Cursor会倒闭吗分析其商业模式与未来前景
Cursor的命运,悬在两个速度之间:AI自主编码成熟的速度,和Cursor自我蜕变的速度。
这家公司正处在一个奇特的矛盾点上:它依然蒸蒸日上,却又似乎正在走向绝望。关于这家一度是“Vibe Coding”代名词的明星公司,市场同时存在着两种截然相反却又似乎都能成立的观点。
数据描绘的是一幅烈火烹油的图景。截至2026年2月,Cursor的年化收入已突破20亿美元大关。要知道,仅仅三个月前,这个数字还是10亿。在它之前,硅谷没有任何一家创业公司能以如此惊人的速度,穿越从零到二十亿的鸿沟。每天有1.5亿行企业代码通过Cursor生成,超过三分之二的财富500强企业是其客户。新一轮融资正在推进,目标估值高达500亿美元。其董事会成员、A16z合伙人马丁·卡萨多那句被广泛引用的话,精准地概括了这种增长:“如果刨去投入的资本,Cursor是我们见过的增长最快的公司。”
然而,就在同一个月,一家名为Valon的抵押贷款创业公司宣布,全公司90多名员工弃用Cursor,转而投向Anthropic的Claude Code。Valon的CEO Andrew Wang给出的理由简单直接:完成同样的任务,Claude Code快了十倍。
单看这件事本身,微不足道——一家小公司的工具迁移,在Cursor的庞大体量面前几乎可以忽略不计。但它却在推特上引爆了一场声势远超其实际意义的舆论风暴。“Cursor已死”开始成为开发者社区的热门话题。
卡萨多的回应同样被广泛传播:“我一辈子都是网络重度用户,做了十年VC,但我从没见过X(推特)与现实如此脱节——过去一年里从来没有过。Cursor的数据没有任何迹象表明它不是在全面成功。”
他说的是事实。但事实背后,藏着一个更棘手的问题:当一家公司的所有数据指标都全面向好,而它所处行业中最敏感、最前沿的那群人却开始集体表达不安时,我们到底应该相信冰冷的数字,还是相信群体的直觉?
数据背后:被掩盖的转向
要回答这个问题,得先看看数据没有呈现的东西。
Claude Code在2025年5月才公开发布,但到2026年初,其年化收入已超过25亿美元,在绝对值上完成了对Cursor的反超。更具威胁性的是,Anthropic同时还是Cursor最重要的模型供应商——Cursor的产品严重依赖Claude模型驱动,其母公司Anysphere是Anthropic最大的客户之一。
另一侧,OpenAI以30亿美元收购了Windsurf——Cursor曾经最直接的竞品。据报道,OpenAI此前试图收购Cursor本身,但未能如愿。随后,OpenAI推出了Codex agent,一个在云端异步运行的编码智能体,上线首周下载量便超过100万次。再加上微软旗下GitHub Copilot凭借分发渠道建立的垄断地位,Cursor正被来自三个方向的强大力量同时挤压。

但这三股力量中,最致命的那一股,或许并不来自任何一个具体的竞争对手。
Warp的CEO Zach Lloyd的一句话,比任何竞争分析都更精准地捕捉了Cursor的真实处境:“我不相信‘Cursor已死’的梗,但‘IDE已死’是真的。软件现在就不是这么做的了。”
这句话把问题从“谁的产品更好”提升到了一个完全不同的层面:AI编码的终局形态,到底是一个更聪明的编辑器,还是根本就不再需要编辑器?如果未来的软件开发,是人类用自然语言描述意图,由AI自主完成从规划、实现到测试的全流程,那么IDE——无论它变得多么智能——都可能变成一个多余的中间层。
乐观与悲观:不同速度的真相
卡萨多说数据没问题,开发者说感觉有什么东西变了。两者都没撒谎,但他们说的,确实不是一回事。
理解这一点,需要一个前提:一家公司的处境并非单一状态,而是由多个以不同速度运动的层级叠加而成的复合体。
最快的层是市场叙事——推特上的风向、媒体的基调、估值的波动,以天和周为单位变化。中间的层是产品和商业模式——用户增长、收入结构、企业采购,以月和季度为单位变化。最慢的层是技术范式——什么样的技术路线被当作默认选项、开发者的工作方式如何被重新定义,这以年为单位变化。
卡萨多看的是中间层。翻倍的收入、增长的企业合同、续约的财富500强——在这些指标上,Cursor确实处于全面成功的状态。
而开发者在X上表达的焦虑,捕捉的恰恰是最慢那个层级的异动:AI编码的技术范式,正在从“辅助人写代码”悄然转向“AI自主写代码”。这种转变尚未传导到收入数字上,却已在其他数据中留下了清晰的痕迹。
SemiAnalysis在2026年2月的报告估算,GitHub上4%的公开commit已由Claude Code完成——对于一个发布不到一年的工具而言,这个数字堪称震撼。按当时的增速推算,到2026年底,这个比例可能超过20%。同月,Pragmatic Engineer对其订阅者的调查显示,46%的开发者将Claude Code列为“最受喜爱”的AI编码工具,Cursor排在第二位,占19%。这意味着,Claude Code在八个月内从零起步,超越了已有数年历史的GitHub Copilot和Cursor,成为使用率最高的工具。
这些数据指向同一个事实:转向已经在发生,只是暂时被Cursor强劲的收入报表所掩盖。
Cursor的收入结构提供了一个关键的缓冲层。企业客户目前约占其收入的60%。个人开发者和小型创业公司正在安静地迁移到Claude Code,但这种流失,暂时被企业合同的增长所抵消。这两个群体之间存在一个显著的认知时差。个人开发者迁移成本低、决策链条短——一个人、一张信用卡、一个下午就能完成切换。企业客户则恰好相反:合同周期、安全审查、采购审批、团队培训,每一步都让切换变得沉重而缓慢。
但关键在于,企业最终是跟着开发者走的。企业不选择编码工具,是开发者选择;IT部门往往只是追认工程师们已经做出的集体决定。如果在2024-2025年推动Cursor走红的那批先锋开发者,到2026年底已经转向别处,那么企业采购的管道最终也会干涸——不是立刻,但不可避免。
所以,卡萨多的判断和开发者的直觉并不矛盾。卡萨多看到的是建筑的低层还很稳固,开发者感觉到的是高层已经在摇晃。两者都是真的。个人开发者就像是这个结构里的金丝雀——当金丝雀开始离开的时候,不意味着矿井会立刻坍塌,但意味着应该非常、非常认真地检查空气了。
起飞与气流:Cursor的崛起逻辑
但金丝雀为什么会在这个时刻离开?要回答这个问题,不能只看竞品对比,得看Cursor到底是怎么飞到今天这个高度的——以及,当初托举它的那股力量,正在发生什么变化。
Cursor的崛起并非线性增长的结果。它经历的是一种更罕见的现象——多个层级同时对齐所产生的巨大托举力。
通常,这些层级移动的速度和方向各不相同,彼此间有协作也有冲突,这种张力是商业世界的常态。但偶尔,快层和慢层会短暂地指向同一个方向,站在这个交汇点上的公司,会经历一种失重般的加速——仿佛一切障碍都暂时消失,整个世界都在向自己敞开。
2024年到2025年间,至少两个慢层在同时移动:大语言模型的编码能力越过实用阈值,AI编码从新奇玩具变成生产力工具;软件开发流程开始被AI重塑,“AI编码工具”从可选项变成必备项。这两个慢层的运动方向,恰好指向Cursor所在的位置——一个把AI做成编辑器骨架而非插件的产品。于是,在技术范式和产业结构的气流托举之下,Cursor起飞了。
起飞的时候,没人会想着落地。但气流总会停。飞多高不是关键,更重要的是,在能够起飞的时候,你是否把自己嵌入了足够深的层级里。气流停了以后,你的技术会成为行业标准吗?用户的习惯会和你深度捆绑吗?这些,才是更要留心的问题。
NVIDIA是正面案例:同样乘着AI的气流起飞,但它利用起飞的窗口期,把CUDA嵌入了整个深度学习生态的根部。即便后来叙事降温、估值回调,CUDA的地位已然不可撼动。
那么Cursor呢?在起飞窗口里,它做到了什么?500亿美元的估值是叙事层的产物。但Cursor当然不只是叙事。tab补全、多文件重构、内联编辑——这些功能的口碑不是靠融资PPT堆出来的,是开发者一行行代码敲出来的真实体验。
然而,在更慢的层级——产业结构层和技术范式层——Cursor的嵌入是相对浅的。它没有成为AI编码领域的基础设施标准。直到2025年底,它仍然是一个完全依赖第三方模型的应用层产品。据Newcomer的Tom Dotan报道,Cursor几乎把全部收入都花在了向Anthropic采购API上。收入此后翻了四倍,但这个成本结构并没有根本改善——每一次用户交互都消耗模型推理,收入增长和API成本几乎同步放大。一位Cursor的投资人直言:“花一美元赚九毛钱不是一门生意。”Cursor飞得越高,失血越快。
这在起飞阶段未必致命——当所有层级都在托举你的时候,你可以先拿到规模,再补利润。但Cursor现在面对的状况是,支撑这次起飞的那股气流,方向正在改变。
气流转向:从辅助编码到自主编码
通常,起飞的结束意味着托举力消散——气流减弱,公司回落。但Cursor面对的并非气流减弱——AI编码这个大方向的气流仍然强劲——而是气流的方向正在发生偏转。
第一次“相变”是从“手动编码”到“AI辅助编码”。这次相变的方向指向IDE——开发者仍然是驾驶员,AI是副驾驶,两者的协作界面就是编辑器。Cursor为这次相变而生,完美地捕捉了它。
第二次“相变”是从“AI辅助编码”到“AI自主编码”。这次相变的方向不再指向IDE,而是指向终端agent和云端异步工作流。开发者从驾驶员变成指挥官——不再逐行审查代码,而是描述意图、审查结果。Claude Code就是这次相变的产物:它不在编辑器里运行,它在终端里运行;它不辅助你写代码,它替你写代码。
可以这么理解:第一次相变是钢铁侠穿上战甲,人在里面,AI是装备;第二次相变是贾维斯替钢铁侠穿了战甲,人退到外面下指令——一个更强大的“奥创”诞生了。
Cursor仍然在飞,但脚下的气流不再指向它所在的位置。收入还在翻倍——因为第一次相变的惯性还在,企业采购的切换尚未完成。但气流的方向已经变了。这就是开发者在X上感受到的东西,也是卡萨多的数据暂时还看不到的东西。
不过,气流方向的改变,和气流到达目的地,是两件事。第二次相变——AI自主编码——的成熟度,可能被它最热情的拥护者高估了。
SemiAnalysis那个4%的commit数字听起来很震撼,但一项后续分析揭示了关键细节:Claude Code在GitHub上的commit中,大约90%落在星标不到两颗的仓库里——绝大多数是个人实验项目,而非生产代码。这个数字的含金量需要打个折扣:Claude Code的使用目前集中在新建项目和个人实验中,尚未大规模渗透到企业级生产代码库。
更冷静的证据来自METR在2025年的一项随机对照实验:资深开源开发者在大型成熟代码库上使用AI工具,自认为效率提升了20-24%,但实际测量显示,他们的速度反而慢了19%。AI在编码环节节省的时间,被提示、等待和审查输出所消耗的时间完全抵消。模型能力此后虽有提升,但核心矛盾——在成熟、复杂的代码库上,AI自主编码的可靠性远不如在新建项目上——很可能仍然成立。

这意味着,人机协作的中间态,可能比很多人想象的更持久。第二次相变确实在发生,但它的完成时间表可能不是几个月,而是几年。这对Cursor来说,既是好消息也是坏消息:蜕变的窗口可能比最悲观的预测更宽;但即使窗口更宽,改变依然不可避免。
Cursor的赌注:三条求生路径
Cursor并非坐以待毙。它正在做一件公司历史上最激进的事情:训练自己的模型。
2026年3月,Cursor发布了Composer 2的技术报告。这是一个基于MoE架构的大语言模型,其基座来自月之暗面的开源模型Kimi K2.5——拥有1.04万亿参数、320亿活跃参数。Cursor在此基础上进行了大规模的持续预训练和强化学习,训练计算量相比基座模型扩大了四倍。
一个有趣的插曲是,Cursor最初并未披露基座模型的身份,是一位开发者通过拦截API请求发现了模型ID中的“kimi-k2p5”字样,随后引发了关于透明度的争议。这个插曲本身,就是Cursor当前处境的一个缩影:一家估值近300亿美元的美国创业公司,选择了一个中国开源模型作为旗舰产品的基座——既说明了中国开源模型在性价比上的竞争力,也暴露了Cursor在自主模型能力上的起点。
但真正有意思的不是基座模型,而是Cursor在它上面构建的东西:基于真实用户行为的大规模强化学习。Cursor从用户与当前模型的交互中收集海量数据——开发者在什么时候接受AI的建议、什么时候拒绝、什么时候修改——将其提炼为奖励信号,通过完全异步的RL管线更新模型权重,再部署回生产环境。
Cursor拥有Anthropic和OpenAI都不具备的独特资产:每天1.5亿行企业代码的真实编码行为数据。目前整个AI编码领域里,没有第二家公司在用这种规模的真实生产环境数据做模型迭代。Anthropic和OpenAI训练通用模型,拥有海量文本和代码数据,但它们没有开发者逐行接受或拒绝AI建议的实时行为流。这是Cursor独有的信号源,也是Composer存在的理由。
如果Composer能够承接大部分推理流量,Cursor就不再需要把全部收入交给Anthropic,其毛利率可能从负值跳到正值;同时,它也将从一家随时可能被上游替代的应用层公司,变成一家拥有自己智能的平台公司。自研模型,不只是产品战略,更是生存问题。
与Composer并行的另一条路径,是模型中立的编排层。Cursor管理层押注,企业客户会青睐不绑定单一模型的产品——随着AI模型格局瞬息万变,没有企业愿意把自己锁死在一家供应商的生态里。Cursor总裁Oskar Schulz强调,“95%的Cursor用户已经是agent用户”,公司正在从IDE向agent调度平台转型。
这个逻辑成立有一个前提:底层模型之间存在真正的竞争均势。如果某一家模型厂商在编码能力上持续领先到其他模型不再是有意义的替代,“模型中立”就从优势变成包袱。但目前的证据指向另一种可能:Fortune的报道中,六位开发者和创始人无一例外地描述了多种工具组合并行使用的工作方式。Claude Code的创造者Boris Cherny自己也承认:“我不认为这是赢者通吃。”如果市场确实走向多赢格局,Cursor作为编排层,就有了自己的生存空间。
第三条路径,是顺应气流的新方向。Cursor推出了Cloud Agent——支持多个并行worker的云端编码智能体。Schulz强调公司正在“一次又一次地碘伏自己”。这些动作的本质,是承认一个可能的事实:编码的未来,可能确实不在IDE里。
三条路径——自研模型、模型中立编排、云端agent——构成了Cursor应对危机的完整图景。但每一条路,都面临各自的约束。
Cursor目前大约有20名AI研究员在做模型训练,而Fortune近期确认了关键工程师流失到马斯克的xAI。相比之下,Anthropic的研究团队规模是Cursor的几十倍。即使数据飞轮在编码场景上能产生极致优化,基座模型的通用智能天花板,最终取决于参数规模、算力投入和研究深度——这些,不是一家400人的公司能赢的军备竞赛。
更根本的问题是,数据飞轮建立在一个假设上:用户会留下来。如果个人开发者的迁移继续加速,飞轮赖以运转的数据供给本身,就会萎缩。

悬而未决的命运
Cursor的命运,最终悬在两个速度之间:AI自主编码成熟的速度,和Cursor自我蜕变的速度。
如果人机协作的中间态足够持久,Cursor就有时间完成从应用层公司到“模型+平台”公司的艰难跃迁——估值或许回调,但核心能力得以存续。如果气流转向的速度快于自我蜕变的速度,那么500亿估值与负毛利率之间的巨大落差,将意味着一次硬着陆。而500亿美元的体量,也几乎堵死了被收购这条退路。
据说,Cursor的CEO Michael Truell的办公桌上挂着传记作家Robert Caro的照片。他说自己崇拜“那些做了有用的、有影响力的工作的人,而那些工作花了很长时间”。
但他经营的,是一家AI时代的公司——在这个时代,慢下来一周,你就可能被甩在身后。“谁来决定软件如何被创造”的权力,曾经完全属于程序员,过去三年间短暂地流向了帮助程序员的工具公司,而现在,正在被收回到掌握模型底层能力的人手中。
Cursor面临的真正问题,或许不是产品够不够好,而是在这场权力重新分配的宏大叙事中,一家应用层公司能不能守住自己的位置——以及,它是否还有足够的时间,去找到那个问题的答案。
相关攻略
Cursor的命运,悬在两个速度之间:AI自主编码成熟的速度,和Cursor自我蜕变的速度。 这家公司正处在一个奇特的矛盾点上:它依然蒸蒸日上,却又似乎正在走向绝望。关于这家一度是“Vibe Coding”代名词的明星公司,市场同时存在着两种截然相反却又似乎都能成立的观点。 数据描绘的是一幅烈火烹油
近日,Reddit上一则热帖引发了广泛关注。游戏开发商Beamable的首席执行官Jon Radoff,利用一个周末的时间,借助AI助手Claude,成功复活了自己19岁时开发的一款名为《未来往昔传奇》(Legends of Future Past)的MUD(多用户地下城)游戏。这款诞生于1992年
上周,Anthropic刚宣布对OpenClaw采取限制措施,这周,事情就发展到了一个新阶段——连OpenClaw项目的核心人物Peter Steinberger的个人账户也遭到了封禁。这场风波究竟会如何演变? 今天一早,OpenClaw创始人Peter Steinberger在社交平台X上发文确认
最近,大模型推理领域出现了一个挺有意思的新思路。来自哈尔滨工业大学(深圳)、深圳河套学院和Independent Researcher的研究团队,提出了一种名为LRT(Latent Reasoning Tuning,隐式思考模型)的方法。它试图解决一个越来越明显的痛点:那些“慢思考”模型动辄生成数千
Model Context Protocol(MCP)是一套开源的标准化协议,其核心目标是简化AI模型与外部数据源、工具及各类软件系统的集成过程。你可以将其理解为“AI时代的通用连接标准”——类似于USB协议,但它连接的不是物理硬件,而是大语言模型与丰富的功能工具。 表面上看,MCP为AI应用开发带
热门专题
热门推荐
近日,国家能源局联合发改委、工信部、国家数据局正式印发《关于促进人工智能与能源双向赋能的行动方案》。这份重磅文件的核心思路非常清晰:一方面,以坚实的能源基础支撑人工智能(AI)的快速发展;另一方面,利用AI技术赋能能源行业转型升级。其核心目标是推动能源、算力、应用场景、数据与算法模型五大关键要素深度
在挑选文生视频工具时,若您正在智谱清影与Runway Gen-3之间权衡,那么了解两者在生成效果上的具体差异,将有助于您做出更明智的选择。本文将从画质清晰度、细节纹理、运动自然度与视频连贯性等核心维度,通过实测对比为您详细解析。 一、画质与分辨率表现 首先对比硬性指标。智谱清影基于CogVideoX
想用通义万相生成一张科技感十足的数据可视化背景,但出来的画面总觉得少了点“内味儿”?数字界面、粒子流、电路纹理这些关键元素一个不见,画面平平无奇?这通常不是工具的问题,而是提示词没有精准锚定科技可视化的核心要素,或者模型参数没调到最佳状态。别急,下面这几种方法,能帮你把想法精准地“翻译”成画面。 一
想要在Vidu生成的视频中实现流畅的慢动作或快进效果?虽然模型界面没有提供直接调整播放速度的滑块,但通过巧妙的提示词设计、利用内置功能,或结合后期处理工具,你完全可以精准掌控视频的节奏与时间感。本文将为你详细解析四种实用方法,从生成前到生成后,全方位满足你的创作需求。 一、通过精准提示词引导运动节奏
当您使用海螺AI生成的英文论文在提交查重时遭遇高重复率或AIGC检测异常,请不要急于归咎于工具本身。核心原因在于,尽管AI生成的文本格式标准、语法地道,但其语言模式和常见短语组合,并未针对知网、维普、万方等中文查重数据库的语义比对逻辑进行专门优化。换言之,机器认为流畅自然的表达,在查重系统的算法看来





