"我们公司的目标是用一种更优越的方式取代编码。"
——Cursor CEO 迈克尔·特鲁尔
在AI编程工具百花齐放的今天，估值90亿美元的Cursor给出了一个截然不同的答案。在YC总裁陈嘉兴的最新专访中，Cursor CEO迈克尔·特鲁尔分享了他们的终极愿景——不是辅助编程，而是彻底取代传统编码。
🎯 终极目标：取代而非辅助编程
与众多AI编程助手致力于"辅助"开发者不同，Cursor的野心显得更为宏大。
迈克尔·特鲁尔直言：
"我们公司的目标是用一种更优越的方式取代编码。我们认为，在未来五到十年内，将有可能发明一种新的软件构建方式，这种方式将更高级、更具生产力。这仍然归结于定义你希望软件如何运行以及你希望软件呈现什么样子。"
他认为，目前的AI主要扮演"助手"角色，帮助开发者编写了约40%到50%的代码，但这只是过渡阶段。真正的未来是让开发者从繁琐、晦涩的编程语言中彻底解放出来。
"编程吸引我们的地方在于，你能够非常迅速地构建事物。然而，对于那些描述起来相对简单的事情，编程却需要编辑数百万行晦涩难懂的正式编程语言，需要投入大量大量的工作。"
💎 工程师的未来价值："品味"不可替代
当AI越来越多地接管底层实现工作后，什么将成为工程师最有价值的技能？迈克尔·特鲁尔的答案令人深思：品味（Taste）。
他详细解释道：
"我们认为，品味将是不可替代的。那么，仅仅是定义你实际想构建什么？人们通常在考虑软件的视觉方面时会想到这一点。我认为，在软件的非视觉方面也存在品味要素，例如逻辑如何运作。"
这里的"品味"超越了视觉美学，深刻指向对软件逻辑的高层次判断力：
"很多编程就像你正在进行的人工编译，你大致知道你想要什么。你可以告诉另一个人，但你真的必须为计算机详细说明...我认为越来越多像人工编译这样的步骤将会消失，计算机将能够填补空白，完善细节。但既然我们的工具正在帮助你实现事物，帮助你构建事物，那种对于什么是真正有用、对于你想要构建什么的品味，我认为永远不会消失。"
🚀 关键战略决策：自建编辑器的前瞻性
Cursor早期做出了一个备受争议但极具前瞻性的决策——构建独立编辑器而非VS Code扩展。
迈克尔·特鲁尔回忆：
"我们早期做的一个非普遍共识的产品决策，源于对一个更具颠覆性未来的兴奋，那就是不构建扩展程序，而是构建一个编辑器。这源于一种想法，即所有的编程都将通过这些模型进行。它在未来会看起来截然不同。你将需要控制用户界面。"
这个决策的背后，是对GitHub Copilot开发过程的深度洞察：
"即便在他们让自动补全功能正常工作后，他们仍然需要在编辑器层面进行修改。他们无法完全以扩展的形式实现。他们不得不去修改VS Code主代码库中的内容，并暴露不同的编辑器API，才能仅仅显示出那种幽灵文本。"
🔄 AI时代的护城河：数据飞轮效应
在AI技术日新月异的背景下，如何构建持久的护城河？迈克尔·特鲁尔给出了独特的见解。
他将其比作90年代末的搜索引擎市场：
"我们所处的市场有点像90年代末的搜索市场，产品的上限非常高。搜索功能在很长很长一段时间内都可能得到大幅改进。而对我们来说，最终目标是用远胜于编码的方式来取代编码，并实现编码自动化。"
数据飞轮的核心机制：
"搜索的一个特点，我认为也是我们市场的一个特点是，分发对于产品的改进非常有帮助。对我们而言，就是要观察人们在哪里接受了某些事物？他们在哪里拒绝了某些事物？在那些他们先是接受了某些事物但之后又进行了修正的地方，究竟是怎么回事？我认为这将是未来让产品和底层模型变得更好一个非常非常重要的驱动力。"
🎢 创业故事：从CAD到代码的华丽转身
Cursor的诞生并非一帆风顺。团队最初尝试用AI赋能机械工程CAD，但最终回归编程领域。
迈克尔·特鲁尔坦诚分享：
"我们对机械工程的兴趣不如对编程的兴趣大。我们都是程序员。另一个原因是，我认为那时的科学技术尚未为3D做好准备。预训练模型在这方面表现不佳。数据量不大。互联网上的CAD模型数据量比代码少好几个数量级。"
转向编程的关键洞察：
"吸引我们重新投入编程的，是我们的个人兴趣。而当时给我们信心继续下去的原因有二：其一，是看到他人在大约九个月时间里所取得的进展，尽管感觉那进展比本可以达到的速度慢了一些。其二，是坐下来思考，如果我们真正坚守自己的信念，那么在五年内，所有的编码都将通过这些模型进行。"
📈 顺应发展曲线：战略的核心信念
迈克尔·特鲁尔强调了一个关键理念——"顺应发展曲线"：
"我们当时有个说法，叫做'顺应发展曲线'。你应该始终顺应这条发展曲线，并预判其走向。这有点回溯到规模法则，即这些事物只会变得越来越好。"
这与彼得·蒂尔的经典问题不谋而合：你相信什么，而别人都不相信？
"2022年是一个疯狂而关键的年份，当你从年初开始时。真的没有人谈论AI。我的意思是，GPT-3在前一年已经发布了。Copilot确实出现了...但随后出现了庞姆（POM）和稳定扩散。接着你开始接触到人类反馈强化学习（RLHF）。"
🔮 技术瓶颈与未来展望
尽管前景光明，迈克尔·特鲁尔也坦诚面对当前的技术挑战：
关于上下文窗口的限制：
"如果你有1000万行代码，那可能就是1亿个token。要有一个模型能够真正摄入这些信息，使其具有成本效益，并且不仅仅是模型能够物理地将其吸纳到其权重中，还要能够有效地关注该上下文窗口，这很棘手。"
关于持续学习的挑战：
"这也是一个持续学习的问题，比如了解组织的背景，过去尝试过的事情，以及你的同事是谁。而模型真正持续学习某个问题的难题，我认为，该领域仍然没有一个很好的解决方案。"
🌟 构建能力的黄金十年
迈克尔·特鲁尔对未来充满信心：
"我认为这将是这样一个十年：你仅仅是构建的能力将被极大地放大。如果你比其他人更快地推动前沿，你就能获得巨大的收益。"
他预见了AI对不同规模项目的影响：
"千人规模的软件项目进展得如此缓慢，简直令人难以置信。百人规模的软件项目以及真正的专业软件项目进展得也很慢。其中很大一部分原因在于现有逻辑的沉重负担...我认为其中一个影响将是，下一个分布式训练框架、下一个数据库或下一个可视化设计工具将能更快地构建出来。"
更重要的是，AI将让更多人有能力构建软件：
"我认为，一个二阶效应是，将会有更多利基软件存在...对于那样的公司而言，将会有更多可用的选项。数字空间的物理特性已经非常出色，但我认为未来这只会得到大幅提升。你期望在计算机上实现的事情，届时就能实现。"
💭 结语：创业的本质思考
最后，迈克尔·特鲁尔分享了一个深刻的创业哲学：
"创办公司很困难，所以你不如去从事真正让你兴奋的事情。所以，是的，我们着手研究代码的未来。"
在这个AI变革的时代，Cursor的故事告诉我们：真正的颠覆不是改良，而是重新定义问题本身。当所有人都在优化"如何更好地编程"时，他们选择思考"如何不再需要编程"。
这或许就是下一个时代的密码：不是在旧世界里做得更好，而是创造一个全新的世界。
你如何看待AI取代编程的未来？你认为工程师的核心竞争力会发生怎样的变化？欢迎留言讨论！
