟就是幾個人窩在客廳里，拿著筆記本電腦寫代碼，又不是一家大公司大規模轉型。但的確，我們開始嘗試了。最初我們只是淺淺涉足，想著要不要做一個特別垂直的小工具，比如幫助做安全審計、提前發現代碼里的潛在 CVE 漏洞；或者只為某個細分領域服務，比如做給量化研究員用的工具。我們甚至真的做過一些量化研究相關的原型。但在這個過程中，我們冒出了越來越多關于 Cursor 的點子——如果它不只是一個小工具，而是成為通往 AI 世界的最佳入口，會是什么樣子？我們對這個想法充滿了信心和興奮，所以最終決定放手一搏。
4.做一個“功能完整”的代碼編輯器，是條極其漫長的路
主持人Diana Hu
那是在 2022 年底，對嗎？你們決定轉向的時候。你們多快就發布了第一個產品？長什么樣子？
Michael Truell
我們大概花了三個月時間，從寫下第一行代碼到正式對外開放。
最初我們是從零開始“搭”了一個自己的編輯器，雖然依然用了很多開源組件，比如 CodeMirror、語言服務器等開源技術。我們拼湊了遠程 SSH、自研的 Copilot 集成（因為當時沒有現成的自動補全），還得自己寫包管理系統和語言服務集成。要知道，代碼編輯器是個高度成熟的市場，要做出一個能成為用戶“主力工具”的產品，需要涵蓋的東西非常多。
不過大概四周后，我們就做出了能自己日常使用的版本；又過了四周，開放給第一批內測用戶；再過四周，才正式公測。當時產品還非常粗糙，我們也沒覺得這是什么大動作，就這樣對外開放了。
主持人Diana Hu
所以在第一個版本里，你們學到了什么？畢竟那時還沒有做過代碼編輯器的“分支”策略。
Michael Truell
是的，那時我們幾乎是全情投入，也有點忐忑。我們當時的第一個 AI 功能是：用戶按下一個快捷鍵，會彈出一個類似“萬能遙控器”的界面，然后你輸入一個請求，AI 就會自動決定它該做什么——比如給出一段響應文本，或者提供代碼建議，或者在代碼庫里搜索并回答問題，或者運行長任務或短任務。當時幾乎沒有控制權。但我們很快意識到，以 2022 年底的技術水平，這種交互形式還不夠理想。于是我們通過自己迭代和用戶反饋，總結出了一批后來成為 Cursor 核心的 AI 功能。
另一個收獲是，我們很快意識到：做一個“功能完整”的代碼編輯器，是一條極其漫長的路。VS Code 開發了 12 年，還是最早的 TypeScript 項目之一，有龐大團隊參與，而我們當時天真地以為幾個月就能做出全球替代品。現實讓我們很快清醒：最值得我們專注的，是 AI 功能本身。就像很多瀏覽器選擇基于 Chromium 去構建，我們最終也選擇基于 VS Code。
主持人Diana Hu
另外，當時你們還自己訓練過模型，對吧？你們也從 Codex 得到過很多啟發。
Michael Truell
是的。在我們最早做機械工程師輔助工具時，就需要訓練模型，因為當時現成的模型根本不夠好用。我們因此在種子輪融資時就籌了一些錢來訓練。那時我們參考過的一篇核心論文就是最初的 Codex 論文。按我們的測算，Codex（GitHub Copilot 背后的第一個自動補全模型）的訓練成本其實沒有外界想象的那么高，可能只有十萬美元左右。雖然當時大家都在說 AI 訓練很昂貴。我們確實做過一些模型訓練，但也因此被“燒傷”過，所以在 Cursor 起步時，我們反而選擇盡量務實，不去重復造輪子，先不做模型訓練。
不過，到了 2023 年，隨著產品逐漸成熟，模型訓練反而成了關鍵杠桿。用戶規模上來后，我們可以利用產品數據進一步改進模型，這對產品的迭代至關重要，也成為公司的一項核心能力。
5.用戶爆發式增長：一年內，用戶數量從百萬激增到破億
主持人Diana Hu
那 2023 年的時候，Cursor 還沒完全走穩吧？你們當時還在糾結要不要繼續 pivot，這個想法是否能走得通，同時也在努力增長。因為真正有收入，其實花了挺長時間，對嗎？
Michael Truell
我覺得 2023 年的情況是這樣的：公司確實在增長，但基數還很小。而且我們當時做的東西，并不是總有一個清晰的“下一步”。有些市場適合直接去和很多用戶交談，系統地梳理問題、逐一提出解決方案，然后按優先級推進。但我們所在的領域有點不一樣——這是一個用戶復雜度預算極低的終端應用，我們的目標是打造“最好的 AI 編程方式”。
很多時候，我們得在“現有工具能做到什么”和“理想情況下能做到什么”之間摸索。很多需求寫下來當然都很有用，但如何實現、涉及哪些細節，并不明確。所以在 2023 年，我們經常會陷入探索之中。而且，如果完全順著早期用戶的反饋走，我們會被拉向不同方向。有些用戶完全不會編程，我們討論過要不要專門服務他們；也有大量用戶希望我們針對某一個技術棧做得特別深入，而不是做成通用工具，我們也拒絕了。那一年我們做了很多原型，不斷試錯，也在探索哪些地方需要靠自己訓練模型來替代 API 模型，比如 Tab 補全和下一步編輯預測。
主持人Diana Hu
你們大概是在 2023 年實現從 0 到 100 萬用戶的，對嗎？
Michael Truell
差不多，實際數字稍微高一點，但大體如此。
主持人Diana Hu
然后 2024 就爆發了，一年之內你們從 100 萬漲到 1 億。這種“復利式”增長是怎么發生的？你們一度保持了每周 10% 的增速。
Michael Truell
最開始數字小，所以感受不強，但復利效應一直在持續。推動增長的幾個關鍵點是：我們所在的市場，一旦產品變好，數字幾乎立刻能體現出來。比如，我們第一次讓 Cursor 具備“代碼庫感知”能力，增長就起來了；后來我們讓它能預測下一步操作，然后預測更準、更快，再到能預測一系列連續的修改；再到 AI 模型能在代碼庫里執行更多動作，并且執行得更快——一路下來，我們就是不斷讓產品變得更好。
這種復利效應持續了很久。我不認為所有市場都有這樣的特征，但在我們的市場里，用戶偏好極其重要。只要你做出了最好的東西，大家就會在意、會傳播。
主持人Diana Hu
我記得在那段時間，YC 的創業公司里也出現了一個明顯轉變。2023 年時，可能只有個位數比例的團隊在用 Cursor；到 2024 年，就像野火一樣蔓延，最優秀的創業者幾乎都在用了。
Michael Truell
對，我們也出現在他們的 Twitter 動態里。
主持人Diana Hu
所以增長的很大一部分來自社交媒體？
Michael Truell
是的，早期我們確實依賴過社交媒體宣傳。我的一個聯合創始人在 2022 年時，還在一些“失敗項目”階段，他靠在網上發帖獲得了持續的“多巴胺刺激”。但他并不是用常規方式發帖，而是專門分享自己對 AI 的思考——讀論文、分析趨勢、公開討論。這讓他意外獲得了一些 AI 圈有影響力人物的認可。比如當時有個開源模型 FLT-5，很多團隊最終用上它，就是因為他們在 Twitter 上看到我聯合創始人的分享。漸漸地，他成了一個非常小眾的“硅谷 AI 微名人”，也順勢為 Cursor 做了早期的布道。我們還做過一場很“電影化”的產品演示，在啟動候補名單時吸引了第一批用戶。
但 2023 年之后，我們幾乎完全“隱居”，像修行一樣專注于打磨產品。增長主要來自口碑。那一年有幾次，團隊里有人說：“產品已經夠好了，應該轉向增長工程。”我們也會試著做一兩個月，但結果總是證明：最有價值的，還是繼續打磨產品本身。
主持人Diana Hu
那到 2024 年的時候，Cursor 團隊規模有多大？
Michael Truell
2023 年我們團隊依然很小，核心幾個人本身都是很優秀的工程師，所以四個人能走得很遠。我們在招聘上也有些失誤，花了很多時間摸索到底要找誰、怎么招。整體上，我們既很耐心，又比該有的速度更慢。到 2023 年底，團隊人數還不到 10。
6.在未來，編程就像數學成為一種通識教育
主持人Diana Hu
太不可思議了。那現在我想換個話題，聊聊你對未來編程的看法。
Michael Truell
從一開始我們就有點像“走中間路線”的那類創業公司。我們在組建公司、招第一批人的時候，常常會遇到一些奇怪的眼光。2022 年的時候尤其是這樣（ChatGPT 還沒發布，世界還沒真正意識到 AI 潛力，直到 2023 年初才徹底“醒來”）。那會兒我們在做 CAD 項目和早期的代碼項目時，很多人覺得做 AI 很怪，不太相信這是個值得投入的方向，也懷疑 AI 是否真的能產生大量有價值的應用。即便是對 AI 感興趣的人，很多也只是專注于優化現有產品形態，把它們做得“稍微好一點”。與此同時，在我們身邊的社交圈和專業圈子里，也有很多人認為：“為什么不去做 AGI？反正你們現在做的東西，一兩年后都會被淘汰。”
但我們始終相信，未來幾十年會有無數極具價值的東西值得去構建。AI 將會是一項改變世界的技術，甚至可能比近幾個世紀的任何一次技術革命都更深遠。但這需要幾十年的時間，需要整個行業一步步努力，把各種獨立的能力一點點補齊，才能真正走到那個“終局”——無論是完全改變軟件開發方式，還是改變其他知識工作領域。就近期而言，我們認為對職業工程師（也就是我們的用戶）來說，代碼依然很重要。而現實會是一個漫長而混亂的中間階段：工程師會越來越多地和 AI 協作，它會更像一個同事，也可能更像一個“超級編譯器”，幫你屏蔽掉部分底層細節。但工程師仍然需要去閱讀邏輯、審查和修改代碼。
主持人Diana Hu
那你覺得哪些技能在未來依然重要？人們應該繼續學習什么，又有哪些可以少學？
Michael Truell
我覺得編程就像數學，是一種很好的通識教育，它不會消失。學習計算機科學還會帶來很多實踐性的技能。事實上，當下很多人進入快速變化的行業時，在學校學的具體知識點未必那么關鍵，重要的是掌握“如何學習”的能力。我覺得 AI 的出現并沒有改變這一點。
主持人Diana Hu
如果現在有一個年輕人，三年前的他就像你創業之前的狀態，想要走和你類似的路，你會給他什么建議？
Michael Truell
我會建議：去做自己真正感興趣的事，并且要和你既喜歡相處、又非常尊重的人一起做，把這件事當真、投入其中。對于很多在校生來說，外部環境會把你拉向“完成任務清單”，而不是專注長期積累。但真正重要的是，你要專注在讓你興奮的方向上。
主持人Diana Hu
好的，讓我們為 Michael 鼓掌。非常感謝！
Michael Truell
謝謝你們的邀請。
