Cursor的未来是否已进入衰退期？

Cursor：重新定义编码的未来

当人工智能能够在短短几分钟内将创意转化为可执行的产品时，vibe coding 就不再仅仅是一个新鲜的概念，而是成为了验证产品和提高开发效率的关键方式。Cursor 正是在这样的背景下迅速崛起。到了2025年中，它完成了巨额的融资，估值几乎达到了100亿美元。然而，快速成长的同时，也带来了代码质量、安全漏洞以及可持续变现等一系列挑战。本文将回顾 Cursor 的发展历程，分析它的产品定位与商业模式，比较竞争对手，并在机会与风险之间探讨它未来的可能路径与关键因素。

Cursor 是 Anysphere 公司在2022年推出的一款 AI 编程产品，而这也是他们目前发布的唯一产品。你可能会问，为什么 Cursor 选择独立成为一款产品，而不是作为一个插件呢？早期发布的资料中就有答案，Cursor 希望在用户熟悉的开发环境中，完全掌控编辑器的界面，更好地与AI进行结合，致力于提供卓越的AI驱动编码体验。换句话说，Cursor 不是在争夺插件市场，而是在布局IDE的未来。它的产品形态包括本地IDE、网页版和命令行工具。

你可能感兴趣：Trae和Cursor的对比，哪个更能打动你？

如果用一句话来概括 Cursor 的核心定位，那就是：它不是在改造IDE，而是在重新定义IDE。早期官网上的标语是“我们的目标是创造一个神奇的工具，旨在编写世界的软件”，而如今已经更新为“为了让你高效无比，Cursor 是与AI编码的最佳选择”，更加强调了AI的运用和生产力的提升。传统的IDE，比如VS Code、Jetbrains和Eclipse，都是以编辑器为中心，开发者通过各种插件和配置来个性化环境，在编辑器中手动编写代码，而后续的更新也只是增加AI的功能。而Cursor则是以AI为核心的原生产品，开发者可以通过自然语言描述需求，AI会在流畅的上下文中进行交互，完成架构设计和代码开发，开发者主要负责审核。这种低门槛的 vibe coding 体验也吸引了许多非技术背景的创始人和产品经理，帮助他们快速验证想法。

在AI编程产品和插件中，不论是曾经的领军者Github Copilot，还是初创的Windsurf、Codium、Cody和Augment，Cursor 依然保持领先地位。根据最新数据，Cursor 的用户数量已超过100万，其中付费用户达到约36万；年经常性收入（ARR）超过5亿美元，并且仍在快速增长，融资达到9亿美元，估值接近90至99亿美元。

融资里程碑

产品演进阶段

从产品能力的发展来看，Cursor 经历了四个重要阶段，其核心能力从最初的代码编辑增强逐步演变为一个集成化的AI原生开发环境。

1. 阶段一：基础编辑器 + AI 辅助（2022-2023年初）

• 提供类似但更优于Github Copilot的体验：编辑器中的AI能力逐步迭代，包括代码补全、内置AI聊天框支持代码解释、代码修改、自然语言生成代码等。

• 用户特征：早期用户多为“尝鲜型开发者”，主要用于快速试验小段代码或学习新知识。

• 产品定位：与GitHub Copilot区别开来——它不是一个插件，而是“自带AI的代码编辑器”。

• 阶段二：全项目理解 + 多文件编辑（2023中–2024上半年）

• 基于对整个代码库的理解，增加了单/多文件联动编辑能力，支持多个文件之间的联动修改，如Tab、Inline Edit等。

• 用户特征：产品不仅仅是Demo，可以实际应用于中等规模的真实项目。

• 产品定位：逐渐向AI配对程序员或AI助手发展，不再仅仅是简单的代码补全。

• 阶段三：Agent化 + 企业功能扩展（2024下半年–2025初）

• 目标是打造Agent能力，专注于企业场景：引入能够自主执行复杂多步骤任务的AI智能体，包括Agent、Background Agents、BugBot等；增加团队订阅、使用仪表盘、权限管理、隐私模式等企业功能。

• 用户特征：Cursor不再只是个人的AI编辑器，而是团队可用的开发协作环境。

• 产品定位：与Windsurf、Replit Agent竞争，强调全流程的AI开发环境。

• 阶段四：AI软件工程平台（2025进行中）

• AI原生IDE，全自动化开发：根据需求生成可运行的完整应用，例如“给我加一个登录系统”，AI会调用多个agent，自动完成前后端改造。同时增强与外部系统的集成能力，接入MCP等功能。

• 用户特征：AI从工具升级为开发伙伴。

• 产品定位：向AI软件工程平台迈进，有望成为新一代开发范式的代表。

核心能力

AI编程行业的竞争版图：三个阵营的较量

在AI编程的世界里，竞争可以分为三大派别，你可能会觉得这有点像一个科技版的三国演义。

• 大厂生态驱动型：比如微软、AWS和谷歌，它们通过云服务和开发环境的结合，特别适合大企业和大规模的推广。

• 模型厂商延伸型：像OpenAI和Anthropic，它们把强大的模型能力带入编程，不过工具的闭环还不太完善。

• AI优先的创业公司型：以Cursor和Replit为代表，专注于提升开发者的体验，灵活性和速度都很不错，但要与大厂竞争还是有点难。

大厂生态驱动

• 这类公司的特点是，它们往往依赖于平台和生态的支持，传统的开发环境建设比较成熟，或者说是互联网巨头们的生态系统很完整。

• 比如：微软的GitHub Copilot、亚马逊的CodeWhisperer、谷歌的Duet AI等等。

• 定位和策略：

  • 它们将AI作为现有开发或云平台的增强功能，而不是独立的产品，首先确保安全性和合规性，尤其是针对AWS和Azure的用户。

  • 收费模式上也很聪明，比如GitHub Copilot和GitHub Enterprise捆绑，CodeWhisperer和AWS账号绑定。

• 优势：

  • 庞大的客户基础，生态圈的锁定度非常高，比如GitHub上就有上亿的开发者。

  • 在企业级的合规、安全和治理能力上相对成熟。

  • 产品的渗透力强，推广的成本也低。

• 劣势：

  • 创新的步伐比较慢，很多功能其实只是Copilot或补全型的应用，没能做到真正的原生IDE。

  • 跨生态迁移的难度大，虽然在AWS工具链内体验不错，但一旦跳出AWS就会变得弱势。

  • 产品常常被视为附属功能，缺乏独立的品牌认知。

补充一下，AWS已经尝试推出一个名为Kiro的AI IDE工具，旨在将快速原型开发变成可投入生产的软件系统。虽然目前还处于预览阶段，稳定性、语言兼容性和生态整合的方面还有待提高，但我们可以看到，传统厂商正在从“实验室+云生态+agent驱动”转向实际应用。在生产级别的结构设计上，它们走得比其他工具更远，成了Cursor和Codex等新兴产品的竞争对手之一。

模型厂商延伸型

• 这类公司的特点是，它们将强大的语言模型直接应用到编程场景中。

• 典型的代表有OpenAI Codex和Anthropic Claude Code。

• 定位与策略：

  • API或模型即服务的方式是最常见的，提供大型模型的API或SDK，方便IDE、企业SaaS或云服务商的集成。例如，OpenAI Codex与GitHub Copilot的结合，Claude和SaaS代码生成工具相连。

  • 对于金融和政企等敏感行业，提供定制化和私有化部署，强调安全性、可控性和高度定制。

  • 轻量化模型和开源策略的公司，如Mistral、Local LLM等，通过开源或轻量化模型占领低成本市场，它们的优势在于可以深度绑定IDE或内部平台，虽然模型能力稍逊，需要二次开发来提升。

  • 差异化路线：

  • OpenAI凭借生成质量和API生态，追求规模化的入口。

  • Anthropic则专注于安全和可控AI，主要面对企业合规的需求。

低成本的本地 LLM：Mistral 的优势与短板

Mistral 专注于本地大型语言模型，通过出色的嵌入能力和隐私保护，主要目标是服务于那些需要低成本解决方案的企业场景。

• 优势方面：
• 模型性能非常突出。
• 支持多种语言和框架，使用时不局限于IDE。
• 更新速度快，能够持续提升生成内容的质量。
• 灵活接入，API接口能够嵌入各种产品中，降低用户的迁移成本。
• 不过它也有一些短板：
• 缺乏完整的工具闭环，像调试、版本控制和项目管理这些功能都要依赖外部工具。
• 用户留存率不高，主要依靠模型本身，缺乏强大的生态系统，用户容易转向其他产品。
• 对于企业级应用的落地支持不足，尤其是在团队协作、代码安全和合规性方面。
• 高质量的模型生成需要较大的计算资源，运营成本高，且体验受网络延迟影响。

AI原生创业型产品

• 这些产品是在大型语言模型蓬勃发展的背景下诞生的，例如Cursor、Replit和Windsurf等。
• 它们的定位和策略非常明确：
• 强调AI原生体验，比如智能编码、上下文感知和跨文件理解。
• 开发工具本身就是产品的核心，而非附加功能。
• 商业模式灵活，包括SaaS订阅、API服务，甚至是免费的社区版。

优势：

• 产品创新速度快，能够率先推出全IDE替代方案和智能代理。
• 更能贴近开发者的实际需求，比如Cursor提供的repo-wide context功能。
• 在开发体验和前沿技术探索方面，通常领先传统厂商1到2年。

短板：

• 企业级功能、合规性和安全治理方面还有待提升。
• 生态系统相对单薄，需要依赖像GitHub、GitLab、VS Code这些现有平台。
• 商业化路径尚在探索阶段，抗风险能力较弱。

综合来看，未来可能会出现两种趋势：一方面是大型厂商（如微软、AWS、Google、阿里、字节）通过IDE、云和协作工具形成闭环，从而实现快速的规模化；另一方面是模型厂家（如OpenAI、Anthropic、Mistral等）通过模型能力与API、SaaS、私有化部署等手段来绑定生态或企业客户。未来的AI编码，很可能是模型与云/IDE及企业场景的有机结合，模型厂商要么自己构建生态，要么依赖大型厂商的集成。

商业模式

Cursor目前采用的是一种混合商业模式，结合了订阅制和使用量限制，个人、团队和企业版本是其主要路径。此外，附加值服务和模块（如Bugbot或其他安全与质量审查组件）也是盈利的关键。

订阅制：用户需要支付月费或年费（比如Pro版、Team版，月费从20美元到200美元不等），主要是为了付费解锁更多AI功能（如更长的上下文、更强的模型、团队协作）。

使用额度：不同档位的订阅绑定调用次数或token数，超出后需额外购买或升级套餐，类似于手机流量包，而不是无限制使用。

多模型差异化：用户付费不仅是为了功能，还包括接入更强大的模型（如Claude、GPT-4.1等），因此收费与模型接入成本息息相关。

团队定价：提供按人头计费和配额共享的团队套餐，强调协作与权限管理。

值得一提的是，Pro版在2025年7月曾将每月500次请求的限制改为按使用量计费，引发了用户的不满，最终公司撤回了这个决定并承诺退款；2025年9月，Cursor将团队套餐的计价方式从按请求次数改为按token数量，同时取消了个人专业版的“无限量”模式，转为更具竞争力的定价，这项变更将在9月15日生效。

Cursor的挑战与市场机遇

简单来说，Cursor的收费模式就像是把云计算服务和SaaS结合在一起，实际上是出售AI模型的调用能力和使用体验，因此它的定价和用户的使用习惯息息相关。而传统的SaaS模式收入则相对稳定，因为它的边际成本很低，定价主要是看软件功能的价值，而不是底层的成本。虽然这两者看似相似，但其实它们之间有着很大的不同。

虽然Cursor发展得很快，但在这个过程中也暴露出了一些问题，比如安全信任、代码质量、责任链、成本的可持续性、企业需求以及合规等。这些问题如果得不到妥善解决，可能会成为它发展的绊脚石，尤其是商业模式上的问题。根据技术快报的报道，像Cursor和Windsurf这样的AI编程工具，亏损情况非常严重，用户使用得越多，亏损就越多，负毛利率的问题逐渐显露出来。结合之前对Cursor商业模式的分析，可以发现它负毛利率的主要原因：

算力成本居高不下：Cursor的核心体验依赖于外部的大模型厂商（如Anthropic和OpenAI），而调用这些模型的价格本身就不便宜。用户越是频繁使用，Cursor的成本就越高。

订阅价格与成本不匹配：比方说，用户每月支付20美元，但高强度使用可能导致模型成本达到40美元。这样一来，结果就是“越用亏得越多”。这或许也是Cursor最近频繁调整订阅套餐内容的原因。

缺乏规模效应：传统的SaaS在用户增加时毛利率会提高，但即使Cursor的用户量增加，调用成本也无法摊薄，反而会面对更多重度用户的挑战。

上游厂商可能成为竞争对手：OpenAI推出了Codex，而Anthropic也在加强Claude Code的布局。Cursor一方面依赖这些模型，另一方面又不得不面对它们的直接竞争。

如果商业模式的问题得不到迅速解决，外部危机可能会表现为：

盈利能力薄弱：即使用户增长迅速，收入规模扩大，但毛利率始终为负，难以吸引长期资本的投入。

议价权不足：对上游模型的掌控力缺乏，导致成本被锁定。

定价空间有限：如果Cursor的订阅价格明显提高，开发者市场将迅速流失；而降价则更难以覆盖成本。

用户价值不明：用户心中对Cursor的增益价值认知模糊，不知道究竟是什么，是否只是Claude的高级封装。

Cline的Nick引用了Chris Paik的一句话：“大多数订阅业务是固定收入、可变成本——这就像一个定时炸弹。”也就是说，当成本随着用户使用量激增，而收入却保持固定时，公司面临的压力会越来越大。

在AI编程工具市场，传统的IDE经历了数十年的演变，现在正面临着颠覆性的市场变革。在这场三方竞争中，谁能定义出新一代的研发体验，谁就能掌握未来的主动权。想在这场竞争中脱颖而出，需要从技术、产品、生态和商业模式四个方面打造综合优势：

1. 技术与数据：强大的模型能力依然是根本，完全依赖第三方模型只是在给模型打工。工程能力同样重要，低延迟、低成本和高稳定性是企业推广的必要条件。工程和模型的结合，通过真实用户的互动和代码上下文数据的不断微调和迭代，才能形成良性的数据循环，使产品越来越好。

2. 重塑研发范式：深入了解开发者的需求，重新设计研发流程，建立人机协作的新模式。同时，要确保生成的代码可追溯和可审计，以满足企业客户的安全和信任需求；开放插件和代理机制，让生态伙伴能够深度参与，满足更多个性化的需求。

3. 持续商业变现：虽然C端的订阅能快速带来用户增长，但长期稳定性和客单价的提升则依赖于B端的企业化。通过重塑研发范式，Cursor可以成为企业研发的基础设施。同时，生态抽成也是一个渠道，构建平台级的商业模式，实现插件和代理市场的收益分成。

生态建设与商业转型的思考

说到生态系统和标准化，其实就是要和上下游紧密结合，打造一个开发者的生态圈。这样就能培养使用习惯和好口碑，进而积累用户的忠诚度。想想看，如果能跨平台渗透，覆盖本地IDE、云端IDE和移动IDE这些不同的形态，自然就能成为开发者的首选入口。稳固新的研发模式，争取成为行业的事实标准，掌握标准制定的权力，建立一个长期不可替代的地位，这才是王道。

不过，Cursor 现在面临的挑战，实际上是整个 AI SaaS 行业普遍存在的问题。它的底层算力并不完全掌握在自己手里，却想用 SaaS 的思路来定价。只要这种“成本外部化、收入固定化”的局面存在，想要提高毛利率就会困难重重。在这方面，Cursor 在产品体验和用户认知上确实有优势，尤其在第二和第四点上表现突出，但在第一点的模型问题和第三点的商业模式上，却面临着不小的隐患。由此分析，Cursor 要想突破困境，找到市场的平衡点，可以考虑以下几个方向：

首先，得和模型解耦。也就是说，想办法自研一些模型，减少对外部模型的依赖。比如在一些常见的场景使用小模型，而在复杂的任务中使用外部最佳模型，形成一个混合架构；再通过一些工程手段来优化模型的调用，降低调用成本。在代码理解、重构等垂直场景上进行更细致的调整，尽量减少对通用模型的依赖，毕竟更好的模型总是在不断更新的。

其次，计费方式要更加精细。可以借鉴保险公司的方法，进行用户的精细化分层，建立一个透明且合理的计费机制。比如说，个人版本保持低价，根据实际使用情况收费，让用户清楚看到成本；而企业版本则要强化功能，拉开和个人版的差距，提高客单价，毕竟未来的竞争焦点在B端。

接下来，Cursor 还需要进行全链路整合。也就是说，要接管整个研发工作流，把产品升级成一个涵盖全生命周期的平台，完成从工具到研发基础设施的全面升级。与GitHub、GitLab等云服务商合作，将研发基础设施嵌入其中，成为开发者的默认选择。同时，进一步开放生态，让开发者和第三方可以扩展功能，Cursor 则可以作为平台抽成者。

最后，Cursor 目前已经站在了 AI 编程工具的前沿。从一开始看似只是个“高效编辑器”的工具，逐渐演变成可能主导未来开发体验的平台。虽然高估值和快速的ARR增长证明了市场对它的认可，但“成本与收益的商业模式问题”依然是必须在短期内解决的难题。

如果从时间线来看，未来一到两年内，Cursor 是否能成功转型为企业级平台，将会成为整个市场的一个重要分水岭。究竟是从神坛跌落被收购，还是进入下一个巅峰阶段，我们拭目以待吧。