这两周，AI 编程工具 Cursor 彻底火了。Twitter 上，Cloudflare 副总裁发了个视频，展示了自己 8 岁的女儿如何利用 Cursor AI 在 45 分钟内搭建好一个聊天机器人。我看完后震惊不已。
想起来前几年国内曾经掀起的全民 Python 学习热潮。当时，大家的思维方式是通过课程来具备基础的编程能力。但现在，那个小女孩编程的视频，让我感受到了什么叫工具改变世界，工具降低门槛，工具提高效率。
Cursor 这类产品的出现，多么激动人心。你不需要再学什么 Python 小课了，如果你是非 IT 从业者，那完全可以基于 Cursor 上手写代码。一边和 AI 沟通，一边写代码，遇到不懂的问题时再继续问 AI，这种效率一定比单纯的上课高很多。
Andrej Karpathy，他是工程师圈子里的知名 KOL，之前也是特斯拉的 AI 总监，他早就在 Twitter 说过：最热门的新编程语言是英语（指自然语言）。最近，他连发几条推文夸赞 Cursor，说 Cursor 的体验已经碾压式的超过了 GitHub Copilot。
这两天我也在体验 Cursor，确实惊艳。多行编辑、跨文件上下文补全、提问、下一个动作预测，这些细节，Cursor 的处理速度更快，结果也更准确。甚至有 X 用户评论说：Cursor 是目前最接近于为程序员提供脑机接口编程体验的产品，它能够让程序员以思考的速度去编程。
具体 Cursor 的能力我不再做过多介绍，你去体验下便知。
8 月 9 日，Cursor 背后的公司 Anysphere 宣布获得 6000 万美元的 A 轮融资，最新估值为 4 亿美元，投资方包括 a16z 和 Thrive。
有意思的是，Anysphere 成立的时间不久，两年前，四名 MIT 的高材生聚到一起，雄心勃勃的他们想做一款全世界最好的 IDE。直到现在，两年时间过去了，他们也只有 12 名员工。
要知道，Cursor 在全球市场上面对的竞争对手是 GitHub Copilot。GitHub Copilot 早在 2021 年时就已经发布，并且团队规模也远超 Cursor。去年三月，Cursor 火了一小段时间，但新鲜劲过去后，很快大家觉得它没戏，当时 GitHub Copilot 无论是在模型能力，还是功能的全面性上，都明显优于 Cursor。
Cursor 这一次的出圈，让我再次意识到，创业公司永远是有机会的。产品的竞争，一定程度上，和资源没有直接关系。重要的永远是你在产品上的理念是什么，你的创新是什么。如果你只是简单的和大公司拼功能完善度，那大公司毫无疑问可以碾压你。但如果你有技术创新的话，那就是另外一回事了。
大公司自然有很多的资源，一个团队动辄就是几十上百人。但与团队的规模相比，其实人才密度以及信念永远是重要的。
翻看 Cursor 的博客，我看到了这样一段充满雄心壮志的话：
在未来几年，我们要打造一款前所未有的 IDE。我们希望 Cursor 是一个让编程变得更加轻松、愉悦和有趣的工具。
我们距离这个目标还有很长的路要走。要实现它，需要攻克很多棘手的工程问题、技术难点，以及聪明的产品思维。尽管如此，这是可能的，而且这是历史上第一次有这样的可能性。如果我们成功了，我们将重新定义编程的意义，并帮助全世界的开发者专注于更大的问题。
为了将这个愿景变为现实，我们正在组建一支由极具天赋的技术专家、研究人员和工程师组成的小团队。你将加入一个从中学时代就开始编程，对工程和人工智能充满热情的团队。你将解决这些棘手的问题，并进入一个令人兴奋的环境，在这里，你将获得自主权，去完成你一生中最好的工作。
看到这里，你能感觉出来创业公司的那股子劲儿。这也是创业公司存在的意义，怀揣着一个比天高的梦想，然后脚踏实地的干。上面那段话，我也觉得只有创业公司的疯子们才能讲出来。就像乔布斯《Think Different》里的话：
他们用与众不同的眼光看待事物， 他们不喜欢墨守成规，他们也不愿安于现状。你可以赞美他们，引用他们，反对他们，质疑他们，颂扬或是诋毁他们，但唯独不能漠视他们。
小团队战胜大团队的唯一路径是创新。因为从功能的角度看，你永远不可能超越大团队。明面上大家已经看出来的能力，大公司一定比你做得快。这也就要求小团队能够聚焦到关键问题上。
去年时，Cursor 的联合创始人 Aman Sanger 曾经说过，当人们想到 AI 编程，他们通常会想到 AI 驱动的自动补全功能。我们认为 GitHub Copilot 和其他一些工具在这方面做得非常好，所以我们专注于自动补全之后的功能，比如查找和修复错误以及代码库问答。
事实上，他们确实是这么做的，并且取得了用户体验上的突破。举个简单的例子，比如你给某个函数加了一个参数，Cursor 支持一键修改所有代码库中和该函数相关的代码片段。
Cursor 团队非常清楚自己要把产品做成什么样子，以及当下哪些地方工程师用起来不顺手。但这些问题并不是简单的功能问题，功能背后仍然藏着重要的技术挑战，就看他们能不能攻克。
在 Cursor 的官方博客上，你仍然能找到一篇博客文章，上面清楚列着 2024 年他们希望解决的具体问题，比如下一步行动预测、完美编辑、最佳语境、错误检测和调试这些环节中，怎么能更进一步做得更好。
最后，欢迎加入墨问的交流群，我们会在群里分享最新的 AI 产品，最新的 AI 趋势。
