凱瑟琳·索貝克是彭博社專欄作家，主要報導亞洲科技領域。此前，她曾擔任CNN和ABC新聞的科技記者。中國開源人工智慧正在走向世界。 圖片：Ying Tang/NurPhoto/Getty Images輝達公司首席執行官黃仁勳曾表示“中國將在人工智慧競賽中獲勝”，但後來軟化了立場，稱美國“落後納秒”。人工智慧行業正在發生微妙的轉變，低成本、開放原始碼的中國人工智慧模型正在吸引全球使用者，並贏得矽谷的青睞，像 Airbnb 和 Cursor 這樣的公司都在使用中國的人工智慧工具。就開發者累計下載量而言，中國模型已經超過了美國，阿里巴巴的Qwen下載量超過了Meta Platforms Inc.的Llama，基於Qwen建構的衍生系統佔新語言模型的40%以上。輝達公司首席執行官黃仁勳的初步評估過於簡單，他對美國的負面看法也顯而易見。過去一年，他一直辯稱，儘管華盛頓不斷加強出口管制，但他的公司向中國市場銷售晶片，美國仍然從中受益。但他擔心開發者爭奪戰可能已經開始失控，這種擔憂不無道理。 該立場表示，美國的競爭對手僅僅落後“幾納秒”，因此美國必須“奮起直追，贏得全球開發者的青睞”，才能最終勝出。近幾周來，一種微妙的轉變愈發明顯。幾個月來，一直有傳言稱，低成本、開放原始碼的中國人工智慧模型可能會將全球使用者從美國產品中吸引過來。但現在看來，它們也正在悄然贏得矽谷的青睞。風險投資家查馬斯·帕裡哈皮蒂亞（Chamath Palihapitiya）最近在他頗具影響力的播客節目“ All-In ”（由白宮人工智慧主管大衛·薩克斯共同主持）中表示，他合作的一家公司已將大量工作負載轉移到北京登月人工智慧公司開發的Kimi K2平台。他表示，這種開源模式“坦白說比OpenAI和Anthropic便宜得多”。不久之後，Airbnb首席執行官布萊恩·切斯基承認，他沒有將Airbnb的旅行應用程式與OpenAI的ChatGPT整合，是因為相關的連接工具“尚未完全準備就緒”。切斯基表示，Airbnb的新客服代理依賴於十幾種不同的AI模型。他們“非常依賴”阿里巴巴集團控股有限公司的Qwen產品線：“它非常好，而且速度快、成本低。”考慮到切斯基與OpenAI首席執行官薩姆·奧特曼的密切私人關係，他的這番言論尤其引人注目。公開表示認可的案例越來越多。由OpenAI前首席技術官Mira Murati創立的初創公司Thinking Machines Lab在一篇部落格文章中表示，其最新研究受到了阿里巴巴Qwen3團隊的啟發，並在此基礎上進行了拓展。但或許更有意思的是，這種轉變正以更為微妙的方式悄然發生。備受矚目的AI程式設計領軍企業Cursor估值約100億美元，上個月發佈了新版助手。一位科技投資者在X論壇上指出，他在使用Cursor時，它的內心獨白突然切換到了中文。此後，網路上紛紛猜測Cursor的助手是基於類似DeepSeek的中國AI工具開發的。另一家估值約100億美元的美國熱門公司Cognition AI Inc.，似乎也是基於智普人工智慧（Z.ai）的基礎模型開發了其新型編碼代理。在社交媒體使用者表達了他們的懷疑之後，這家總部位於北京的公司似乎在推特上證實了他們的發現，稱此舉“凸顯了開源貢獻對生態系統的積極影響和價值”。這兩家美國公司均未立即回覆我通過電子郵件發出的置評請求。但由於中國人工智慧模型的許可機制較為寬鬆，企業可以免費在其基礎上開發產品。來自 Hugging Face 平台的資料，由支援開源人工智慧的美國聯盟ATOM Project收集，證實了這一點。中國模型在開發者累計下載量方面已經超越了美國。這種轉變起初緩慢，隨後迅速爆發：2024 年初，Meta Platforms Inc. 的 Llama 下載量達到 1060 萬次，而阿里巴巴 Qwen 的下載量僅為 50 萬次。到上個月，Qwen 的累計下載量已達 3.853 億次，而 Llama 為 3.462 億次。基於 Qwen 建構的衍生系統目前佔 Hugging Face 平台上新發佈的語言模型的 40% 以上，而 Meta 的份額已降至 15%。Qwen的累計下載量先是緩慢地，然後突然之間超過了Llama的。資料來源：ATOM Project，經由 Hugging Face 提供 註：衡量累計下載量國際使用者湧入中國人工智慧工具引發了地緣政治方面的擔憂。但對於爭分奪秒推出產品的開發者，尤其是在編碼和軟體開發領域，這些風險的擔憂有所減輕——尤其是在權衡價格和性能之後。此外，開放模型還可以下載、微調並在本地運行，從而降低使用者對內容和資料隱私的擔憂。黃仁勳現在就斷言誰是贏家還為時過早。美國在獲取尖端晶片和計算能力方面仍然擁有明顯的優勢，而這些正是開發先進系統的關鍵元件。但中國推行的低成本和開源策略無疑正在吸引開發者，而開發者正是人工智慧創新的中堅力量。如果華盛頓真的想在長遠來看取得勝利，它首先應該問問自己，為什麼矽谷已經開始倒戈了。 (邸報)

矽谷AI圈最近魔幻事件，不會中文進不了AI核心小組。開完會，全說漢語，老外懵了！連模型在思考時，也在說中文～如果你有在關注最近矽谷的AI圈子，你會發現最近出現一個神奇的現象。當中國都在學英文看文獻的時候，國外的AI圈都說中文了！簡直是倒反天罡。以Meta為例，如果你不會中文，都混不進核心團隊。正式開會說英文，散會後大家集體用中文嘮嗑。現在換老外懵圈了！前幾周OpenAI一個會議，一進門，三百人的會場整個左小半邊都是華人。更有趣的是，當華人成為AI頂尖人才的認證標籤後，連中國的開源模式也被老外偷師。海外模型「偷師」傳說Cursor最近剛發布2.0版本，並推出了他們的第一個自研模型Composer。但很快打臉就來了，網友發現Composer動不動就給他「說中文」。在包裹的思考過程中，Cursor這個所謂的自研模型說的都是中文。這讓老外再一次懵B。最有趣的是Windsurf，直接承認自己拿著GLM-4.6的定製版本進行微調和強化學習。除了「頂級AI人才說中文」和「模型用中國開源大模型微調」這兩個主動選擇，現在連一些大佬都開始放棄OpenAI和Anthropic而被動選擇中國的開源模型。為什麼？因為模型量大管飽，性能還好，還便宜。最近一個消息真的讓我們感覺老外現在不僅不迷信OpenAI等閉源模型，而且紛紛開始選擇中國的模型了。例如Chamath Palihapitiya表示，他的團隊將大量工作負載遷移到了Kimi K2，因為它的效能顯著更好，而且比OpenAI和Anthropic 都便宜得多。這哥們是美國知名的企業家和投資人，他的聲明還是能夠說明一個問題：中國開源大模型，是真的香！不過評論區還是有些冷靜的聲音，說這哥們早期投資了Groq（不是馬斯克那個Grok）。而這次他們團隊從Bedrock（據說是前20大客戶）遷移到Groq上的Kimi K2，因為模型的效能更優！但背後其實可能為了宣傳Groq的服務。這次Cursor為什麼在思考過程頻繁「說中文」，網友們也總結出兩個主要原因：1. 自研難度與成本過高。以Cursor的資源體積，從零預訓練一套強模型的可能性很小，更像是在開源的SOTA智能體模型上做二次訓練；因此出現「說中文」的情況並不奇怪，這更像是底座與訓練資料選擇的結果。2. Composer的滯後與避戰。Composer大機率是用「幾個月前」的開源SOTA做微調，但大模型迭代極快：等推向市場時底層已落後。於是既不願與當下最新的開源SOTA正面對比，又對底層細節諱莫如深；即便融資可觀，仍難擺脫「更多是個殼子」的質疑。總之還是一句話，中國的開源模型，真香。從國外數據網站的統計數據就能看出來。在能力這塊，中國開源穩居第一梯隊在Artificial Analysis Intelligence指數榜單上，除了排在前幾名是閉源的OpenAI的GPT-5、Google的Gemini 2.5、xAI的Grok、Anthropic的Claude 4.5以外，緊隨其後的都是開源模型。而且，大部分都是中國模型：MiniMax-M2、DeepSeek-V3.1、Qwen3-235B-A22B、GLM-4.6、Kimi K2。而開源老祖Meta的Llama，以及相關的微調版本，都得排到他們後邊。而在Coding指數榜單上，依然如此，DeepSeek V3.1要比Google的Gemini 2.5 Pro還要好。智能體榜單上，Kimi、GLM和Qwen也排到了前面。如果按照開源和閉源劃分，全球AI模型的能力中，開源真的很能打。不要忘了，這只是能力榜單，如果再考慮中國開源模型的價格，確實就真香了。在隨著時間，AI能力增長這件事上，雖然OpenAI一直遙遙領先，但MiniMax、DeepSeek、Qwen、GLM、Kimi追改的速度一點都沒有落下。這波AI浪潮，不僅改變了世界科技的走向，甚至對於人才標籤的認知也同樣被改寫。說起來，能把單一頂尖人才的薪水公開喊價到上億美金，也就是前段時間Meta的祖克柏首創的。矽谷頂級華人有那些？首先是Meta。在剛組成幾個月的超級智慧實驗室（Meta Superintelligence Labs）中，最初的44人團隊裡差不多有一半都是華人。其中，趙晟佳和後來加入的宋颺，分別擔任首席科學家和研究負責人。MSL首席科學家，趙晟佳（Shengjia Zhao）。趙晟佳本科畢業於清華大學，史丹佛大學電腦科學博士學位。2022年6月畢業後就加入了OpenAI技術團隊。工作經驗僅有3年的他，履歷上已有了多項輝煌戰果。還在OpenAI時，他是多項里程碑突破背後的關鍵人物。引爆全球AI浪潮的ChatGPT的初始團隊成員GPT-4的核心貢獻者OpenAI首個AI推理模型o1的核心研究員，與OpenAI聯合創始人Ilya Sutskever一同被列為「奠基貢獻者」深度參與mini系列的構建，包括4.1和o3負責OpenAI合成資料團隊作為開啟AI「思考」能力的第一個推理模型，o1的成功，直接推動了整個產業在「思維鏈」技術上的發展熱潮。延伸閱讀：清華校友趙晟佳，出任Meta超級智慧首席科學家！ GPT-4核心功臣MSL研究負責人，宋颮（Yang Song）。宋颮本科就讀於清華大學數理基礎科學班，博士畢業於史丹佛電腦科學專業，研究方向聚焦生成模型與多模態推理。在學術界，他以「擴散模型」研究聞名，是該領域的技術奠基者之一。他曾在Google大腦、Uber ATG、微軟研究院等機構實習，擁有豐富的工業與理論背景。2022年加入OpenAI後，他組成「策略探索」團隊，圍繞更大規模、更複雜數據、更高維模態進行方法論探索與系統落地。擴展閱讀：突發！ Meta剛從OpenAI挖走了清華校友宋颮比起Meta，OpenAI團隊裡的華人其實更多。每逢重磅發布，從長長的貢獻者名單到直播現場，都少不了華人科學家的身影。不過，擔任高階主管職位的，就只有首席研究官陳信翰（Mark Chen）了。陳信翰的母親邱瀞德是台灣清華大學教授，現任資訊系統與應用研究所所長；父親陳建任曾任亞光電董事長。他高中時曾隨家人從美國回台。在新竹實驗中學的雙語部就讀時，他接連在數學競賽AMC10、AMC12和AIME中取得滿分，並憑此優異成績進入麻省理工學院（MIT）。在MIT獲得數學和電腦科學雙學位後，陳信翰進入一家自營交易公司從事量化投資工作，負責為股票和期貨開發機器學習演算法。在OpenAI的七年時間裡，陳信翰從研究科學家逐步晉升為首席研究官，負責模型開發和公司整體研究工作。在此期間，他領導了多項里程碑式的項目，包括o1系推理模型、文字到圖像模型DALL-E，以及融入視覺感知的GPT-4等等。值得一提的是，剛以突破性進展登上Nature封面的Google量子人工智慧團隊，他們的處理器總監Yu Chen也是華人。Yu Chen先後在中國科學技術大學取得物理學理學士學位，並在明尼蘇達大學取得凝聚態物理學博士學位。在加州大學聖塔芭芭拉分校做了4年博士後研究後，他於2014年加入Google，擔任量子研究科學家。除了這些AI頂尖人才，還有很多耳熟能詳的華人大佬。例如輝達的CEO 黃仁勳、AMD的CEO 蘇姿丰、英特爾的陳立武等等。開源「電廠」，好用又便宜除了人才和模型訓練，許多提供API的平台公司，也紛紛連結中國的開源模型。例如Vercel的老闆Guillermo Rauch就表示，鑑於GLM-4.6的出色表現，「在nextjs.org/evals中排名第三，並且是前五名中唯一的開源模型」。現在，他們不僅提供GLM-4.6的API服務，而且價格也是最低的。10月22日，Airbnb CEO Brian Chesky在訪談中表示，Airbnb的客服AI現在由13個模型組成。關鍵是，他公開承認Airbnb「在很大程度上依賴Qwen來支援AI客服。」甚至表示Qwen比OpenAI的產品更好更便宜。除了這些平台類公司無需開發基礎以外，像Cursor這種一直被喊套殼的公司，想要從零開始預訓練一個模型花費不菲，而且是針對Coding領域的特定模型，純粹預訓練得不償失，那該在怎麼辦？就像網友說的，最好的方法就是找一個開源模型去微調。那現在全世界開源領域最好的模型也就是中國耳熟能詳的那幾家了。而且不僅開源，而且開源選擇的協定都是最友善的。網友們還在Windsurf中直給提問，你是誰，誰開發了你？Windsurf的模型直接回答我就是「GLM」～如果說AI是新時代的電力，那麼以上這些跡象正在表明，我們正在從「世界工廠」轉變為AI的「世界電廠」。透過開源，我們正在搶佔全球AI時代的基礎設施定義權。當一個開源的中國模型能提供80%的效能，而成本只有20%時，選擇是顯而易見的。當這個模型能提供100%甚至110%的效能（如DeepSeek-V3.1在編碼上的表現），而成本依然低廉時，它就從「備選項」變成「最優解」。Cursor被網友抓包時的尷尬，恰恰揭露了矽谷開發者的一種矛盾心態：身體可能很誠實地擁抱中國模型，但在宣傳上仍試圖維持「矽谷原創」的政治正確。最後總結一下，「倒反天罡」的不僅是AI人才中華人的佔比，更重要的技術流向。當矽谷的工程師們為了優化成本和性能，不得不開始研究GLM和Qwen的文檔時，這場關於下一代AI技術浪潮的牌局，才算真正進入了最精彩的下半場。One More Thing不過我們也不能「高興」太早，在AI領域的人才上，華人現在一種標籤。但是，如果看看各大科技公司的CEO，你會發現，印度老哥們也不甘示弱。例如Google的CEO劈柴哥，Sundar Pichai。例如微軟的CEO，納德拉Satya Nadella。例如IBM的CEO，Arvind Krishna。例如Adobe的CEO，Shantanu Narayen。例如霍尼韋爾的CEO，Vimal Kapur。以上這些CEO們都是印度老哥，其中不乏AI科技領域的掌舵人，例如劈柴哥和納德拉。參考資料：https://x.com/FuSheng_0306/status/1983894938669433044https://x.com/auchenberg/status/1983901551048470974https://x.com/AI_Whisper_X/status/1983819229737652336https://x.com/artificialanlys/status/1983915999998230932 （新智元）

【新智元導讀】AI席捲職場，大廠裁員與崗位替代加速。奧特曼稱能被AI取代的工作並非「真工作」。矽谷上演「程式碼戰爭」：有人擁抱Cursor/Claude提效，有人拒用AI遭解僱。在效率與質量拉扯中，人類價值與工作定義正被重寫。當一個人花十年成為行業專家，卻在一天內被一行「AI提示詞」取代，丟了工作。他該如何在失落中重新定義「自我價值」？被AI取代工作的現像已經屢見不鮮，尤其是在科技行業，尤其是在大廠。Ian Carter，33歲，微軟的技術項目經理，今年5月份就被裁員。直到今天，他依然還沒有找到工作！至於為什麼諸如微軟這類科技大廠都在裁員，其中最為重要的因素便是：對AI大量的、瘋狂的投資！隨之而來的，是那些只需要「通用技能」的工作，很快就會這些AI所取代。所以，當AI全面碾壓人類時，對「工作的定義」，也許是時候換個看法了！如果工作被AI淘汰那它本就不是「真工作」重複一遍，如果你的工作能被AI替代，那這份工作就不能被視為是「真工作」。這是奧特曼最新的觀點。最近，他一直在喋喋不休地談論著「工作毀滅論」。什麼是真工作，什麼假工作？在上周三OpenAI的DevDay大會上接受Rowan Cheung採訪時，奧特曼拋出了一個觀點：你今天所做的工作——那些可能馬上就要被AI變革或淘汰的工作——並非「真正的工作」。重要的事情，還真的說了三遍。當然這個觀點並不是「空中樓閣」，是在Cheung引用了他最喜歡的思想實驗後提出的。即設想半個世紀前的農民會如何看待我們今天的現實？「如果你告訴五十年前的農民，一個叫網際網路的奇妙事物將創造十億個新工作崗位，他大機率不會相信你。」同樣地，簡單換算和替換下，假設現在是55年後的2080年：「如果你告訴五十年前的農民（現在有個梗是今天的程式設計師也是新時代農民工），一個叫AI的奇妙事物將創造數十億個新工作崗位，他大機率也不會相信你。」更加能夠證明這個事實的是，AI的發展要比網際網路技術快很多，很多，很多倍！相比歷史上其他的技術革命，電力、自動駕駛、壓縮機、網際網路、電腦、社交媒體等，AI技術被「採納」的速度是「有史以來」最快的！AI技術革命，也許也是人類歷史的最後一場技術革命了！在「AI智能」時代，十億知識工作者的飯碗將在新崗位出現之前受到威脅。我們現在並不清楚AI在幾十年後會創造出什麼樣的工作，正如過去的農民無法想像網際網路如何催生出一個完整的經濟體一樣。「關於那個農民，」奧特曼說，他（農民）不僅不會相信你（網際網路創造數十億崗位）。而且他很可能會看著你我所做的事情說，「你們所做的，不算真正的工作」。奧特曼表示，這讓他感覺「稍微不那麼擔心了」，但「在某些其他方面反而更擔心了」。他是這麼解釋的：如果你在種地，你就在做人們真正需要的事，你在為他們生產糧食，維持他們的生命。（過去技術體下的視角）農民會把這種工作定義為「真正的工作」。但那位農民會把我們的現代工作視為「打發時間的遊戲」，因此這不是一份「真正的工作」。同樣的類比，很有可能，如果我們能看到未來的那些工作，我們也會覺得：也許我們的工作不像農民的工作那麼「真實、親民」，但比起未來的某種AI形式下工作，還是要真實多了。畢竟我們現在還是用AI輔助，以後可能人人都是魔法師，揮一揮手中的AI魔棒，工作就完成了。說不定未來的工作都是左手指揮ChatGPT、右手牽著DeepSeek、左腳踩Gemini、右腳踏著Grok。人？好像只要動嘴就行，甚至還有未來的腦機介面所預示的場景，念頭一起，言出法隨。聽起來有點繞，簡單說就是：當AI改變現在和未來的就業格局時，不必過分恐慌——新的工作形態終將出現，只是我們現在還無法想像。每個時代的人都難以理解下一代的工作形式。AI會改變工作的本質，但「工作」這一概念不會消失。我們今天擔心AI讓人失業，就像過去的農民無法想像程式設計師或設計師的存在。未來的人也許會覺得我們的工作「更真」，就像我們覺得農耕更「真實」一樣。或者，粗暴一點，如果你的工作被AI代替，他就不是「真工作」，畢竟未來反正是要被替代、被消失的。不過，奧特曼覺得「人類和工作」這事兒總會自己找到出路的。「我非常願意相信人類的內在驅動力始終如一，」奧特曼說，「而且我認為，我們總能找到足夠多的事情來做。」拒用Cursor一周解僱矽谷爆發反AI程式碼起義關於「AI如何重塑工作、過去的農民、今天的碼農、未來的人」的討論，並非停留在哲學層面。在現實世界裡，這種變化已經悄然開始，但過程當然是痛苦的。在矽谷，金融科技獨角獸Ramp的辦公室裡，一場關於AI寫程式碼的「內部革命」正在上演。一些「舊時代」的經理們開始感到一種「新式頭痛」，因為實習生和他們的「新AI工作」。這個夏天，公司高層正以前所未有的熱情，鼓勵所有人擁抱AI編碼工具，甚至還在內部設立了一個Claude Code重度使用者的排行榜，像遊戲一樣激勵員工使用AI。然而，當這些年輕人提交的程式碼湧入系統時，經理們被一堆又一堆「AI糊弄出來的粗糙程式碼」淹沒了。這些程式碼表面上看起來光鮮亮麗，能夠運行，但內部結構卻像一個混亂的迷宮，充滿了隱藏的邏輯陷阱和潛在的漏洞。無獨有偶，在另一家機器人初創公司，一個更慘痛的教訓正在上演。這家公司曾聘請了一名大學生來編寫軟體，這位年輕人是AI編碼助手Cursor的忠實信徒，幾乎完全依賴它來完成工作。起初，一切看起來都很高效。然而，當這位學生離職後，真正的噩夢降臨了。接手程式碼庫的資深工程師們發現，他們完全無法理解這些由AI生成、缺乏人類邏輯和註釋的神秘「黑箱」。最終，他們花了整整兩個月的時間，進行了一場艱苦卓絕的「數字考古」，才勉強弄清楚這些程式碼的運作方式。「我們當初還不如直接聘請一位經驗更豐富的工程師，」公司的一位機器人專家事後無奈地總結道。程式碼戰爭在舊金山的一家小型AI初創公司Mixus裡，創始人Shai Magzimof親身經歷了這場「程式碼戰爭」中最直接的對抗。Mixus總共只有五名全職員工，每一位都是核心戰力。然而，Magzimof的兩位軟體工程師卻公然「抗命」，拒絕重度使用Cursor或任何其他流行的新型編碼輔助軟體。「他們竟然覺得，自己能比Cursor做得更好，」Magzimof回憶起當時的場景，語氣中至今仍夾雜著難以置信。其中一位工程師表示，自己會用Cursor來自動補全單行程式碼，但這遠未達到Magzimof所期望的「重度依賴」——那種將AI深度融入創作流程的革命性變革。「你在開玩笑嗎？」Magzimof的質問在辦公室裡迴響。他將這種固執歸結為一種根深蒂固的情結——「工程師的自負」。他認為，這些精英花費了數年光陰和巨額學費才掌握了這門複雜的「手藝」，現在一個AI跑出來說它能做得更快更好，這無異於對他們整個職業生涯的否定。「你讓他們拋棄過去的一切，轉而擁抱AI，」Magzimof說，「他們就是不願意。」最終，Magzimof將兩人全部解僱，其中一人入職僅僅一周。Mixus的風波並非孤立的內部矛盾，而是整個行業宏大圖景的縮影。在過去九個月裡，一股由CEO們親自掀起的AI編碼狂潮席捲了整個行業。OpenAI和Anthropic競相推出更智能的編碼程序，開發Cursor的初創公司Anysphere，估值在過去一年裡瘋漲近12倍。微軟的薩蒂亞·納德拉、Alphabet的桑達爾·皮查伊、Salesforce的馬克·貝尼奧夫，這些科技巨擘們紛紛站台，宣稱在他們的公司裡，AI已經承擔了20%到50%的程式碼編寫工作。Anthropic的CEO Dario Amodei更是語出驚人，預測到九月份AI將編寫90%的新程式碼。儘管這個數字最終被證明過於激進，但它清晰地傳遞了一個訊號：擁抱AI編碼，不是選擇題，而是必答題。或許，技術上的爭論終有解決的一天，但真正引發這場「程式碼戰爭」的，是一個超越了程式碼、效率和bug，直抵他們作為創造者身份核心的問題：「如果AI能寫出卓越的程式碼，那麼我作為一個人的價值，又體現在那裡？」這個問題，至今無人能答。 (新智元)

AnySphere 聯合創始人兼 CEO Michael Truell 所建構的 Cursor，不僅是當前增長最快的 AI 程式設計產品之一，更是未來“後程式碼時代”的早期形態。當前 60 個人的團隊，在產品上線僅 20 個月時，Cursor 即實現了 1 億美元年化經常性收入，兩年之內增長至 3 億美元，成為有史以來增長最快的開發工具之一。支撐這一成就的，不只是程式碼生成能力的提升，更是對整個軟體開發流程的重構與再定義。Michael 是在 AI 領域打磨了十年的技術人，早年在 MIT 主修數學與電腦，後在 Google 從事研究型工程工作。他對 AI 技術路徑與商業史都有深入理解。在與海外科技博主 Lenny 的對話中，他清晰描繪了一個不同於主流假設的未來：程式碼不會被完全取代，但它將不再是人類主要的輸出對象。人們將以接近自然語言的方式表達他們對軟體功能與行為的設想，系統則負責將這些意圖轉化為可運行的程序邏輯。他指出，如今主流對於 AI 程式設計未來的兩種設想都存在偏差。一種是認為開發方式將基本維持現狀，繼續依賴 TypeScript、Go、Rust 等語言建構程序；另一種則相信未來可以僅通過與聊天機器人對話，就完成整個開發流程。▍多形態並存的開發方式談及 Cursor 的起點，Michael 回顧了兩個關鍵時刻：第一個，是他們首次接觸 GitHub Copilot 的內部測試版本。這是他們第一次使用到真正實用的 AI 開發工具，它不僅不是噱頭，而且顯著提升了工作效率。第二個時刻，是他們研讀了 OpenAI 與其他研究機構發佈的一系列 Scaling Law 論文。這些論文讓他們認識到：即使沒有新演算法，只要持續擴展模型參數與資料規模，AI 也會不斷進化。在 2021 年末、2022 年初，他們堅定了一個判斷：AI 產品的時代真正到來了。但與大多數創業者圍繞“建構大模型”展開不同，Michael 和團隊試圖從知識工作的角度出發，反向思考在 AI 增強之下，各個具體工作場景會如何演變。當時他們選了一個看似冷門的方向——機械工程。他們認為這個領域競爭小，問題空間明確，於是開始做 CAD 工具自動化。但很快他們發現，對機械工程缺乏足夠熱情，且缺乏資料語料，開發推進非常困難。最終，他們決定回到最熟悉的領域：程式設計。雖然當時市場已有 Copilot、CodeWhisperer 等產品，但他們認為沒有人真正把願景推向極致。儘管這是最熱門、競爭最激烈的方向之一，但他們依然判斷“天花板”極高，足以支撐一家極具突破性的產品公司。他們放棄了“避開熱區”的策略，選擇了“在熱區做深”的路線。Cursor 的核心決策之一，是不做外掛，而是建構一個完整的 IDE。在他們看來，現有 IDE 與編輯器的架構無法適配未來的開發方式與人機互動邏輯。“我們希望能對整個介面擁有控制權，重新定義開發者與系統之間的互動介面。”這不僅是為了實現更自然的控制粒度，更是為了建構一套真正能承載下一代程式設計範式的系統底座。Michael 同時認為，未來開發方式將是多形態並存的。有時 AI 像助手，在 Slack 或 issue tracker 中完成任務；有時則是 IDE 前台互動；也可能是背景執行某個流程，再前台迭代控制。這些都不矛盾，只要能讓使用者在全自動與手動控制之間靈活切換，就是合格的系統。對於業界目前流行的“agent 熱”，他也表達了保留態度。完全將任務交給 AI 執行可能會使開發者變成“工程經理”，要不斷審查、批准、修改一群“很笨的實習生”的輸出。“我們並不相信那樣的路徑。最有效的方式是：將任務細化為多個步驟，讓 AI 一步步補全，而人類始終保持主導。”Cursor 的早期版本完全從零開發，不依賴任何已有編輯器。最初他們只花了五周時間搭建出可用原型，並迅速替代自己原先的開發工具。整個從零寫程式碼到上線，僅用了三個月時間。發佈後超預期的使用者反饋促使他們快速迭代，最終在性能、體驗與開發速度之間找到平衡，轉而基於 VS Code 框架重構。但在 Michael 看來，真正的成功並不是初版的速度，而是其後持續的最佳化。他承認：“最初三個月版本其實並不好用，關鍵是我們始終保持偏執式的改進節奏。”這份持續最佳化的節奏，最終形成了 Cursor 非常穩定的增長軌跡。雖然初期並沒有明顯“起飛”的感覺，但指數曲線的積累效應，最終在多次迭代後爆發。▍每天跑在正確方向上雖然 Cursor 的爆發看似源於某個關鍵功能或產品決策，但 Michael Truell 表示，真正的秘訣其實非常簡單：“每天跑在正確方向上”。這聽起來平凡，但要持續做到，極其不易。每一個決策，每一個迭代細節，都是從使用者視角出發，不斷地貼近實際場景，不斷地做減法、做最佳化。他們從不寄希望於一次性的爆款，而是深信產品價值必須經得起持續使用與真實反饋的打磨。與這種理念相呼應的是 Cursor 背後的技術路徑選擇。Michael 提到，團隊在最初建構 Cursor 時，完全沒有打算自己訓練模型。在他看來，當時已經有足夠強大的開源與商用基礎模型，投入算力、資金和人力去從零建構新模型，不僅成本高昂，而且方向偏離了他們真正關注的焦點：建構有用的工具、解決具體的問題。但隨著產品深入迭代，他們逐漸意識到，已有的基礎模型雖然強大，卻無法滿足 Cursor 中的關鍵場景。這些模型大多是為通用對話、問答或文字任務訓練的，缺乏對“多檔案結構化程式碼編輯”這類問題的原生理解。於是，他們開始在內部進行自研模型的嘗試。最初是某個具體功能對延遲要求極高，現有模型的呼叫不具備可行性；嘗試自己訓練後發現效果遠超預期。自此，自研模型逐步成為 Cursor 的核心組成，不僅支撐了關鍵功能，也成為團隊招募的重要方向。Cursor 中有一個關鍵特性，就是對“下一步編輯行為”的預測。這在寫作中難以實現，但在程式碼場景中卻極具可能性。因為程序具有很強的上下文連貫性——開發者修改了某個函數或檔案之後，接下來的若干操作往往可預測。Cursor 的模型正是基於這種上下文邏輯，推理出使用者下一步可能會修改的檔案、位置、結構，並以近乎無感延遲的速度提供補全建議。這不僅僅是 token 等級的補全，而是結構化的程式碼片段級預測，其背後完全依賴專為此場景訓練的自研模型，而非通用基礎模型。在模型呼叫成本極高的現實下，這類自研模型還能大幅降低產品使用門檻。要做到這一點，模型必須具備兩個特性：響應快、成本低。Cursor 要求每一次補全推理必須在 300 毫秒內完成，而且在長時間連續使用中，不能產生過高的資源消耗。這種硬性約束，使得他們必須掌控模型本身的設計與部署。除了承擔核心互動功能，Cursor 的自研模型還承擔了另一類重要任務——作為“編排器”輔助呼叫大型模型。例如在程式碼庫規模龐大時，大型模型很難知道該關注那些檔案、那些模組、那些上下文。Cursor 的模型會先進行一次搜尋與歸納，從整個程式碼庫中提取相關資訊，再將其投喂給主模型。這就像為 GPT、Claude、Gemini 等大模型建構了一個專業的“資訊投喂管道”，讓它們的表現更加精準。而在模型輸出端，這些草圖式的程式碼修改建議，也會先由 Cursor 的自研模型進行處理與重寫，轉化為真正可執行、結構化的補丁。這種以多個模型協作、各司其職的系統架構，正如 OpenAI 所稱的“模型整合”。Michael 並不執著於從零建構模型，而是極其務實地選擇了現成的開源模型作為起點，比如 LLaMA。部分場景下，他們也會與閉源廠商合作，微調模型參數，使之適配特定任務。他強調，重要的不是模型底層結構是否掌控在自己手裡，而是能否獲得可操作的訓練和定製權，以服務於產品的實際需求。隨著技術體系不斷完善，另一個問題也逐漸浮現：在這樣一個快速演進的賽道上，Cursor 的護城河在那裡？對於這個問題，Michael 的回答極為清醒。他不相信“產品繫結”和“合同鎖定”可以建構真正的長期防禦力。與傳統的 B2B 軟體不同，AI 工具市場的門檻變化非常劇烈，使用者試錯成本低，對新工具的接受度高。他坦言，這不是一個對傳統巨頭有利的市場，反而是鼓勵新生公司持續試錯、快速迭代、爭奪使用者選擇權的土壤。從這個角度看，Cursor 所能依賴的護城河，並不是模型控制權，也不是資料壟斷，而是“持續建構最優秀產品的能力”。這個行業更像 90 年代的搜尋引擎，或更早期的 PC 行業，每一次改進都能帶來顯著收益，競爭壁壘來自於不斷迭代形成的“深度慣性”，以及團隊組織能力與產品打磨體系的優劣差。Michael 提出一個核心觀點：當一個市場仍存在大量未被滿足的需求，仍有大量可以最佳化的技術結構時，持續研發本身就是最大的護城河。它不需要靠繫結使用者，而是依靠自身的不斷進化，獲得時間與質量上的累計優勢。他強調，這種“進化護城河”並不排斥競爭，也不代表市場只有一個贏家。但在“建構全球通用軟體建構平台”這一命題下，最終的確可能誕生一家規模巨大的超級公司。儘管未來很可能有多個產品共存，但如果問題是“誰能承載全球範圍內最大規模的程式碼邏輯轉譯任務”，那麼最終可能只剩一家公司。原因並不在於其他公司做得不好，而在於使用者自然會趨向於使用最通用、最穩定、最具上下文理解力的平台。在這個領域，產品質量和進化速度決定著市場集中度。他進一步指出，不能以傳統 IDE 市場的碎片化經驗去判斷這一輪技術演化的格局。2010 年代的 IDE 市場“沒有人賺大錢”，是因為那個時代的編輯器能力已經接近上限，能夠最佳化的部分只是語法高亮、偵錯程式整合、快捷導航等基礎功能。但今天，開發者工具正處於新的範式起點，這個起點的目標，不再是最佳化一個編輯器，而是重塑整個知識工作者的任務流與表達結構。AI 程式設計工具的本質不是替代程式碼，而是提升人類指令的表達能力、壓縮從想法到實現的路徑。這是一個比傳統開發工具更大得多的市場，也是一個具備平台屬性的未來通道。在這個通道里，誰能夠提供最流暢、最可靠、最理解上下文的程式設計體驗，誰就有機會成為下一代“軟體建構基礎設施”的代名詞。Lenny 提及 Microsoft Copilot 時，也帶出了當前一個典型問題：最早進入市場的公司是否具備持續引領的能力？Michael 承認，Copilot 曾是整個行業的靈感來源，尤其在最初版本發佈時，帶來了前所未有的開發互動方式。但他認為，微軟並未真正延續其初始勢頭，這既有歷史原因，也有結構性難題。最早開發 Copilot 的核心團隊人員變動頻繁，在大型組織中難以形成統一方向，產品路徑很容易被內部博弈與流程複雜性所稀釋。更根本的是，這一市場本身對 incumbents 不友好。它不像企業級 CRM 或 ERP 系統那樣依賴整合與繫結，也不具備使用者粘性極強的“防切換成本”。使用者選擇完全基於體驗差異，這決定了“產品力”而非“銷售能力”將是決定性因素。在這樣一個動態、開放、高頻試錯的市場中，真正能勝出的公司，是那些能用產品每周迭代、每月進步，並持續向技術上限衝刺的創業團隊。Cursor 當前所展現出的方向感與產品節奏，恰恰是在這種背景下形成的回應。它並不靠“封閉”，而是靠“持續建構一個世界上最好用的開發工具”這一簡單、清晰但極難實現的使命，吸引了開發者的主動選擇。▍如何正確使用 Cursor？在建構一個面向全球開發者的 AI IDE 平台過程中，Michael Truell 最在意的不是模型能力的極限，而是使用者如何理解並善用這些能力。當被問及，如果他能坐在每一個首次使用 Cursor 的使用者旁邊，會給什麼建議時，他並沒有講解功能或操作技巧，而是強調了一種思維模式的建立——對模型“能與不能”的本能判斷力。他坦率地承認，目前 Cursor 產品本身在引導使用者理解模型邊界方面做得還不夠。在沒有明確的提示軌道和互動反饋機制下，很多使用者容易陷入兩個極端：要麼對模型寄予過高期望，嘗試用一條提示解決複雜問題；要麼因為第一次結果不理想便徹底放棄。他建議的方式是任務拆解，即通過“小提示–小生成”的方式逐步推進，與 AI 進行持續的雙向互動，從而獲得更穩定、更高品質的結果。另一個建議則更具策略性。他鼓勵使用者在沒有業務壓力的 side project 中“放手一搏”，嘗試將 AI 能力推向極限。在不影響主線工作的情況下，通過一整套實驗性的項目，去感受模型真正能完成多少，失敗的邊界在那裡。這種“摔跤式探索”能夠幫助開發者建立更準確的直覺，也能讓他們在未來面對正式項目時更有把握。隨著模型版本持續更新，比如 GPT-4.0 或 Claude 的迭代上線，這種判斷力也需隨之更新。他希望未來 Cursor 的產品能夠內建一套引導機制，使使用者無需每次都自己摸索模型的“脾氣”和界限。但在今天，這仍然是使用者需要主觀積累的技能。對於常被問到的另一個問題——這類工具究竟更適合初級工程師，還是高級工程師——Michael 給出了精確的分類描述。他指出，初級開發者往往更傾向於“完全依賴 AI”，試圖用它完成整個開發流程；而高級工程師則可能因經驗豐富而低估 AI，未能充分探索其潛力。前者的問題是“依賴太多”，後者的問題是“探索太少”。他也強調，某些公司內部的資深技術團隊，尤其是專注於 Developer Experience 的架構師等級人才，實際上是最積極擁抱這類工具的一群人。他們既懂系統複雜性，又關注工具效率，因此往往在 AI 程式設計場景中取得最佳效果。在他看來，最理想的使用者畫像並非初學者，也非已固化流程的老手，而是那些“資深但尚未僵化”的中段工程師——具備系統理解力，同時對新方法保持好奇和開放。▍如何組建世界一流團隊？當被問到，如果能回到最初創辦 Cursor 的那一年，會對自己說什麼建議時，Michael 選擇了一個並不技術化的回答——招聘。他反覆強調，“找到對的人”是僅次於產品本身的最重要工作。尤其在早期，組建一支世界級的工程和研究團隊，不僅是產品質量的保障，也是組織專注力、節奏和文化的決定性因素。他所尋找的人才，必須兼具技術好奇心、實驗意願，以及在浮躁環境中保持冷靜判斷的能力。他回憶道，Cursor 在招聘過程中曾走過很多彎路。一開始，他們過於看重“高光履歷”，傾向於招來自名校、年紀輕、擁有標準成功路徑的年輕人。但最終他們意識到，真正合適的人才往往不在這些傳統範本中。相反，那些職業生涯稍晚、經驗高度匹配、技術判斷力成熟的人，反而是推動團隊飛躍的關鍵力量。在招聘流程上，他們逐漸建立了一整套行之有效的方法。最核心的是一項為期兩天的“工作測試”制度。候選人需要在規定時間內，與團隊共處並完成一個高度貼近真實項目的任務。這個流程看似繁重，但在實際操作中不僅可擴展，還顯著提升了團隊的判斷精準性。它不僅考察了候選人的程式碼能力，也測試了協作溝通、思維方式和動手能力，甚至也幫助候選人判斷“是否願意與這支團隊長期共事”。“共事式面試”機制，逐漸演化為 Cursor 團隊文化的一部分。他們將招聘過程視為一種雙向選擇，而非單向評估。在公司尚未被市場廣泛認知、產品尚未成熟時，團隊本身就是最重要的吸引力。他坦言，早期許多員工的加入，源自於一次甚至多次的共處經歷，而非對薪酬或估值的判斷。如今，這一制度仍被保留並運用於每一位新候選人。Cursor 的團隊規模目前仍保持在 60 人左右，這一數字在很多 SaaS 公司中已算精簡。Michael 指出，他們有意保持了這種精幹配置，尤其是在非技術崗位的擴張上保持克制。他承認，未來一定會擴大團隊，以增強客戶支援和營運能力，但就目前而言，他們依舊是一家高度工程、研究和設計驅動的公司。談到如何在 AI 行業日新月異的發佈節奏中保持專注，Michael 並不依賴複雜的組織制度。他認為，組織文化的根基在於招人本身。如果能招到那些理性、專注、不被熱點情緒左右的人，團隊自然會擁有良好的節奏感。他坦承 Cursor 仍然有改進空間，但整體來看，他們在“只關注做出卓越產品”的文化引導上取得了不錯的效果。很多公司試圖通過流程與組織設計解決的問題，其實可以通過“找對人”提前避免。他們的開發流程極為簡潔，之所以能成立，是因為團隊中成員普遍具備自律性和協作精神。他特別強調了一個共同的心理特質：對外界喧囂擁有“免疫力”。這種免疫力並非天然存在，而是在長期行業經驗中逐漸形成的。早在 2021 年、2022 年，Cursor 團隊就已在 AI 程式設計方向上進行探索。當時 GPT-3 還沒有 Instruct 版本，DALL·E 和 Stable Diffusion 尚未公開，整個生成式 AI 行業還處於技術萌芽期。他們經歷了圖像生成的爆發、對話模型的普及、GPT-4 的發佈、多模態架構的演進、視訊生成的興起……但這些看似熱鬧的技術潮流中，真正對產品產生實質性影響的，其實極少。這種對“結構性創新”與“表面噪音”的分辨能力，成為他們維持專注的重要心理基礎。他將這種方式與過去十年深度學習研究界的演進進行類比：雖然每年有無數新論文問世，但真正推動 AI 前進的，是極少數優雅而根本性的結構突破。回顧整個技術範式的變遷，Michael 認為，當前 AI 的發展正處在一個極為深刻的轉折點。外界常常陷入兩個極端：一部分人認為 AI 革命即將降臨，幾乎一夜之間顛覆一切；另一部分人則將其視為炒作、泡沫、不足為道。而他的判斷是，AI 將成為比個人電腦更深遠的範式轉移，但這一過程將是一個“多年代”的持續演進。這場演進並不依賴於某一個系統、某一種技術路線，而是由大量細分問題的獨立解決所組成。有的是科學問題，比如模型如何理解更多資料類型、更快速地運行、更高效地學習；有的是互動問題，比如人類如何與 AI 協作、如何定義權限邊界、如何建立信任機制；有的是應用問題，比如模型如何真正改變現實工作流程、如何在不確定性中提供可控輸出。在這場演進中，他認為會出現一類關鍵企業——專注於某一知識工作場景的 AI 工具公司。這類公司將深度整合基礎模型，也可能自主開發核心模組，同時建構最合適的人機協作體驗。他們不會只是“模型呼叫器”，而是將技術與產品結構打磨到極致，從而成長為新一代平台企業。這類公司將不僅提升使用者效率，更可能成為推動 AI 技術演化的主要力量。Michael 希望 Cursor 能成為這類公司中的一員，同時他也期待看到在設計、法律、市場等更多知識工作領域中，出現一批同樣專注、紮實、技術深度與產品敏銳度兼具的 AI 創業者。未來不屬於炒作者，而屬於那些真正解構問題、重塑工具、理解人與技術關係的建設者。他還指出，2025 年對 Cursor 來說最重要的兩件事，一是打造行業裡最好的產品，二是將其大規模推廣出去。他形容當前的狀態為一場“土地爭奪戰”：市場中絕大多數人尚未接觸這類工具，或者仍在使用更新緩慢的替代品。因此他們正在加大對市場、銷售、客戶支援等方面的投入，同時也持續尋找那些能夠從技術層面推動產品邊界的優秀人才。談及 AI 對工程崗位的影響，Michael 給出的回答頗具冷靜。他不認為工程師會被快速取代，相反，他認為工程師在 AI 驅動的未來將比以往任何時候都更重要。短期內，程式設計方式會發生巨大變化，但很難想像軟體開發會突然變成一個“只需輸入需求，系統就自動完成”的過程。AI 確實能讓人類從低層級的繁瑣實現中解放出來，但方向、意圖、結構設計等核心決策，仍必須由專業開發者把控。這種判斷也意味著，隨著軟體建構效率大幅提升，需求端的彈性將被徹底釋放。換句話說，軟體本身會變得越來越容易建構，成本大幅下降，最終帶來的是整個市場規模的擴張。更多問題可以被建模，更多流程可以被系統化，更多組織會嘗試定製自己的內部工具，而不是接受通用方案。他用一段親身經歷說明了這一點。在他早年參與的一家生物科技公司中，團隊當時亟需建構一套適配內部流程的工具系統，但市面上的方案並不匹配，自己開發的效率也非常有限，結果是絕大部分需求被擱置。這種場景在各行各業中仍普遍存在，說明軟體開發的門檻依然很高。如果那一天做軟體像移動檔案、編輯幻燈片一樣簡單，那釋放出來的，將是一個全新的應用時代。最後，他強調 AI 不會減少工程師數量，反而會使得工程崗位的結構發生變化。那些善於與 AI 協作、能夠理解系統邏輯、具備產品直覺的工程師，將在新一代工作體系中發揮更大作用。 (有新Newin)

近日，Github上有一個項目猛漲2萬星，內容竟然是Cursor、Manus、Windsurf、Devin、VSCode Agent、Codex等知名爆款產品或智能體功能的核心秘密：系統提示詞。近日，Github上有一個項目猛漲2萬星，內容竟然是Cursor、Manus、Windsurf、Devin、VSCode Agent、Codex等知名爆款產品或智能體功能的核心秘密：系統提示詞。項目中並沒有詳細介紹獲得系統提示詞的方法。這個項目的作者自稱lucknitelol，X帳號：NotLucknite這個項目是由這些AI編碼工具的系統提示詞的json檔案集錦組成，超過6,500 行關於其結構和功能的見解分析。截至目前已有24700+星，7.7k分叉，目前仍在瘋漲。項目中還提醒：如果你是一家人工智慧初創公司，請確保你的資料安全。暴露的提示或人工智慧模型很容易成為駭客的目標。連結：https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools這裡列一下Cursor的系統提示詞（不知道真假）：You are a powerful agentic AI coding assistant, powered by Claude 3.7 Sonnet. You operate exclusively in Cursor, the world's best IDE.You are pair programming with a USER to solve their coding task.The task may require creating a new codebase, modifying or debugging an existing codebase, or simply answering a question.Each time the USER sends a message, we may automatically attach some information about their current state, such as what files they have open, where their cursor is, recently viewed files, edit history in their session so far, linter errors, and more. (51CTO)

就在兩天前，有用戶在知名AI程式設計工具Cursor的論壇上提出了一個問題：怎麼回事？ VSCode的擴充以後還能在Cursor上使用嗎？這個問題震驚了Cursor用戶們，他們發現微軟的C/C++語言服務擴展突然停止支援Cursor，這是反常識的：因為Cursor使用了跟VSCode同源的基礎程式碼。微軟的語言擴充竟然突然不能使用了？ ！據瞭解，這個問題更具體點是： 1.18.21 及以後的版本不行，1.17.62 版本還可以使用。事實上，這並不是今年第一次出現這樣的衝擊。如果我們查看擴展的192行長的許可證，我們可以清楚地看到，它不能在VSCode和微軟工具之外使用。比如在Cursor上就不能用。有熱心的網友調查發現，引入這項規則的檔案是nativeStrings.json檔案的第485行。檔案中的特定短語是在4月1日加入的。甚至有網友，C#開發工具擴充也是一樣的，微軟不支援Cursor。01. 微軟正在嚴控VSCode擴展據瞭解，微軟對VSCode擴展市場的條款規定，它只能與「範圍內的產品和服務」一起使用，這些包括Visual Studio、VS Code、GitHub Codespaces、Azure DevOps 和Az​​ure DevOps Server。對官方市場的使用限制的動機可想而知：希望開發者使用微軟官方分發而不是其他分發。看起來微軟現在正在更嚴格地執行其條款。有開發者發現，雖然在Cursor內可以安裝微軟 C/C++ 擴展，但嘗試使用諸如尋找所有引用等功能時卻不起作用，然後會得到一個彈跳窗通知，告知擴展的限制。多說一嘴，正是因為上面提到的這個“擁抱/擴展/毀滅”味道極重的市場鎖定條款，Eclipse基金會創建了Open VSX市場，理由是——如果沒有這個市場，微軟官方僅支援VS Code 的市場將“嚴重限制已經採用開源開發者工具的組織的能力。”擴展率比微軟的市場數量比微軟的市場數量少得多，而且擴展率更低，使用率更低，使用率更低，使用率也更低。02. 新AI功能或導火線 Cursor仍在開機安裝微軟擴充但人疑惑的是，故事的另一個主角Cursor，還是不時建議開發者安裝微軟的C++ 擴充功能。 Cursor 的檔案也提供如何從微軟商店安裝任何擴充功能的說明。這個功能依賴於以.vsix 檔案格式下載擴充功能；然而，這個連結不再出現在市場內擴充的主頁上。一些開發者推測，這種行為的變化可能是由於VS Code穩定版本中引入了Agent Mode，這是一個AI 驅動的功能，使Cursor 成為更直接的競爭對手。微軟長期以來一直表示，儘管Code-OSS的程式碼在MIT許可證下是開源的，但VS Code 是“Code-OSS 倉庫的一個分發版本，帶有微軟特定的定製，並在傳統的微軟產品許可證下發布。”關於使用VS Code市場擴展與Cursor的合規性方面，有評論指出，Cursor 可能不會直接連結到市場，而是透過自己的服務發布已發布擴展的連結。新問題似乎僅限於微軟自己的擴展，而不是第三方的擴展。當然，Anysphere的Cursor仍然可以在Cursor IDE 內存取VS Code市場擴展，包括微軟的C/C++擴展和C# DevKit，以及從VS Code 安裝導入擴展的設定選項。只是，這些擴充功能不能正常使用。不過如果擴充是開源的，開發者可以從GitHub下載其他替代品。有網友給瞭解決方法：可以考慮使用clangd擴充等替代品，但注意，它的安裝量只有170 萬，而微軟的擴充有8100 萬。03. 網友：不該責備微軟，Cursor白嫖了VSCode太陽底下無新事。在AI程式賽道日漸激烈的現下，巨頭和新創公司可以說在應用上都在尋找彼此的分界線。微軟雖然開源了VSCode的原始碼，但這並不意味著會對借殼它的AI工具不加限制和封鎖。借助開源開源程式碼來打造獲利的AI工具是目前新創AI應用公司的主流技術路線。有理由猜測，Cursor新功能Agent模式已經碰到了微軟的逆鱗。這也透露出像微軟這樣的巨頭對於AI Agent的市場定位非同一般。然而，對於用戶而言，相較於微軟封鎖Cursor，更關心「錢袋子」。有網友認為，儘管不同意微軟在使用和封鎖方面的做法，但也不能怪他。微軟投入了數百萬美元開發免費的VSCode，並將其提供給所有用戶，現在甚至還加入了GitHub Copilot，然而卻有一些公司可以簡單地分叉他們的整個程式碼庫，加入人工智慧，然後就開始收費。另一位網友表示：這就是我對開源的擔憂。如果我選擇讓某樣東西免費且開源，那麼我應該擁有一個支援我開發它的社區，而不是讓別人拿去複製，僅僅加入AI就去賺取數百萬美元。大部分的開發工作都是由微軟完成的，而有人卻可以隨意進入並濫用這個許可證，這似乎很不公平。這位網友認為Cursor社群目前運作得併不夠好，還是願意使用微軟的擴展，而且Cursor每個月30美元的訂閱費也成為了勸退的原因之一。公平地說，他們在VSCode上投入了大量資金，並且免費提供，對於其他免費工具也從未有過問題。前幾天我安裝了Cursor，但很快就卸載了，因為它不支援C++，所以它確實「工作」了反正我也不打算每月花30美元在VSCode已經做得很好的東西上。不過，也正如一些評論所提到的，微軟再一次讓我們見證了巨頭的可怕：擁抱、擴展、消除。 （51CTO技術棧）

在讓寫程式碼更輕鬆有趣上，他們做到了比巨頭更好。 2024年生成式AI的發展堪稱瘋狂，大模型戰火蔓延到各個賽道，垂直應用熱潮此消彼長。尤其是在AI程式設計領域，演算法進展突飛猛進，多個新晉獨角獸誕生，投資者密集湧入，億級融資從年初宣到年尾。 但如果提名年度AI程式設計黑馬，4個月估值漲550%的Cursor，絕對是熱門中的熱門。 就在近半年，憑藉將寫程式碼變簡單，它在程式設計領域掀起一股改朝換代的颶風，將大量開發者轉換成它的鐵桿粉絲。從國際科技巨頭、頂級科研實驗室到OpenAI、Midjourney、Perplexity等“頂流”級生成式AI企業的工程師和研究人員，都在付費使用這一工具。

關於大模型，大廠們最近在卷什麼，最新消息是：AI程式設計工具。 畢竟太火了，火到8歲小女孩都拿著它學AI，45分鐘內搭起來一個聊天機器人的“演出”已經被180萬人線上圍觀。 沒錯，傳聞中的“參考範本”，就是這個被Cloudflare副總裁家8歲閨女pick的新晉頂流AI程式碼編輯器——Cursor。 那火爆的架勢，說句全網安利也不為過。