AI编程在硅谷杀疯了，但国内还长得出自己的Cursor么

tayun

2024年夏天，经历了3次重大功能更新和40余次功能迭代之后，AI代码编辑器Cursor在北美制造了一场程序员狂潮，并且也随即成为大洋彼岸中国程序员们的编程工具首选。

面对强大的GitHub Copilot，Cursor带来的交互方式的变化、使用体感上的创新、对整个程序文件全局补全代码的能力、虽由OpenAI孵化但基座模型弃GPT4而选Claude的决策、快速拿下3000名各领域客户的成绩、以及早在8月就达到的4亿美金估值，都让它成为科技圈热议的焦点。

Cursor甚至都不是硅谷第一个走红的AI编程产品，更不是最后一个。

今年3月，“AI程序员”Devin引发行业广泛关注，仅5个月后，另一家名为Cosine的AI初创宣称，他们全新推出的AI程序员Genie测试表现远超Devin，8月，集成了AI的强化型代码编辑器Cursor迅速成为顶流，作为VS Code的衍生版本，它在继承VS Code优势的基础上，全面融入AI功能，极大简化了App开发工作流和编程过程，在它之后，Magic、Bolt、Replit、Supermaven纷纷成为AI编程明星企业的代表，他们各自擅长不同的方向，Supermaven重上下文本长度，Bolt、Replit在工作流上做了更多延展，不仅能设计代码的整体结构，还能够对代码作出全局修改，甚至超出了Cursor的能力边界。

据报道，这些企业的总融资额早已超过了22亿美金。AI编程在硅谷逐渐成为最性感的AI赛道，10余家今年活跃的AI编程初创中，已有7家成长为独角兽。然而，与很多领域的“追逐”不同，在AI编程企业席卷硅谷的同时，国内却基本上没有听到过AI编程初创企业的大消息。

一位前沿科技领域主流VC的投资人告诉硅星人，其实国内去年一下子也冒出了多家AI编程企业，他们当时梳理完曾经有十四五家。

“那些创业团队都在编程赛道上想各样东西，比如代码搜索，比如面对论文进行编程，比如做代码注释，或者代码修复，还有一部分在做纯代码生成，完全对标Cursor。”他称。

“但问题是，水平差了很多。”他形容，总体而言这些团队做得代码生成，程度不深。

硅星人了解到，去年奇绩创坛投了六家AI编程领域的初创，此后几乎全军覆没，而去年10余家曾短暂浮出水面的代码类团队，今年大部分已经退场。

对标Cursor，现实骨感

“水平差了很多”的问题，其实是个AI行业常见的问题。在基础模型上，在Chat类的AI应用上，其实都存在中国企业追赶美国对手的现状，但事实上这些赛道还是有融资发生，投资人也能在市场逻辑上自洽。

但AI编程有一个很大不同，就是——面向开发者的AI编程产品没有国界。这与那些面向企业的常识库问答助手等产品都并不一样，因为语言、生态等方面的差别，中国和美国差异很大。据硅星人了解，面向企业的常识库问答助手，面向中国和美国客户，面向中文与英文的版本差异堪称巨大。

“美国先做出了好产品，国内开发者都会去用，没有太多门槛”。来也科技CTO胡一川指出。

于是，水平做得太浅在AI编程的赛道上，就成了第一个问题。达不到Cursor、Bolt、Magic等新贵的身位，这个硬标准如果不能启及，在许多中国投资人眼里，再好的团队也不能吸引到投资。

有AI应用团队联合创始人表示，海外市场目前很多类似Cursor的明星产品跑出，本质上是美国资本市场对这类——用海外最好的大模型（Cursor用的是Claude）直接做插件，做成Agent的编程产品非常buy in。客观而言，在模型层面，国内似乎不缺乏比肩GPT4的模型，然而问题似乎不在这里。因为哪怕是同样基于海外模型，目前很多应用的产品完成度和能力都依然欠缺。

于是，当国内投资人看AI编程赛道的一个共同逻辑是对标Cursor时，就自然下不了手。上文提到的AI应用创业者表示，他经历过几十次非常类似的交谈，但发现投资人们最终认为，“这个标准国内产品是达不到的”。

“现阶段在海外能解决这种IDE生态问题的中国团队尚且看不到。”AIGCode CEO宿文表示。IDE指的是集成开发环境，指用于提供程序开发环境的应用程序，包括代码编辑器、编译器、调试器和图形用户界面等工具，如MicroSoftVS系列问题。他认为，目前中国企业们哪怕想在海外实现Cursor这样的“插件逻辑”，也是遥遥无期。

当在技术本身落后时，中国投资人过往的一个常见逻辑是，大家有更大的市场和应用场景，商业化上可以快速跑起来，进而带来应用上的弯道超车机会。然而在AI编程上，商业化的环境也没有比海外好到哪去。

“投它（AI编程）就是因为其赚钱。”常驻硅谷的Amino Capital合伙人徐霄羽表示，AI编程火爆于硅谷，背后原因是PLG（产品驱动增长）SaaS模式在整个海外是成立的。徐霄羽发现，她们机构最近3年投资的初创企业，发现并找到PMF的生成式AI企业，比没有生成式AI驱动的企业能节省一半时间达到1000万美金ARR（年度经常性收入），这虽然不能帮助这些企业日后成为GOOGLE，但足够发展成一个小独角兽体量，其中最典型的例子就是2016年成立，今年跃升成为编程界新贵的Replit 。

但事实上，哪怕在硅谷当红编程工具如Github Copilot、Cursor和Bolt，在现实中的产品状态也没有达到强付费点。构建自有编程模型的另一家新贵Magic，甚至都没有发布正式可用产品，他们仍解决存量场景下的存量程序员需求。

国内的付费道路更在最早期。

国内2B SaaS生态因利润率低不赚钱，因复杂环境成因不起势已是老生常谈，就连李开复日前都说“现在还没有SaaS订阅的妄念”。而且，AI编程很重要的目标群体是互联网企业的程序员们，但大厂倾向于团队自己做生产工具。公开信息显示，阿里云、字节跳动、HUAWEI、百度内部都有成熟的AI编程业务，这些业务服务于内部，让外部的创业企业少了很多市场机会，同时这些业务在市场成熟的时候也很可能转身入局，对外提供服务，像当年钉钉与飞书的历程一样，届时创业企业的空间也会进一步被碾压。

寻找出路：有人找独特的市场机会，有人认为还是要硬碰硬

刘罡是国内最早关注AI+行业方向的风险投资人之一，依循阿尔法公社的“投人不投赛道”的逻辑，作为合伙人的他很早走访到几家很有潜力的AI编程团队，包括其中一家编程方向的项目，团队资质良好，有不错的产品，项目针对B端企业和开发者，但付费很成问题，他们曾找到少数大B客户做私有化部署，但总体“说白了收不上钱”，勉强维持但无法实现快速发展。

这一团队于2023年下半年陷入困局，今年伊始，他们坚决转型进入全新领域，开始有了一些不错的营收和业务增量。

北京大学长聘教授李戈耶是国内这一赛道最早的闯关人。两年前他创立了aiXcoder，早于ChatGPT问世之前，李戈用比较传统的编程方法孵化这一项目，在IDE（集成开发环境）里做插件，做代码补齐，有些类似经典的常识图谱。

2023年起，aiXcoder调转船头拥抱大模型，做大B端和2G端生意，接连获得了几家银行和国企商单，年中预测今年会有6000万左右的营收，和近10亿人民币左右的市面估值。还有高瓴、清流资本和一家汽车产业链基金的加注。

“这是中国特有的机会，国内有很多大型企业，自己有比较大的开发团队，它们需要AI编程的辅助，但又不可能用GitHub Copilot 或者Cursor这样需要连接云端大模型的产品。“胡一川认为。

当下国内绝大部分头部银行、保险企业、和金融行业里的大型企业，都拥有异常庞大的开发团队，小则几千，大则上万，他们的共性是希翼运用先进的AI工具和技术，但不太可能使用互联网上的编程工具，出于安全考虑，必须使用一款能在环境里做本地化部署的AI编程整工具。

这不仅是AI编程一个赛道的特性，还折射出整个大模型To B落地的新趋势。胡一川认为，目前很多客户要的不仅仅是你的模型本身，或者AI编程App，要的是软硬一体化的方案，“要这个东西做本地化部署，需要选择什么样的GPU，怎么在GPU上做训练和推理，怎么高效使用GPU，都需要厂商具备很专业的服务能力。”

总之，“AI coding这里面的角色从设计到开发到测试到发布都有，新的企业想继续走这条路，竞争是非常激烈的，除非他找到了一个非常独特的群体，或者非常垂直的领域，一些通用的产品解决不了的问题，它能够解决，才可能会有机会。”胡一川说。

这的确是一种生存思路。最近原月之暗面视频生成产品Noisee负责人明超平离职，他创业的项目也是一家AI编程企业，据硅星人了解，这家企业是走轻量级类似Websim的产品路线，瞄准游戏等场景，（Websim是款仅通过文字描述就可以生成网站的网站，可以生成小游戏和一段音乐，由OpenAI、Anthropic等大模型驱动，如Claude 3.5 Sonnet和GPT-4o），暂时没有自己的专属模型，要走比Bolt还轻的产品付费路线。

与此同时，还是有新的创业者“不信邪”，认为最终的出路还是要与海外最强的产品“硬碰硬”，在能力和模式上通过创新来获取自己的机会。

AIGCode的宿文是其中一员。他表示，一些AI编程国内企业做的大量工作是代码测试和代码修复，这都只是进入到了编程赛道，但不算真正在做深度代码生成。

“这个真正的工作像吃肉，需要放弃边角料”。

他此前在华创资本做投资人。2021年3月离开华创之后，保留了投资合伙人的身份，但几乎是全职投入了创业模式，最终他在今年1月创立AI编程企业AIGCode，获得了两轮融资

AIGCode的产品是一个端到端的Autopilot工具，有自己“pre-train from scratch”的通用模型，想对标poolside、magic，做大模型时代的产品发动机。

宿文告诉硅星人，他把端到端做代码生成定为自己20多人团队的工作方向。“20多人搞不定的事儿，200个人也搞不定，这个赛道的技术人才是非常有限的，有几个人做过预训练又有多少人做过先进且创新的App架构呢？”20人的规模与他对标的竞争对手，美国AI编程初创Magic的体量相当。

从模型和App架构上去做代码生成，做端到端完成任务的编程工具，并训出自己的模型，与应用垂直结合，最终接管APP工厂里的多个职能，这种端到端完成任务的编程方式，是宿文眼中在编程领域能脱颖而出的唯一方法。在链路管线上分工明确的硅谷，端到端没有必要，但在中国的开发与B端环境里，端到端可能是更符合市场需求的模式。

“只有端到端的代码生成或者片段化的代码补齐叫做AI编程”。

但这也要求你真的可以做得比硅谷新贵们流程全，做得水平比他们还好。这显然并不容易，和其他同行一样，市场和投资人给他的时间窗口也是有限的。一切都需要加速进行。

宿文表示，自己的团队已经把很多先验性东西跑完，目前处于往产品上补全功能覆盖度的阶段，并于最近开启了产品内测。

“付费点没到之前，最好的办法是先让用户起来，让产品出来，这个赛道就像南北坡爬山，Copilot已经从北坡先爬到了大本营，大家在南坡还不一样，但大家最终都能登顶。“宿文说。


来源：36kr