作者丨刘杨楠
编辑丨海腰
图源丨文心一格
在2021年，微软推出了GitHub Copilot，迅速成为编程界最受欢迎的AI工具。GitHub Copilot能够根据用户提供的上下文信息（如函数名、注释、代码片段等）自动生成完整的代码函数，被誉为编程领域的“游戏规则改变者”。其成功的关键在于底层接入了OpenAI的Codex模型，Codex参数规模达到120亿，是GPT-3的早期版本，专门针对编码任务进行了优化。
GitHub Copilot激发了全球开发者对AI编程的热情，四位MIT本科生于2022年创办了Anysphere，旨在改变软件开发的现状。Anysphere曾与微软展开竞争，联合创始人Michael Truell表示，尽管微软的Visual Studio Code主导了集成开发环境（IDE）市场，但Anysphere看到了提供不同产品的机会。
Michael Truell（右一）
在短短三年内，这个小团队向行业投出了重磅“炸弹”，引发了新一轮的AI编程热潮，估值迅速飙升至25亿美元，成为独角兽。
Cursor的惊艳表现
2024年8月，特斯拉前AI总监Andrej Karpathy在社交媒体上对一款名为“Cursor”的代码编辑器赞不绝口，称其已经超越了GitHub Copilot。同月，Cursor背后的公司Anysphere完成了6000万美元的A轮融资，估值达4亿美元。
Cursor的亮点在于其多行编辑、跨文件上下文补全、提问和下一个动作预测等功能。开发者只需不断按下Tab键，就能自动完成整个文件的代码修改，且Cursor的处理结果更准确，速度更快，几乎没有延迟。
张海龙，Gru的创始人兼CEO，表示：“跨文件多处补全和预测是一个微妙的需求，开发者自己可能难以准确表达，但使用后会觉得非常‘爽’。”有着数十年开发经验的Tom Yedwab也分享道，Tab补全功能最符合他的编码习惯，能节省大量时间。
Cursor成功的关键在于发现了一个微妙的新需求，并勇于探索一条前所未有的道路。
Cursor基于VS Code（Visual Studio Code），这是一款由微软开发的免费、开源的跨平台代码编辑器，具备基础的代码补全功能。开发者通常会通过插件扩展VS Code的功能，但VS Code的插件机制存在许多限制。Cursor团队采取了大胆的做法，直接“魔改”了VS Code的代码，兼容多个AI模型，并通过大量工程优化提升了整个IDE的用户体验。
张海龙表示，Cursor开发初期，许多从业者对其持怀疑态度，认为这条路很难。然而，Cursor的成功再次证明了硅谷孕育颠覆式创新的能力。
近期，Anysphere宣布完成1亿美元的B轮融资，估值已达26亿美元。根据Sacra的估计，2024年11月，Cursor的年度经常性收入（ARR）将达到6500万美元，同比增长6400%。而自2022年成立以来，Anysphere的团队仅有12人。
Copilot与Agent的对比
Cursor并非AI编程赛道上第一个出圈的产品。2024年3月，以“全球首个AI程序员”为标榜的Devin横空出世，首次点燃了行业对AI编程的热情。Devin是一个自主代理（Autonomous Agent），具备全栈技能，能够自主学习、构建和部署应用程序，甚至能训练和微调自己的AI模型。
然而，Devin的初始发布仅为一段demo，开发者无法上手体验，直到2024年12月11日才正式上线，月订阅费高达500美元。相比之下，Cursor的月订阅费仅为20美元，显得更为亲民。
与Cursor的广泛欢迎相比，开发者对Devin的评价却存在争议。有人认为Devin在处理代码迁移和生成PR（Pull Request）方面表现出色，但也有用户指出，Devin在处理复杂业务逻辑时仍需大量人工干预。
张海龙表示，Cursor与Devin的评价差异源于开发者使用产品后的失败率和失败成本的不同。
目前，Copilot场景的失败率相对较低，而Agent场景的准确率仍有待提高。AI的工作成果需要人类验收，Copilot类产品的交互方式使得开发者查看AI生成结果的成本较低，而Agent类产品的确认成本则明显更高。
Cursor和Devin的走向反映了Copilot与Agent两种产品形态的现状。
Cursor是Copilot的代表，强调AI与人类的协作，而Agent则是一个新兴概念，要求AI与人类异步工作，AI具备更强的主动性。
张海龙认为，Agent才是创业者的机会，但他对Devin的全能Agent愿景并不看好，认为“什么都做意味着什么都做不成，细分领域的Agent应用价值更高。”
国内AI编程的机会
回顾2024年，AI编程无疑是硅谷最炙手可热的创投方向之一，已经涌现出Cursor、Poolside、Cognition等多个独角兽。然而，国内互联网大厂和大模型厂商推出的“代码模型”却鲜有成功的创业项目。
不少观点认为，国内AI编程产品的深度和广度相对较浅。张海龙分析认为，造成这种现象的原因主要有三：美国初级程序员群体庞大，人力成本高；美国SaaS市场已跑通PLG模式，企业对通用型产品的付费意愿强；国内to B市场的环境差异。
张海龙希望能在海外市场闯出一片天地。Gru虽然是他第四次创业，但在硅谷的首次尝试让他感受到强烈的陌生感。2024年9月，Gru推出Gru.ai，并在OpenAI发布的swe-bench verified evaluation中以45.2%的高分排名第一。
然而，国内B端市场依然面临诸多挑战。刘道全表示，很多企业在采购时面临安全合规要求，无法使用云端产品，需本地部署的代码工具。
因此，国内AI编程企业必须深入各行各业，解决具体问题。
刘德欣指出，AI编程系统在企业环境中发挥价值的关键在于将代码大模型与企业自身的领域知识深度结合。aiXcoder通过增量训练，结合企业内部数据，提升代码生成质量及研发全流程能力。
结语
无论是走Copilot还是Agent的道路，AI编程企业的目标都是提高软件开发效率。然而，当前市场仍处于早期阶段，正确引导客户需求是每个入局企业都需面对的挑战。
张海龙坦言，如何让客户认识到细分Agent的价值是目前最大的困扰。随着市场情绪逐渐回归理性，企业客户应重视业务连续性，灵活选择更契合自身需求的模型和服务商。
在这一背景下，国内AI编程企业的机会在于深入挖掘垂直领域的需求，提供更具针对性的解决方案。