爆红AI编程应用Cursor背后的初创公司正在从AI企业初创公司中招募顶尖人才,旨在加强与微软GitHub Copilot的竞争,并赢得希望用AI编程工具增强员工能力的企业客户。
在最近的一个案例中,Cursor的开发商Anysphere达成协议收购了AI驱动的客户关系管理(CRM)初创公司Koala,两位知情人士向TechCrunch透露。
作为交易的一部分,Cursor将引入Koala的几位顶级工程师,组建专门的企业就绪团队。但是,Koala的整个团队不会加入Anysphere,Cursor也不计划整合该初创公司的核心CRM产品,消息人士告诉TechCrunch。
Koala计划在9月份关闭,该公司在周五发布的博客文章中表示。这一宣布距离Koala由CRV领投、HubSpot Ventures、Recall Capital和Afore参与的1500万美元A轮融资仅过去了五个月。Koala成立近四年,根据LinkedIn显示约有30名员工,曾与Vercel、Statsig和Retool等客户合作。
本报道中的消息人士要求匿名向TechCrunch谈论私人事务。Koala及其创始人没有回应TechCrunch的置评请求。Cursor拒绝置评。
Koala交易描绘了我们在2025年看到的两类AI初创公司的图景。一类是像Cursor这样的AI工具巨头,增长如此迅速,开始蚕食AI领域的最大玩家,包括微软和Anthropic。与此同时,越来越多的初创公司像Koala一样:B2B AI初创公司看似前景光明——拥有来自Meta的联合创始人和Jack Altman等顾问——但很快就失去了动力。
Cursor正在利用这种差异,将表现平平的AI初创公司作为构建自身企业产品的手段。据The Information报道,Anysphere最近还聘请了网络安全初创公司Resourcely的首席执行官Travis McPeak来领导公司的安全团队。
这些交易看起来很像大科技公司的反向人才收购,比如Meta最近聘请Scale AI领导层的交易。就像Meta和Scale的交易一样,Cursor现在可以快速构建新的业务部门,同时抛弃有问题的业务。
Cursor希望Koala和Resourcely的人才能够帮助它从工程师在工作中悄悄使用的个人开发工具,进化为公司付费大额合同访问的企业级平台。今天大多数为员工提供AI工具的企业选择微软的GitHub Copilot,它作为现有集成开发环境(IDE)如VS Code或JetBrains的AI扩展来工作。
Cursor是一个独立的AI驱动IDE,在许多情况下需要击败GitHub Copilot才能达成交易,而且它在正面对比测试中经常获胜。尽管如此,微软凭借与传统公司的长期关系,以及庞大的销售、安全和支持团队,在企业市场占据上风。
在过去一年中,Cursor果断地构建了其市场营销和销售团队——现在拥有数十名员工。据知情人士透露,几名Cursor员工现在花时间拜访财富500强公司的办公室,向他们展示如何将Cursor的AI工具整合到他们的业务中。
Cursor的企业推进似乎正在获得牵引力。Anysphere表示6月份达到了5亿美元的年经常性收入,现在与超过一半的财富500强公司合作,包括NVIDIA、Uber和Adobe。一位知情人士表示,收入此后还在增长,而这种增长中越来越大的份额来自企业交易。
但是当Cursor与微软竞争时,它还需要抵御日益增长的威胁。
最紧迫的威胁是Anthropic,这是Anysphere的重要合作伙伴,其Claude Code产品在最近几个月快速增长。Cursor严重依赖Anthropic的AI模型来驱动自己的编程产品。(作为其最大客户之一,Cursor对Anthropic也很重要。)
与此同时,谷歌刚刚收购了Windsurf的领导团队,Windsurf是AI驱动IDE领域Cursor的主要竞争对手。AI编程智能体Devin的开发商Cognition收购了Windsurf团队的其余部分,可能为两家公司都带来显著提升。
值得注意的是,所有这些都是不同类型的AI工具,但雇主倾向于以类似方式看待这些产品:作为能够提高软件工程师生产力的AI工具。这些雇主可能有正确的想法。毕竟,Anthropic、微软、Cursor和Cognition都在开发旨在完全自动化工作流程的AI编程智能体,这可能是AI编程领域的融合点。
你可能会问,为什么每个人都在相互竞争构建AI编程产品?编程工具已成为第一批找到"产品市场契合度"的AI产品之一——这是让风险投资家竖起耳朵的难以捉摸的目标。AI编程产品正被数百万软件工程师每天使用,并且已经开始产生真实收入。
不过,这场竞赛不再只是构建最好的AI编程工具。而是谁能在市场仍有争夺机会时最快扩展其企业运营。随着微软、谷歌和Anthropic等公司的快速行动,Cursor的收购策略可能决定它是否加入它们的行列,还是成为另一个无法足够快速扩展的初创公司。
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
约翰霍普金斯大学与StepFun公司联合研究,成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法,先让AI在文字推理中掌握认知行为,再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录,为AI教育助手、医疗诊断、科研分析等应用奠定基础。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
阿姆斯特丹大学研究团队开发出"缓存驾驶"技术,通过修改AI模型的键值缓存而非重新训练,让小型语言模型瞬间获得大模型的推理能力。该技术仅需一次调整就能让模型展现逐步推理行为,计算开销几乎为零,在多个推理基准测试中表现优异,还能实现推理风格迁移。