你可以在Bayt播客 App 上收听本期播客的中文音频。Bayt 能将任何英文播客翻译成中文，并用真实自然的中文声音呈现，帮助你跨越语言障碍，收听高质量内容。
核心要点
1、Cursor的创立基于一个核心信念：未来五年，整个软件开发流程都将由AI模型驱动。他们决心投身于此，旨在彻底重塑编程形态，正面挑战GitHub Copilot等行业巨头。
2、Cursor的成功并非一蹴而就，而是建立在创始人团队多年屡败屡战的经验之上。从开发病毒式传播的作弊App，到从零打造强化学习机器臂，再到探索CAD设计、加密通讯等多个最终失败的项目，这些经历磨练了团队，也让他们最终找到了真正充满热情的方向。
3、凭借对产品体验的极致专注，Cursor实现了惊人的指数级增长，在一年内年化收入从百万美元增长至一亿美元。产品完全依靠口碑在顶尖开发者社群中像野火般蔓延，验证了在终端用户市场，“最好的产品”本身就是最强大的增长引擎。
背景
本期播客是 Y Combinator Startup Podcast 的一期节目，该播客旨在“帮助创业者做出人们想要的东西”。本期节目是YC普通合伙人 Diana Hu 与 AI 编程工具公司 Cursor 的联合创始人兼 CEO Michael Truell 的一场炉边谈话。年仅25岁的 Michael Truell 已经将 Cursor 打造成了AI编程领域增长最快的公司之一，仅用一年时间就实现了1亿美元的年化收入。在这场对话中，他分享了与联合创始人数年失败项目的经验教训，阐述了为何在AI变革编码方式的时代编程本身依然至关重要，以及 Cursor 是如何凭借“所有软件开发都将流经模型”的信念，正面挑战 GitHub Copilot 的。
01 编程启蒙：从手游开发到机器狗
Diana Hu
让我们从你的创始人历程起源开始聊起。这要追溯到中学时期你阅读PG（保罗·格雷厄姆）文章的经历对吧？
Michael Truell
其实我很早就对创业产生兴趣，当然也涉猎过其他领域。最初接触编程的契机，是某个寒假我和哥哥想开发爆款手游。当时完全不懂技术，只能谷歌搜索'如何制作游戏'，结果发现需要下载Xcode。打开后满屏都是晦涩难懂的Objective C彩色符号——这门语言现在虽仍存在但确实没落了。面对这堵'Objective C高墙'，我哥哥立刻放弃了编程，如今他走上了截然不同的职业道路。
他现在尝试往绘画方向发展。而我买了本Objective C教材坚持学习，最终开始制作手游，这就是我的编程启蒙。期间我也深受PG和Sam的创业文章影响，YC社区成员的思想从高中早期就给了我巨大启发。
他目前在尝试往绘画方向发展。而我坚持了下来，买了本Objective C教材，后来真的开始开发手游——这就是我的编程启蒙。过程中我也确实是PG和Sam文章的忠实读者，YC社区许多人的思想从高中早期就给了我巨大启发。
Diana Hu
Cursor最令人惊叹的是你年仅24岁就在短时间内打造出这个巨头企业。外人看来可能觉得是横空出世，但实际上这是你十余年积累的成果。你一直在推进各种项目对吧？高中时就开始接触AI了？
能具体说说那些项目经历吗？你是如何入门的？
Michael Truell
我很幸运早年就接触了编程和AI，还有优秀的合作者。手游尝试失败后，我做了个技术简单却爆火的应用——可以伪造《钢琴块》《Flappy Bird》等游戏高分记录发给朋友。这个病毒式传播的项目让我明白创业不一定要技术艰深。
后来我和朋友想开发能用'训狗方式'教育的机器狗：通过奖惩机制而非编程来训练它。虽然毫无头绪，我们又开始谷歌搜索，由此接触遗传算法——当时有人尝试用其进化神经网络（如Neat项目），最终我们发现了强化学习（RL）。尽管RL在2015年就已发展多年，我们最终还是造出了几台机器人。
这个构想让我们无比兴奋。完全不懂实现方法的我们再次求助于谷歌，在探索过程中接触到遗传算法——当时有人正尝试用其进化神经网络（比如Neat项目），最终我们发现了强化学习（RL）。即便在2015年RL也已是多年研究领域，但我和朋友最终确实造出了几台机器人。
我们当时确实没有做任何真正持久性的实质性工作，但我们做了一些在当时很有趣的事情——改进强化学习算法，使其数据效率更高，也就是让它们能从极少量的数据点（比如几十个）以及人类提供的嘈杂数据中更好地学习。虽然那不算真正的机器狗，但我们造了几台机器人，其中一个是多轴机械臂，能挥动球拍打乒乓球。装上合适的传感器并给予正负反馈后，就能教会它在看到球时挥拍。我们还教一个基维驱动机器人沿线追踪。这段经历堪称绝佳的机器学习教育，部分源于我们天真的无知——当时根本不知道有Torch、TensorFlow这些现成的工具库可用。
可能我们谷歌搜索的水平不够高吧。
Diana Hu
你们是从零开始自己实现了神经网络？
Michael Truell
没错。所以当时...
Diana Hu
你们那时才十六七岁？
Michael Truell
问题的限制在于我们用的是微控制器机器人，内存极小，根本装不下标准机器学习库。在试图造机器狗的过程中，我们实现了一个微型神经网络库。我记得我们当时连内部原理和微积分都不太懂，就跌跌撞撞地复现了神经网络的一些核心思想——这段经历让我们受益匪浅。
不过基础知识的空缺后来花了好些年才补上。
02 屡败屡战：CAD助手与加密通讯的探索
Diana Hu
快进到创立nnSphere（这名字挺有意思，毕竟现在叫Cursor）。你们创始团队刚从MIT毕业对吧？那是2022年的事。
2022年你们四人最初着手开发的想法是什么？
Michael Truell
Cursor的雏形始于2021年。我们几位联合创始人长期关注AI领域——每人都有类似'机器狗'的启蒙时刻：有位合伙人在2021年尝试用语言模型打造谷歌竞品并自训练对比模型；另一位在学术界研究计算机视觉；还有人曾在谷歌这类公司做推荐系统。
但是，我们对AI确实非常感兴趣。2021年时，我们正试图决定如何将这份兴趣付诸实践——是投身学术界的AI研究，加入某个现有的AI巨头团队，还是创立自己的事业？有两个关键瞬间让我们热血沸腾：一是目睹首批AI产品的诞生。
GitHub Copilot对我们而言就是标杆案例。另一个是看到研究表明，随着模型规模扩大，AI能力将呈现可预测的提升。2022年初，我和联合创始人进行了为期一个月的编程马拉松，开始探索如何选择知识工作领域，并构建随着AI日益成熟的应用形态。
Diana Hu
你们为第一个构想收集了大量数据对吧？
Michael Truell
没错。我们长期深耕的首个创意是机械工程领域的AI助手——试图训练模型预测用户在SolidWorks或Fusion 360等CAD系统中的操作。选择这个领域是因为我们认为它冷门且缺乏竞争，尽管从开始就是个糟糕决定：我们没人真正是机械工程师，而且该领域的技术条件也尚未成熟。
Diana Hu
但你们坚持研发了好几个月？爬取了大量CAD文件，最终实现了自动补全功能的初级版本？
Michael Truell
是的。说实话大量工作耗费在数据抓取上——我们需要全网CAD模型，还要处理各种文件格式转换。CAD软件市场非常碎片化，存在众多流行但互不兼容的系统。
云端CAD系统更棘手，它们既不支持文件导出，也禁止爬取。当时的模型训练基础设施相当原始，我们在架构搭建上投入巨大，还要反复试验如何在这些根本不具备扩展性的CAD软件中强行植入插件。
当时我们还有并行项目：两位联合创始人在开发端到端加密通讯系统（其中一位有安全研究背景）。不同于Signal和WhatsApp仅加密消息内容，这个系统会隐藏通讯元数据——对需要保护联系人关系的用户（如记者与线人）至关重要。
Diana Hu
所以到2022年中，这个项目已经推进了半年左右？
Michael Truell
对，没错。
Diana Hu
当时你们获得了多少用户？产品发布后。
Michael Truell
所有这些项目都命运多舛，基本上没有用户。
Diana Hu
你们是什么时候意识到这个想法行不通的？就像突然发现，哦不，我们所有人都在为此努力，试图创业，但就是不见成效。
那一刻是什么感觉？
Michael Truell
我觉得每个项目的情况都有所不同。对于那个消息系统，我的两位联合创始人投入了很多，技术层面非常出色，但存在一些难以扩展的弊端。他们尝试向个人用户推广未果，又转向企业市场依然受挫，大概在努力争取市场关注几个月后。
至于CAD相关创意，我们花了数月时间试图让模型真正对终端用户有用，同时也在思考：我们是否真的对这些领域感兴趣，还是说有其他让我们更兴奋的方向？
03 关键转型：直面巨头，押注AI编程的未来
Diana Hu
所以你们有过一个决定性的时刻，认为这些想法行不通，必须再次转型。
Michael Truell
是的。
Diana Hu
你们在确定代码补足方向前，已经尝试了三四个甚至五个不同的想法？
Michael Truell
没错。我们早期就受到Copilot这类工具的启发，但因为觉得AI编程领域竞争太激烈而回避了——现在想想挺疯狂的，毕竟现在竞争依然激烈。那么变化是如何发生的呢？
Diana Hu
2022年时，GitHub Copilot已经创造了约1亿美元的收入。
Michael Truell
我觉得可能更多。很可能更多。是的。
Diana Hu
而你们当时的反应是，'我们还能做得比GitHub Copilot更好'，因为人们以为这场竞赛已经结束了。
Michael Truell
就像，嘿。GitHub...其实我们最初并不认为自己能做到。但后来，经过长时间尝试各种想法却始终缺乏激情，加上屡屡受挫的经历，这些塑造了我们的关注点和目标。我们意识到自己本质上对编程的未来充满热情。
我认为还因为我们观察到同行开发产品的方式，见证了技术发展的轨迹。退一步思考后，我们确信如果坚持自己的信念，未来五年整个编程领域将迎来变革，软件开发都将基于模型运作。而当时业内似乎没人认真对待这个趋势——他们只是在优化现有产品，而非真正瞄准'彻底自动化现有编程模式，重塑软件开发形态'的远景。
带着这个认知，我们开始了探索之旅。
Diana Hu
这是个大胆的决定——你们放弃了那些不够熟悉的领域，尽管面对GitHub Copilot这个巨人，依然选择专注于热爱的编程领域来解决问题。
Michael Truell
当时并不觉得多大胆或冒险，毕竟只是几个人窝在客厅对着笔记本，又不是大公司转型。我们最初试探性地想过做安全审查工具来检测代码漏洞，或者针对量化研究员开发专用工具——确实还做过量化研究原型。
但在过程中，关于Cursor如何成为AI编程最佳解决方案的灵感不断涌现。我们对这个方向充满信念与激情，最终决定全力投入。
04 从0到1：三个月打造编辑器原型
Diana Hu
这个决定是在2022年底做出的对吧？首款产品开发了多久？最初版本是什么形态？听说几周后就上线了，具体是怎样的？
Michael Truell
我们确实花了一些时间才公开推出产品。嗯。从写下第一行代码到开放并正式发布，大概用了三个月。最初，我们是从零开始构建了自己的编辑器，姑且这么称呼它。
Diana Hu天啊。
Michael Truell
尽管如此，它还是使用了许多开源构建模块。像CodeMirror这样的优秀基础组件，以及语言服务器等，有很多开源技术能帮助你构建编辑器。但没错，我们确实是从零开始拼凑起来的——当时还开发了自己的远程SSH版本、自己的Copilot集成功能，因为我们连自动补全这样的功能都没有。
你必须构建自己的PIN系统，必须完成所有语言服务器集成。要让产品在成熟的代码编辑器市场中具有竞争力，成为人们日常使用的主力工具，需要投入大量工作。但大约四周后，我们做出了能作为日常工具使用的版本，又过了四周交给首批测试者，再四周后便正式发布了。
当时它仍然非常粗糙。向公众开放时并不觉得是件大事。你们...
Diana Hu
在第一个版本中学到了什么？毕竟你们从零构建了代码编辑器，那时还没考虑分叉方案。
Michael Truell
是啊。结果如何？我们被现实震慑了。团队已经很久没做出让人真正满意的产品了，所以这次我们全情投入，高度专注。
收获是什么？我们初步掌握了AI功能的开发模式。最初只有一个快捷键命令，调出编辑器里的万能遥控器界面。你发出指令后，AI会自行判断意图——是要返回聊天响应？生成可采纳的代码建议？检索代码库回答问题？还是执行长时间或短时任务？当时几乎没有控制选项。
通过2022年底的技术实践，我们认识到产品形态必须调整。这些早期AI功能后来成为Cursor的核心部分，这既来自我们自身迭代，也得益于用户反馈。另一个教训是：我们快速构建了理想编辑器的功能完整版，外加自认为出色的AI功能。但要让编辑器功能真正达到世界级水平，道路远比想象漫长——比如TypeScript项目Fiasco经过12年发展，有庞大团队维护。
我们曾天真地认为几个月就能做出同等水平的产品。现实很快教育了我们，于是决定专注于AI功能开发。就像浏览器基于Chromium渲染引擎那样，我们最终转向基于VS Code的架构。
Diana Hu
另外，你们当时也自主研发了一些模型对吧？比如那时候你们从Codex获得了不少灵感，是吗？
Michael Truell
嗯，是的。当我们最初着手开发第一个投入大量精力的项目——即尝试用AI提升机械工程师的工作效率时，由于市面上的现成模型无法满足需求，我们在首轮融资时就意识到需要资金进行模型训练。我们重点参考的论文之一正是Codex的原版论文，因为根据我们的测算，这个为GitHub Copilot提供支持的初代自动补全模型，其训练成本其实并不高——尽管在2022年上半叶，人们普遍认为AI模型训练极其昂贵。
我记得训练成本大约是10万美元（可能记忆有误）。在机械工程领域的探索中我们进行了自主训练，但转向Cursor项目时我们吸取了教训，决定尽可能务实、避免重复造轮子，所以初期完全没有涉足模型训练。直到2023年打磨产品时，这反而成为了关键的产品杠杆——尤其在规模扩张用户激增后。
这还赋予了我们利用产品数据优化产品的能力。培养这种能力对公司发展至关重要。
05 指数级增长：一年内营收从百万到一亿的秘诀
Diana Hu
2023年你们还在质疑Cursor能否成功对吧？当时你们创始团队仍在争论是否应该转型，比如'这个创意真的可行吗'，同时还要努力推动增长。
对吧？因为实现营收花了很长时间。
Michael Truell
是的。整个2023年业务确实在增长，但规模有限。我们面临的挑战在于这个领域没有明确的路线图——有些市场可以立即开展用户调研，系统梳理需求并针对性开发解决方案，但我们的情况不同。
作为一款面向终端用户、复杂度受限的应用，我们致力于打造最佳的AI编程体验。这需要基于现有工具探索可能性——很多设想理论上很有价值，但具体实现路径往往充满不确定性。
确实，2023年期间有很多这样的时刻。而且你知道吗，实际上还要补充一点，如果我们早期用户群体的需求走向完全决定了产品方向，那我们可能会被引向与现在不同的道路。我们有一批非常活跃的完全不懂编程的用户，当时我们讨论过是否该专注于他们。还有另一批强烈要求我们做技术栈专项功能的用户，希望我们只针对单一技术做垂直工具而非横向平台，这些我们都顶住了压力没做。2023年我们做了大量原型验证，像在沙漠中摸索前行，同时还要思考哪些领域不仅需要开发软件，还需要自建模型来改进或替代API模型——比如我们的标签页下一个编辑预测功能，以及具体如何实现这些。
Diana Hu
你们在2023年左右实现了从零到百万的突破对吧？这个过程肯定付出了巨大努力？
Michael Truell
是的，实际数字比这还要高些，不过大体是这个量级。
Diana Hu
然后2024年简直疯狂，你们一年内从1增长到1亿。聊聊这个指数级增长奇迹吧——你们如何保持每周10%的复合增长？这怎么做到的？
Michael Truell
早期数字看起来很小，但复利效应持续发力。我认为有几个关键因素推动增长：我们所在的市场有个特点——产品改进能立即反映在数据上。当我们首次让Cursor感知代码库时，当我们开始预测用户下一步操作时，当这个功能变得更精准、更快速、更强大（能预测连续修改序列）时，尤其当AI模型开始在你的代码库快速执行更多操作时——每次突破都带来明显增长。
因此我们始终专注于产品优化，复利增长从未中断。并非所有市场都如此，但我们恰好处于终端用户偏好至关重要的领域。只要你做出最好的产品，人们就会关注并口口相传，这种效应持续了很长时间。
Diana Hu
有意思的是，同期YC孵化器里的公司也出现明显转向。我们常问他们用什么技术栈开发应用，前后两批公司的选择简直天壤之别。记得2023年用Cursor的可能只有个位数百分比，到2024年就暴涨到80%左右，像野火般蔓延。
最优秀的开发者都在用你们的产品。
Michael Truell
攻占了他们的推特时间线。没错。
Diana Hu
所以推特是主要增长渠道吗？这些用户爆发式增长究竟从何而来？
Michael Truell
在最初推出编辑器时，我们尝试通过社交媒体进行推广。实际上，我的一位联合创始人在2022年研究那些最终失败的想法时，通过在网络上持续发布AI相关内容获得多巴胺激励——他刻意不采用常规社交媒体策略，而是专注讨论AI。令人惊讶的是，仅通过研读论文、深度思考行业动态并公开分享，他就获得了领域内权威人士的关注。比如当时有个名为Flan t five的开源模型，多个AI项目正是通过他在Twitter的持续分享才了解到该模型的优势。
他逐渐成为旧金山科技圈的小范围网红。早期他确实为产品带来了宣传效应，我们首轮用户候补名单的发布就像电影魔法般顺利，这对项目启动很有帮助。但之后我们便停止这种策略，2023年像苦行僧般专注于产品开发。
产品完全依靠口碑传播。我记得那年团队几次有人提议'产品已经够好了，该转向增长引擎了'，随后我们会进行两个月左右的增长冲刺。
但这些尝试最终都被当年其他更重要的工作冲淡了。
Diana Hu
到2024年时Kershaw规模如何？当时公司有多大？
Michael Truell
2023年规模很小——我的联合创始人们都是顶尖工程师，四人团队就能完成大量工作。我们在首批招聘上走过弯路，早期既过分谨慎又招聘不足，到2023年底仍是个位数团队。
对，当时还不足10人。
06 未来展望：编程的本质与给年轻人的建议
Diana Hu
真了不起。现在换个话题——你对编程未来的发展怎么看？
Michael Truell
我们始终走中间路线：2022年筹备公司时，人们对我们专注AI投来异样眼光——那时ChatGPT尚未爆发，做AI被视为古怪选择。即便对AI有兴趣的人，也分两派：一派只想优化现有产品形态，另一派则认为'除了AGI其他都无意义'，觉得我们做的东西一两年后就会过时。
我们始终认为：AI将是比近几个世纪任何技术革命更具颠覆性的变革，但需要数十年行业共同努力。在实现彻底改变软件开发或知识工作的终极状态前，需要逐个突破独立技术节点。就近期而言，对我们服务的专业工程师群体来说，代码仍至关重要。
而且，将会经历一段漫长而混乱的中间阶段，在此期间，你将与AI协同工作。渐渐地，它会越来越像一位同事。更进一步，它或许会演变成一种，你知道的，非常先进的编译器，能够为你隐藏部分代码。你需要阅读逻辑、审查并编辑它。所以，
Diana Hu
你认为哪些技能仍然重要？人们现在应该继续学习或停止学习什么？
Michael Truell
我认为编程就像数学一样，本质上是一种良好的通识教育。它不会消失，而且学习计算机科学现在还能带来许多实用技能。当人们进入充满活力的行业时，他们在学校学的具体知识并不特别关键，更重要的是他们在过程中获得的学习能力。我不认为AI会改变这一点。
Diana Hu
如果观众中有年轻的迈克尔·特鲁尔（比如三年前的你），你有什么建议？在他们开始Cursor之前，现在应该做些什么？
Michael Truell
我认为只需要专注于你感兴趣的事情，与那些你喜欢相处且非常尊敬的人一起工作，并认真对待这件事。对许多在校学生来说，有太多事情让你倾向于打勾完成任务，而不是专注于长期构建某些东西，真正投入你感兴趣的事物。
Diana Hu
好的。让我们为迈克尔鼓掌。非常感谢。当然。
Michael Truell
谢谢邀请我。