Майкл Тру, сооснователь и CEO компании Anyphere (разработчик Cursor), в беседе с Y Combinator рассказывает о феноменальном росте стартапа, который достиг оценки в $9 млрд и выручки (ARR) в $100 млн всего за 20 месяцев. Путь Cursor — это история о смелых ставках на закон масштабирования моделей, отказе от разработки расширений в пользу полноценного редактора и переходе от написания строк кода к «дизайну логики».
🎯 Миссия: Заменить программирование чем-то лучшим 1:05
Основная цель Cursor, по словам Майкла Тру, — полностью заменить процесс написания кода более высокоуровневой и продуктивной системой . Тру и его три сооснователя, будучи программистами с юных лет, считают, что современные языки программирования слишком эзотеричны и требуют чрезмерных трудозатрат для реализации простых идей .
По мнению гостя, в ближайшие 5–10 лет человечество изобретет новый способ создания ПО, где разработчик будет лишь определять желаемое поведение и внешний вид продукта . Стратегия Cursor заключается в том, чтобы на каждом этапе быть лучшим инструментом для работы с ИИ, постепенно эволюционируя от классического IDE к принципиально новой среде .
Майкл Тру выделяет несколько этапов этой трансформации:
- Этап помощника: ИИ работает «через плечо», дописывая строки или выполняя мелкие поручения.
- Этап агентов: Делегирование целых фич ИИ-агентам, когда разработчик не вникает в каждую строку кода.
- Этап смены парадигмы: Переход к языкам логики более высокого уровня и прямому манипулированию интерфейсом .
🧠 Технологические барьеры и «Vibe Coding» 2:08
Сегодня многие разработчики практикуют так называемый «vibe coding» — создание приложений через промпты, почти не глядя в исходный код. Майкл Тру признает, что это отлично работает для небольших проектов и стартапов на ранней стадии, где код живет всего пару недель . Однако для профессиональной разработки в кодовых базах на миллионы строк этот подход, по мнению CEO Cursor, пока неприменим .
В Cursor профессиональные программисты доверяют ИИ написание 40–50% строк кода . При этом они все еще вынуждены внимательно перечитывать каждую сгенерированную строку. Главными препятствиями на пути к «сверхчеловеческому» программированию Тру считает:
- Размер контекстного окна: Даже 2 миллиона токенов недостаточно для понимания системы из 10 миллионов строк .
- Непрерывное обучение (Continual Learning): У моделей нет эффективных механизмов для мгновенного усвоения контекста организации и опыта коллег .
- Горизонт планирования: Способность ИИ последовательно выполнять задачу в течение часа — это огромный прогресс, но для замены инженера нужны недели автономной работы .
- Отсутствие «тела»: Программисту нужно запускать код и видеть результат; ИИ пока только учится эффективно «пользоваться компьютером» и логами .
✨ Вкус как главная компетенция будущего 9:44
Тру полагает, что в мире, где ИИ берет на себя «человеческую компиляцию» (перевод идеи в циклы и переменные), главной ценностью инженера становится вкус (taste) . Это касается не только визуальной части, но и логики работы продукта: понимания того, что именно нужно построить и почему это будет полезно .
Вместо написания кода инженеры станут «дизайнерами логики» . Это приведет к важным рыночным эффектам:
- Ускорение крупных проектов: Сейчас команды из 100–1000 человек двигаются крайне медленно из-за груза накопленной сложности; ИИ позволит вернуть им скорость стартапа .
- Расцвет нишевого ПО: Компании, для которых софт не является основным бизнесом (например, биотех), смогут создавать мощные внутренние инструменты без найма огромных IT-отделов .
🔄 Пивот: От 3D-моделирования к коду 13:32
Команда Anyphere познакомилась в MIT и начала работу в 2022 году . Изначально они создавали «копайлот» для машиностроения (CAD), пытаясь предсказывать изменения в геометрии деталей в SolidWorks или Fusion 360 .
Майкл Тру вспоминает, что они отказались от этой идеи по двум причинам:
- Недостаток данных: В интернете на порядки меньше качественных CAD-моделей, чем открытого кода .
- Отсутствие страсти: Команда осознала, что они программисты до мозга костей и их не драйвит промышленный дизайн так, как будущее разработки ПО .
Для привлечения первых инвестиций на «безумную идею с CAD» они использовали расчеты на салфетке: доказали инвесторам, что обучение первой модели Codex стоило всего около $100 тысяч . Это убедило венчурный капитал, что маленькая команда может конкурировать с гигантами в области обучения моделей .
🛠 Почему Cursor — это редактор, а не плагин 24:55
Одним из самых рискованных решений был отказ от формата расширения для VS Code в пользу собственного форка редактора . Команда видела опыт GitHub Copilot: чтобы внедрить простую функцию «серого текста» (autocomplete), разработчикам из GitHub (под руководством Мэтта Фридмана) пришлось долго лоббировать изменения в ядре VS Code .
Майкл Тру утверждает: если вы хотите радикально менять процесс программирования, вам нужен полный контроль над UI . Сначала они пытались написать редактор с нуля, но позже перешли на базу VS Code (аналогично тому, как браузеры строятся на Chromium), чтобы сохранить совместимость с экосистемой расширений .
📈 Метрики и стратегия роста 28:47
В отличие от многих ИИ-стартапов, Anyphere не ориентировалась на виральные демо-ролики. Майкл Тру предостерегает: между эффектным видео и полезным продуктом лежит пропасть в виде доработки надежности, скорости и интеллекта .
Ключевой метрикой для команды стали Paid Power Users — пользователи платных тарифов, которые используют ИИ-функции 4–5 дней в неделю . Это позволило сфокусироваться на профессионалах, а не на случайных посетителях.
Тактика найма в Cursor также отличается от стандартной:
- Медленный старт: Они долго работали только вчетвером, чтобы сохранить высочайшую планку таланта .
- Иммунная система: Первые 10 сотрудников должны быть настолько сильными, чтобы они сами отвергали кандидатов, не соответствующих уровню .
- Тестовый проект: Финальный этап найма — двухдневный оплачиваемый «интенсив» в офисе, где кандидат работает над реальной задачей вместе с командой .
- Интервью без ИИ: На технических скринингах кандидатам запрещено пользоваться ИИ (кроме автодополнения), чтобы проверить базовый интеллект и навыки решения задач .
🛡 Рвы в эпоху ИИ: Опыт Google Search 35:15
На вопрос о конкурентных преимуществах (moats) Майкл Тру отвечает аналогией с рынком поиска в конце 90-х . Как и в случае с Google, главным преимуществом становится дистрибуция, создающая маховик данных:
- Миллионы людей используют продукт.
- Компания видит, где ИИ ошибся, где пользователь исправил предложенный вариант .
- Эти данные питают R&D и позволяют обучать собственные модели лучше, чем у конкурентов .
Тру называет запуск ChatGPT «моментом iPod» для нашей эпохи и считает, что впереди еще несколько таких технологических скачков, к которым Cursor намерен прийти первым .
