图片来源：Youtube
Z Highlights
当时感觉这个领域几乎没有人真正认真对待这个方向——他们的产品虽然很棒，可能只是稍作改进，但并没有真正朝着一个世界努力：在那个世界里，今天我们所知道的编码将被自动化，软件开发的方式也会变得截然不同。
当时感觉这个领域几乎没有人真正认真对待这个方向——他们的产品虽然很棒，可能只是稍作改进，但并没有真正朝着一个世界努力：在那个世界里，今天我们所知道的编码将被自动化，软件开发的方式也会变得截然不同。
但在那之后，我们就基本放手了，2023年我们几乎像僧侣一样专注于产品，本身增长主要靠口碑传播。
但在那之后，我们就基本放手了，2023年我们几乎像僧侣一样专注于产品，本身增长主要靠口碑传播。
2023年的时候公司规模其实很小。我的合伙人们都是非常出色的工程师，所以我们四个人就能走得很远，不需要额外招聘。
展开剩余82%2023年的时候公司规模其实很小。我的合伙人们都是非常出色的工程师，所以我们四个人就能走得很远，不需要额外招聘。
我觉得最重要的是去做你真正感兴趣的事情，并且和那些你既喜欢相处又非常尊重的人一起去做，而且要非常认真地对待。
我觉得最重要的是去做你真正感兴趣的事情，并且和那些你既喜欢相处又非常尊重的人一起去做，而且要非常认真地对待。
Michael Truell是AI编程平台Cursor的联合创始人兼CEO，2022年底带领团队果断转向AI辅助编程领域，推出Cursor编辑器，以LLM驱动的智能补全和代码理解迅速积累用户。本次对话由Y Combinator于2025年4月发起，访谈人是YC合伙人Diana Hu，深入探讨这位“以专注与执行穿越技术浪潮”的AI创业者的成长与思考。
初中时代的编程启蒙与AI初探：从Objective-C到自制神经网络库的创业种子
Diana Hu：让我们把这次谈话从你作为创始人的起源故事开始。你得追溯到初中时代，那时候你在读PG写的文章。（ZP注：这里的PG指的是Paul Graham，知名创业导师、Y Combinator联合创始人，他的文章对很多创业者产生了深远影响。）
Michael Truell：对吧？在很早的时候，我觉得，你知道的，我已经对创业产生了长期的兴趣，同时我也对很多其他事情感兴趣。实际上，我最初接触编程，是因为我想要开始做一些带有商业性质的东西。第一次看到代码，是在某个寒假期间，我和我哥哥想要开发一款热门的手机游戏。我们其实完全不知道怎么做，就在Google上搜索“如何开发游戏”。我们听说需要下载一个叫Xcode的应用，于是就去下载了。结果我们立刻被那些奇怪的、五颜六色、晦涩难懂的符号给震住了，那就是Objective-C。你知道的，它现在依然存在，但可能比当时没那么流行了，这也是有原因的。我盯着这堵几乎无法攻克的Objective-C高墙，而我哥哥很快就放弃了，再也没有继续学习编程。（ZP注：Objective-C是一种面向对象的编程语言，曾经是Apple开发macOS和iOS应用的主要语言，后来逐渐被Swift取代。）
他现在走上了一条完全不同的职业道路，好像是在尝试绘画之类的东西。但我呢，继续坚持下去，买了一本关于Objective-C的书，最后开始做移动游戏。这就是我进入编程的起点。后来在这个过程中，我也是PG文章的超级粉丝，同时也非常喜欢Sam的文章，还有YC里很多人的内容。从高中最早期开始，这些都给了我非常大的启发。
Diana Hu：我觉得关于Cursor最疯狂的一点是，你现在才24岁，却在极短的时间里建立起这样一家庞大的公司。对很多人来说，这似乎有点突然冒出来的感觉，但其实这是长期积累的结果。你已经花了十多年时间在不断做项目、不断交付成果，对吧？甚至在高中时你就已经在做AI相关的工作了，对吗？那么请你跟我们聊聊这些项目，以及你是如何开始接触这一切的。
Michael Truell：我很幸运很早就接触了编程，同时也很幸运很早对AI产生了兴趣，并且有一些很棒的合作伙伴一起做AI项目。
不久之后，我涉足了移动游戏，不过实际上我做得并不太好。其中有一个我做的项目，实际上也是最受欢迎的一个，从技术上来说却是最容易实现的，这也许给创业的一个启示——代码不是一切。这个项目是一个移动应用，你可以在像Piano Tiles和Flappy Bird这样的游戏中伪造高分，然后发送给朋友。这款应用就这样火了起来，并不是那种需要自己精心打造游戏引擎的复杂项目。
紧接着，我和一个朋友对打造一个机器人狗产生了兴趣。我们觉得，如果能有一个你不用编程就能教会它做事情的机器人，那会非常棒。你可以像对狗一样给它正向或负向反馈——做得好就给“奖励”，做得不好就说“不行”，然后也许可以教它玩一些小游戏。这个想法让我们非常兴奋，但我们完全不知道如何去实现。于是我们又从最自然的地方开始——Google，并钻进了很多知识的“兔子洞”。我们了解到遗传算法（genetic algorithms），也许这能帮我们构建想要的机器人狗。后来我们又接触到了神经网络，因为当时有人在用遗传算法来进化神经网络，比如Neat的工作。
最终，我们接触到了强化学习（RL reinforcement learning），即便是在2015年，人们已经研究了很长时间。
最后，我和朋友确实做出了几个机器人。虽然没有做出长期可持续的重大成果，但我们在当时做了一些有意思的工作，比如如何让强化学习算法更高效，从极少量的数据（几十条数据）中学习，同时还能处理人类提供的噪声数据。
虽然不完全是狗，但我们做了几个机器人。其中一个是迷你轴向机器人臂，可以挥动球拍打乒乓球；如果加上合适的传感器，再给予正确的正向和负向反馈，你就能教它在看到球时挥拍。另一个是Kiwi驱动机器人，我们教它沿着线路行走。这个过程实际上是一次很棒的机器学习（ML）教育经历，部分原因是我们当时的天真无知——我们不知道有像Torch和TensorFlow这样的工具，也不了解还有很多可以直接使用的构建模块，或者说当时我们Google搜索能力不够好。
Diana Hu：所以你喜欢从零实现自己的神经网络？
Michael Truell：是的。
Diana Hu：所以那时候你大概是16、17岁左右。
Michael Truell：当时问题的限制在于我们在处理机器人，所以也就涉及到了微控制器（microcontrollers）。微控制器的内存非常有限，根本无法运行任何常规的标准ML库。作为我们尝试打造机器人狗的一部分，我们自己实现了一个微型神经网络库。我记得当时我们并不真正理解这些东西的内部原理，也不太懂微积分，但还是磕磕绊绊地重新实现了一些神经网络的重要思想。我觉得这教会了我们很多东西，也意识到自己在基础知识上有很多空白，而这些空白花了我们很多年才逐渐弥补。
MIT毕业后的首次创业尝试与转型：从机械CAD到加密通信的曲折探索
Diana Hu：然后快进到创业阶段，Cursor这个名字很有意思，因为它并不是字面上的意思。当你们开始的时候，你们刚从MIT毕业，对吧？那是2022年。请问你们四个人在2022年最初开始做的第一个想法是什么？
Michael Truell：是的，Cursor的起源可以追溯到2021年。我和我的合作者们长期对AI很感兴趣。我们每个人都有自己的“小机器人狗”时刻，其中一位合作者在2021年尝试使用LMS在Google构建竞争模型，并训练自己的模型，训练的是对比模型（contrastive models）。（ZP注：”LMS“在此处指Large Model Systems，即用于训练和部署大规模AI模型的系统或框架，用于支持像GPT、BERT等大型神经网络的训练与推理。）
我的另一位合作者在学术界从事计算机视觉研究，还有一些人曾在像Google这样的公司从事推荐系统工作。但我们在2021年对AI的兴趣非常浓厚。我们在思考该如何利用这种兴趣——是去学术界做AI研究？还是加入现有的大型AI项目？或者自己创办一家公司？
有两个瞬间让我们非常兴奋。一个是看到第一个AI产品开始面世——GitHub Copilot成为我们的典型示例；另一个是看到一些工作表明，随着模型规模的扩大，AI在未来会可预测地不断提升。在2022年初，我和我的合作者们进行了大约一个月的“黑客马拉松”，开始尝试一些相关想法，挑选某个知识工作领域，探索随着AI逐渐成熟，它会呈现出什么样的样子。
Diana Hu：你们为了那个最初的想法收集了很多数据，对吧？
Michael Truell：是的，我们最初长期投入的真正想法是在机械工程领域。我们试图为机械工程师打造一个“Copilot”，并训练模型去预测在CAD系统中（比如Solidworks或Fusion 360）你会如何操作，这些系统可以在电脑上对零件进行3D建模。我们之所以选择这个方向，是因为觉得它可能很枯燥、竞争不激烈。当时我们有点像在做沙发上的MBA思考，尽管从一开始这就是一个糟糕的选择——因为我们没有一个是真正的机械工程师，而且科学研究在那个领域也还不够成熟。
Diana Hu：但是你们还是坚持了好几个月，对吧？你们收集了大量CAD文件，实际上还做出了可以自动补全的功能，对吗？那就是它的第一个可用版本。
Michael Truell：是的，其中很多工作都在于数据抓取。说实话，我当时的目标是尽可能获取互联网上所有的CAD模型。因为存在各种不同的文件格式，我们还需要把它们都转换成统一的标准格式。这个市场很奇怪，存在许多不同的系统都相当流行，市场非常分散。同时还有一些云端CAD系统，它们不容易导出文件，也不希望你去抓取它们的数据。所以这部分工作量很大。此外，当时用于建模工作的训练基础设施也相当初级，因此在基础设施方面也有大量工作。同时还要做大量模型实验，包括如何把扩展功能临时接入这些CAD系统的尝试。
发布于：福建省名鼎配资提示：文章来自网络，不代表本站观点。
