AI如何突破“表面功夫”的困境？
智东西5月6日消息，今天有外媒报道称，AI编程独角兽Windsurf将以约30亿美元（大概217亿人民币）的估值被OpenAI收购，这也是OpenAI历史上最大的一笔收购。最近，Windsurf的创始人兼CEO Varun Mohan在一场长达70分钟的深度访谈中，回应了大家对这家公司的种种疑问和好奇。
Mohan提到，AI的真正价值在于应用层面，Windsurf希望每隔半年到一年就能彻底改变现有产品。可是，要做到这一点，单靠“表面化”的东西是远远不够的，必须要有持续的技术投入和创新。
自从2024年底推出了同名的AI原生IDE产品Windsurf以来，公司的表现可谓相当惊艳：在短短4个月内，用户数量突破百万，年度经常性收入（ARR）超过1亿美元，企业客户也超过1000家。
和那些只注重技术、忽视市场的创业者不同，Mohan认为“企业销售是相当重要的”。他们的市场团队目前规模已经超过工程团队，达到80人，这也为他们赢得摩根大通、戴尔等大客户打下了基础。
如今，Windsurf的团队总人数不到160人，遵循“精简公司”的原则，招聘的通过率不足0.6%。Mohan表示：“我们希望找到那些真正主动性强的人，因为如果不去创新、不去尝试一些新的东西，公司就会陷入停滞，甚至消亡。”
Windsurf的工作强度非常高，不欢迎那种投机取巧的人，他们会奖励那些能够用最少资源完成最疯狂项目的员工。只有在团队超负荷运转，几乎“脱水”的情况下，Windsurf才会考虑招新。同时，团队内部的人员和资源流动非常灵活，可以根据需求自由调整。
在采访中，Mohan详细回顾了Windsurf从AI基础设施转向AI编程的创业历程，并分享了他的创业心得。他还谈到了AI应用如何避免沦为“GPT表面化软件”的问题，自研模型与外部模型的选择逻辑，以及他眼中Windsurf与Cursor等竞争者的差异化优势。
左为Lenny’s Podcast主持人Lenny Rachitsky，右为Windsurf创始人兼CEO Varun Mohan
以下是Mohan在科技播客节目Lenny’s Podcast（录制于今年4月）的完整采访内容（为提高可读性，智东西在不改变原意的基础上做了一些增删修改）：
01. 从GPU虚拟化到专攻AI编程，锁定To B市场
Lenny Rachitsky：能否简单介绍一下Codeium的历史，以及Windsurf是如何从Codeium发展而来的？
Varun Mohan：我们公司成立于4年前。当时AI编程的概念还没有出现，ChatGPT也尚未问世。最初我们专注于开发GPU虚拟化和编译器软件。在此之前，我一直在自动驾驶汽车领域工作，而我的联合创始人则在Meta从事AR、VR的相关工作，我们是从初中时就认识的朋友。
我们都相信深度学习会给很多行业带来变革，不仅仅是自动驾驶，还包括金融、国防、医疗等领域。我们意识到，构建这些深度学习应用是非常困难的。当时，我们的产品帮助用户在没有GPU的计算机上有效运行复杂应用，解决了GPU使用的各种难题，并显著优化了工作负载。
到2022年中期，我们的收入已经有几百万美元，管理着超过1万块GPU，那时团队只有8个人，现金流也实现了正数。但我心里明白，随着生成式AI模型的提升，我们之前构建的很多东西可能不再那么有价值。
那是个非常艰难的时刻。我们在想，人们是否还会继续训练那些定制化的情感分类器模型（用于社交媒体推荐）？还是会直接问GPT：“这是积极还是消极？”可能答案是后者。
在一个每个人都在运行生成式AI模型的时代，一家基础设施公司能有什么独特之处呢？最终大家都在用相同的基础设施。
我们决定相信生成式AI会成为下一个互联网，那么我们应该打造下一代伟大的应用，就像谷歌、亚马逊那样。于是我们进行了垂直整合，利用我们的基础设施和推理基础设施，创建了当时的Codeium。
我们是GitHub Copilot的早期用户，意识到编程领域将在未来几年受到AI的极大影响。我们利用已有的基础设施，大规模运行自家模型。
一开始我们甚至训练了自己的模型，它非常简单，主要是一个自动补全工具，当用户输入时，会补全1-4行代码。我们目前在所有开发者使用的IDE中免费提供此服务，包括VS Code、JetBrains、Eclipse、Visual Studio、Vim和Emacs。
我们能够免费提供这些服务，得益于我们在算力基础设施方面的技术背景，可以大幅优化工作负载。不久后，我们开始了企业业务，和戴尔、摩根大通等大企业合作。
对他们来说，最重要的不仅仅是代码自动补全或与代码库对话，更在于是否能提供安全的解决方案，并针对公司内部所有私有数据进行个性化定制。我们充分利用基础设施，投入大量资源，确保深入理解这些大公司的代码库。
这就是自Windsurf成立以来到大约半年前的业务情况。目前这些业务依然在进行，但我们意识到VS Code等主流IDE的限制，无法为客户提供更丰富的AI服务。因此我们决定开发自己的IDE，加入一些新的Agent能力。
02. Transformer主导后，AI的价值在于应用
Lenny Rachitsky：你提到了一些有趣的点，AI的价值究竟在哪里积累？你们几乎是从GPU基础设施开始，然后转向了大家所说的“GPT套壳软件”（虽然实际上不是）。关于这点，你们有什么经验可以分享？在AI工具栈中，价值最终会如何体现？
Varun Mohan：我想先分享一下我对创业的一些深刻体会。通常情况下，创始人最初设想的方向可能并不是最佳选择，这对创业公司来说是一个非常大的挑战。
一方面，你需要有一种非理性的乐观，相信自己所做的事情有独特的价值，否则你根本不会踏上这条创业之路。如果事情显而易见，大公司早就会去做了。
但另一方面，你又必须保持高度的现实主义，因为大多数非常规的想法往往不可行。所以这就像在钢丝上行走，你必须在这两者之间找到平衡。要坚定推动自己相信的未来，但当新的信息出现时，你又必须勇于否定之前的信念。
从基础设施的角度看，我们最初假设模型架构会非常多样复杂，这主要基于我们在自动驾驶领域的经验。当时有许多不同类型的模型架构，比如卷积神经网络、图神经网络、循环神经网络等。我们可能需要处理十几种不同的架构。
那时我们觉得复杂性如此之高，如果有人能帮助用户解决这些复杂问题，必定能创造巨大的价值。
然而，到了2023年中期，情况发生了变化。几乎所有东西都基于Transformer架构，这表明我们之前的假设是错误的。在这种情况下，我们意识到，大部分价值可能并不会仅仅积累在基础设施层面，至少这是我们目前的看法。
开发者的未来：Windsurf如何改变工作方式
那么，真正的独特价值在哪里呢？其实我们觉得，应用层是个值得深入探讨的领域。在这一部分，我们能够通过多样的方式来为开发者创造更好的用户体验和更加高效的工作流程。我们坚信，让开发者的生活更加轻松是个无止境的追求。
Lenny Rachitsky：你提到的第二个观点真让我感兴趣，就是你们是如何从已经成熟的商业模式中进行转型的。你们已经在盈利，客户也对你们的服务赞不绝口，年收入甚至达到了数百万美元。
那么，你们是如何判断接下来该追求什么新目标的呢？我听说过一个有趣的说法，一旦你最初的想法基础发生变化，就意味着是时候重新审视这个想法，甚至探索其他方向了。
Varun Mohan：我认为，创业的过程中我们必须承认一个事实：犯错是不可避免的。对我们公司来说，有一个关键转折点：当我们已经筹集了2800万美元，却决定要彻底转型，这个决定是在一夜之间做出的。这不是逐步改进，而是因为我们深知，创业公司最需要的就是专注。
如果同时在进行两块业务——一边做着你认为没啥价值的事情，一边又想开辟新领域——那么你在真正重要的事情上就会失败。这看似简单，但问题在于：你必须从一开始就意识到，很多假设可能是错误的。你要做的就是全力去验证这些假设，而不是固执己见。拥有一个好点子当然重要，但绝不能对此过于执着。
我们努力营造一种追求真理的企业文化。在公司里，每个人的想法都在不断接受考验。比如开发Windsurf的初期，虽然不算完全转型，但也是一个重大的决策。创业就是不断下注：有时对，有时错。但理想的状态是，即便决策失误，团队的士气依然高涨——这样你才能有调整的空间。
有个例子可以说明我们的成长速度：今年的工程产出将超过公司成立以来的总和。这意味着每年都有新生的机会，让我们能够测试全新的假设。也许我们一开始的假设本身就有误。
Lenny Rachitsky：太令人振奋了，这让我想起了Ari Levine在播客上说的话，他的T恤上写着“爱上问题，而不是解决方案”。这正是你描述的态度。
03.开发者工作流程变革，IDE同步升级
Lenny Rachitsky：我们来聊聊Windsurf。普通人最简单的理解是什么呢？
Varun Mohan：Windsurf本质上是一个IDE（集成开发环境），也就是构建软件和应用程序的工具。但有趣的是，很多使用它的人可能根本不知道“IDE”这个词是什么，这点我们稍后再讨论。
那么，为什么要开发Windsurf呢？为什么不直接使用Visual Studio Code这种传统的IDE呢？当我们看到AI能力的突飞猛进时，我们意识到技术构建的方式将会发生根本性的变化。
传统的IDE就像一个文本编辑器，开发者需要手动编写大量代码，而系统只能给出基本的反馈，比如“这里有个bug”或“编译错误”。但在AI时代，事情就不一样了——IDE应该能够直接重写整段代码。这就是Windsurf的核心突破，它代表了开发工具与AI协作的新模式。
展望未来，AI可能会承担超过90%的软件开发工作，在这种情况下，开发者的角色和在IDE中所做的事情可能就是审查代码。我们需要在IDE中设计自定义的审查流程，让用户更容易去执行这项任务，因为开发者不可能把所有时间都用来写代码。
我们构建这个产品的基本理念是：过于简单的UI界面会严重限制产品的潜力。举个例子，我们的自动补全功能最初只能完成基础的代码补全。但当我们推出Windsurf Tab这个新功能时，情况发生了质的变化。
Windsurf Tab功能
Windsurf Tab的创新之处在于能够提供内联式的代码重构建议。在Windsurf环境中，我们可以为此设计完全定制的交互界面。相比之下，在VS Code中，由于API的限制，我们不得不采取一些变通的方法：需要在用户光标旁动态生成图像，结果并不如人意。
VS Code开发界面
这种差异带来的效果令人惊讶：在Windsurf环境中，完全相同的机器学习模型提供的修改建议，用户接受率直接提高了3倍。这个数据让我们意识到，虽然底层技术至关重要，但如果用户无法有效利用技术带来的价值，那么技术优势就会被大大浪费。
这个案例让我们坚信：有时候，构建一个全新的交互界面和用户体验层（就像Windsurf所做的）才是释放技术潜力的正确方式。优秀的用户体验设计能够将技术优势转化为用户实际感知的价值，这正是我们产品演进的核心方向。
04.自研模型与外部模型并行，独特代码库演变数据
Lenny Rachitsky：Windsurf使用的模型是Claude Sonnet系列的吗？
Varun Mohan：让我来给你说说Windsurf的工作原理。我们使用了一个非常强大的规划模型，比如Claude Sonnet系列，它在规划方面表现非常出色。GPT-4o也很不错。我们会尽可能利用Anthropic的Claude Sonnet系列模型进行高级规划。
接下来，我们会运行内部模型，为Agent提供高质量的检索支持。Agent需要理解代码库的其他部分究竟有什么功能，而我们的自有模型会分解并理解整个代码库。
如果代码库有1亿行代码，我们是无法把它全部发送给Anthropic的模型的。这不仅是因为它包含超过15亿个tokens，远超目前最大的上下文长度（多出三到四个数量级），而且从成本和延迟的角度来看，这样做也不划算。
一步步解锁软件编辑的奥秘
说到我们的模型，其实它在编辑软件方面的速度真是飞快。我们有一些是基于流行的开源模型进行后续训练的定制版，这样一来，处理代码库的速度就大大提升了。选择这种方式主要是因为它能更好地在上下文中融入更多代码，这样比起Anthropic的模型，效果也更佳。
我们的目标始终是打造最优秀的产品，努力提升我们的能力。如果在某个任务上，开源模型或者Anthropic的模型表现更优秀，我们会毫不犹豫地直接采用它们。
Lenny Rachitsky：你们的模型都是基于开源的吗？
Varun Mohan：负责检索的模型完全是我们自主研发的，不过其他一些功能的模型是基于开源的。比如说，负责编辑和自动补全的模型也是我们内部开发的。就像你在输入时，我们会做一些相关的自动补全工作。
我们看待问题的方式是，能做得好的部分，自然会去独立训练模型，但不会为了面子而去做那些我们做得不够好的事情。
Lenny Rachitsky：有没有一些有趣的模型训练故事？
Varun Mohan：有趣的是，我们收到了大量用户反馈，每小时可能数千万条。这些反馈里有用户对我们产品的喜好和不满，尤其是关于自动补全功能的数据。这些数据非常特别，因为它们来源于用户在输入时的代码片段，通常都是不完整的，而不是像GitHub上那样的完整代码。
我们拥有大量这种不完整的代码数据，这使我们在开发代码补全模型时具备了独特的优势。现有前沿模型很少会接触到这样的代码，因此我们利用这些偏好数据来训练模型，力求做到更好。
对于检索功能也是一样的，我们可以通过用户是否接受检索后的代码更改来判断检索的准确性，这无疑是一个非常好的反馈信号。
我们的思路是，单纯的代码规划，AI很难提出连贯的论点，也没有理由认为自己在这方面会表现得最好。但如果面对的是一个复杂的中间代码库，需要进行修改时，我们就能发挥优势。因为我们见证了代码的演变，积累了数百万用户的代码变化数据，这让我们有信心在这方面做得更好。
Lenny Rachitsky：这确实是一个独特的竞争优势，你们在这个领域的成功也是有原因的。如果你处于领先，数据自然会比其他公司多。
Varun Mohan：确实如此，这也是我喜欢从零开始构建产品的原因。这是一个充满潜力的领域，但最终还得看对代码的理解。否则，你会陷入模糊的境地，搞不清楚自己到底比别人强在哪儿，也难以找到明确的竞争优势和发展方向。
Lenny Rachitsky：如果仅仅依靠像Claude这样的基础模型，以及那些只是为Claude套壳的应用，根本不存在什么差异化。
Varun Mohan：这确实取决于具体的做法。如果只是处理一些高级的网页元素，界面做到一定程度后，想要超越现有的前沿模型就变得很难。在这种情况下，还不如直接使用那些成熟的模型。
05.AI编程让工程师回归本质
Lenny Rachitsky：你们当初做出的一个大胆决定是，尽管客户都在熟悉的IDE中工作，但发现这并无法满足需求，于是决定让大家转向全新的工具，因为这样会更好。我觉得很多人可能没意识到说服工程师使用新工具有多困难，这确实是一项挑战。
Varun Mohan：没错，Lenny，有一点很重要，很多开发者确实在用Visual Studio Code，但也有很多人用Java、C++等语言编程。他们可能会使用JetBrains家的IDE，比如IntelliJ。
我们仍然会在这些平台上构建产品。虽然Visual Studio Code是主流IDE，但它限制了我们能给客户提供的用户体验。
Lenny Rachitsky：Windsurf目前的发展势头如何？我听说你们领域里的其他竞争对手数字都很惊人，能分享一些数据吗？
Varun Mohan：当然，几个数字可以分享。我们在四个月前推出了这个产品，这段时间里，超过100万开发者试用了。当然，现在也有数十万的月活跃用户。
Lenny Rachitsky：你对未来几年的编程有什么看法？和现在相比，会有多大不同？
Varun Mohan：工程师的工作主要分为三个方面，对吧？首先是“我应该解决什么问题？”然后是“我应该怎么解决？”最后就是“去解决它”。
在这个领域工作的人可能越来越相信，所谓的“去解决它”，其实就是“我知道怎么做，然后就开始”，随着AI的发展，AI可能会处理绝大部分的执行工作。
随着我们在理解代码库方面的深入，这个“我应该怎么解决”的问题也会逐渐清晰。如果你深入理解组织内部的环境和代码库，并考虑到最佳实践，答案就会变得明显。当公司明确了这些问题，整个解决方案也就水到渠成。
所以我认为，工程开发最终会回归到最初希望工程师做的事情：我们需要解决哪些最重要的业务问题？我们的应用或产品需要具备哪些核心功能？优先考虑这些，并做出正确的技术决策去实现它们，这可能就是未来工程开发的方向。
06.计算机专业的真正价值在于培养解决问题的能力
Lenny Rachitsky：这是否意味着没人需要计算机科学学位了呢？
Varun Mohan：这个说法有些夸大了。现在很多开发全栈应用的开发者，几年前可能上过大学并学习过操作系统课程。
虽然他们不一定会深入使用操作系统的高级功能，比如内核调度器，但这些知识帮助他们更好地理解在开发过程中遇到的问题，比如为什么他们的应用程序运行缓慢，为什么某些设计决策更好。
对底层原理的理解不仅让他们成为更优秀的工程师，也让一些从未真正理解这些原理的人得以构建复杂的系统。这本身就是技术发展中的一个显著现象。
Lenny Rachitsky：我不知道你是否有孩子。如果有孩子或者亲戚要上大学，你会建议他们学计算机科学吗？
Varun Mohan：我会的。我毕业于麻省理工学院，很多公司里的工程团队成员也是校友。其实在计算机科学专业中，我们学到的并不只是如何写代码，还包括如何思考问题、如何分解问题，以及如何以有趣的方式解决问题。
举个例子，我很喜欢的一门课程是分布式系统。这门课需要阅读文献并理解设计决策的背后逻辑。我认为这更像是一门解决问题的课程，这个专业正是关于如何在现有计算机限制下解决具体问题。
比如内存的运行速度，或者每个周期内能完成的运算数量。基于这些，你需要做出权衡并解决问题。在这种情况下，计算机科学几乎就是问题解决的代名词。
Lenny Rachitsky：我听到的是你希望培养的技能，无论计算机科学专业如何演变，学生们都需要建立关于计算机和系统如何工作的思维模型，了解并行处理、内存、硬盘、互联网等知识，并具备解决问题的能力，能够应对有趣的挑战。随着AI的发展，你认为人们还应该注重哪些技能？
Varun Mohan：我认为一个可能被低估的重要特质是主动性。在大学里，学生们通常会被明确告知该做什么，沿着既定的路径前进。
然而，我觉得在社会和学校中，我们可能没有足够重视那些真正具备主动性的人。这些人渴望创造和建造，他们的目标不仅仅是从大学毕业，然后进入一家大科技公司，按照既定的指令工作，比如在网站上安排像素。
这种主动性在过去十年可能被低估，但如今它变得越来越重要。对于创业公司来说，这是一项至关重要的技能。这也是我们在寻找的人才。
我们希望找到那些真正具有高度主动性的人，因为我们深知，如果不去创新，不去尝试一些疯狂的想法，公司就会停滞不前，甚至走向灭亡。因此，我们在努力寻找这样的人。
不过，必须指出的是，对于大多数软件工程岗位来说，情况可能并非如此。只要看看某些大公司的招聘要求，以及通常的软件工程面试流程，就会发现这些场景中并不特别强调主动性。
07.坚持“精简公司”理念，团队超负荷时才考虑招人
Lenny Rachitsky：聊聊招聘吧，我知道你们公司试图保持精简，这是现在所有AI创业公司的共同主题，你是怎么判断什么时候该招人？
Varun Mohan：我喜欢精简公司的理念，但不会把它神化。我们并不是盲目追求以10%或20%的规模获得5000万、1亿、2亿的收入——这并不是我们内部所倡导的。我们真正追求的是：成为能够实现我们野心所需的最小规模公司。这才是我们的目标。
打个比方，Lenny，如果我告诉你：“嘿，我想造一辆自动驾驶汽车，而我的团队只有10个人。”你肯定会觉得：“Varun，你是在开玩笑吧？”——你说得对，因为在那样的规模下，我确实无法认真对待这个目标。所以关键在于：要实现这个疯狂的愿景，最少需要多少人？
如何在创业公司中找到理想的招聘策略
我们正在进行一个改变游戏规则的项目，常常在内部提到这一点。我们的目标是将开发应用程序所需的时间减少到前所未有的99%。这确实是个大目标，长远来看，单靠一个十人团队根本无法达成。所以，想要实现这个看似疯狂的梦想，至少需要多少人呢？
理想的状态是，能够成为一家规模庞大却仍然保持创业公司灵活性的企业。这就是我们的追求。
在招人的时候，我们有个原则：只有在某个岗位的需求超出了我们现有的能力范围时，才考虑增加人手。例如，在开发推理技术的时候，除非团队真的忙不过来了，否则我们不会轻易招人。这是因为，如果你为一个岗位招人，但实际上并不需要，往往会引发一些不必要的职场政治。
这并不是说大家不好——大多数人都是好心的。但如果你招了不必要的人，会发生什么呢？他们自然会自己找事情做。这是人之常情，他们会试图向组织证明某件事的重要性，但实际上可能并没有那么关键。作为一家创业公司，我们根本没有时间去处理这些麻烦。
我理想的情况是，每个人都像是在举手求救，真的在说：“我撑不住了，我们需要多一个人。”这才是我们招人的时候。我喜欢用一个比喻：我希望公司像一个脱水的身体，招聘就像是补充水分——只有在我们再次感到干渴时，才会考虑增人。
08.公司依靠单点突破取得成功，奖励高效员工
Lenny Rachitsky：我特别喜欢这个比喻。虽然听起来有点痛苦，你得等到忙不过来了才向老板求助，但我知道这也是一种充满激情的工作方式。
Varun Mohan：这种模式其实有很多好处。我们非常尊重并信任公司里的每一个人，这样反而迫使我们进行优先级的排序。
团队永远不会让我们去做那些不重要的事情。事实上，如果他们手上有两项任务，他们会告诉我：“我有两件事情要处理，但我无法同时进行。”然后他们会选择最重要的那一项。
这其实是一个适用于创业公司和传统公司的原则：你赢得胜利的关键不是把十件事情都做得还算不错，而是把一件事情做到极致。即使在其他九件事情上失败也没关系，这就是我常常提醒团队的。
这和学校的情况截然不同。在学校里，你的目标是提高总GPA，但在公司里，我只需要在最重要的那件事情上拿到A+，其他的事情即使拿F也没关系。这里的F并不是指做错，而是说把那些不重要的事情放到次要位置。这种模式迫使组织进行优先级排序，效果真的很好。
而且，Douglas（Windsurf的联合创始人）和我可以明确告诉团队，这两件事情是目前最重要的。但如果我们在强调这两件事的同时，又让团队的工作量增加20%，那结果会怎么样呢？
这种机制几乎强制我们进行优先级排序，确保团队不会被过多的任务压垮，避免那些已经忙得不可开交的人被逼到极限。
Lenny Rachitsky：每个在大公司工作的人都能理解你所说的情形。当公司的人太多时，每个人都得想办法找事情做，他们会提出各种想法。毕竟，大家都想展示自己的价值，在绩效评估中表现得更好。这是大公司人多的常见现象。
你们公司是怎么处理那些实在忙不过来的人的招人需求的呢？
Varun Mohan：在面对短时间内完成某项任务的压力时，我们有个核心信念：要在软件开发中取得真正的成就，不能简单地说“我想在一个月内完成”。
除非你认为自己比别人聪明得多，否则在这样的时间框架下，根本无法创造出复杂且有差异化的产品。
我们确实有一个非常优秀的工程团队，但我们不认为我们的团队能在三周内完成别人需要6到9个月才能完成的事情。相信自己能做到这一点其实有点自欺欺人。
我们的招聘流程录取率极低，快速找到合适的人才并让他们加入公司几乎不可能。这点大家都心知肚明，无论是想要更多人手的人，还是我们自己。
我们还努力确保每个人在公司中的价值与他所在团队的规模无关。公司内部有一些项目是由直接负责的个人推动的。如果某个项目很重要，人们可以从一个项目转移到下一个项目。
在公司里并不存在“某人拥有某个团队”的概念。公司最有价值的人是那些能够用尽可能少的人完成最疯狂项目的人，这才是我们应该在内部奖励的。
Lenny Rachitsky：目前Codeium有多少员工？
Varun Mohan：我们接近160人，工程团队超过50人，市场营销团队也不小。
09.招聘的实际录取率低于0.6%，工作强度极高
Lenny Rachitsky：我们聊到了如何判断何时该招聘，那你在面试时关注候选人哪些特质呢？
Varun Mohan：我们在招聘时特别看重技术门槛。如果候选人技术过关，我们真正寻找的是那些对我们要解决的使命充满热情并愿意努力工作的人。
我们不会试图去说服别人：“这里的工作非常轻松，很好。”相反，我们会坦诚地告诉他们：“这是一个令人兴奋的领域，但竞争同样激烈。如果公司的人不够努力，我们可能会失败。”
我认为最大的警告信号之一就是，当我问候选人：“你愿意多努力工作？”有些人会回答：“我更喜欢聪明地工作，而不是单靠努力。”
在这种情况下，我通常会反问他们：“如果我们的团队里有很多聪明且努力工作的人，你的优势在哪里？”这种候选人只会拖累团队。
公司就像一个大型团队项目。当公司有数百名工程师时，问题并不在于某个不负责任的工程师，而是整个团队。团队会质疑：“这就是公司内部的标准吗？我们的期望就是这样吗？”
如果我告诉你，团队中其他四个人都不在乎这个项目，你会觉得自己该多在乎呢？肯定不会太多。
对我们来说，建立协作文化更为重要，工作不是单打独斗，人们知道可以依靠他人来完成复杂的任务。
Lenny Rachitsky：你问的本质就是：“你愿意多努力工作？”有很多人追求工作与生活的平衡，他们会想：“你怎么敢要求我工作那么长时间？”
我很喜欢你们一开始就说明白：如果你在这里工作，就得非常努力，加班加点。竞争激烈，我们需要通过聪明和努力来赢得胜利。你提到过，工程师的录取率大概是0.6%？
Varun Mohan：0.6%是完成面试题后最终留存的比例，面试题本身就已经筛掉了10到15倍的候选人。
Lenny Rachitsky：我最近经常听到这样的问题——随着像Windsurf这样解决众多问题的工具出现，你们的面试流程是如何进行的？
Varun Mohan：我们允许候选人使用AI工具，因为我们相信这些工具可以显著提升生产力。如果有人加入我们却不习惯使用这些工具，那将是个问题。
我们还会邀请候选人到公司现场，观察他们如何在白板上思考问题，以及他们的临场发挥能力。我们希望看到的，不是他们简单地把问题输入语音转换器，然后扔给ChatGPT来获取答案。我们有办法识别这一点。
我的观点是，工具固然重要，但我们更看重的是解决问题的能力。如果一个人解决难题的唯一方式是依赖ChatGPT，那对我们来说可能就不太合适。
10.市场营销并不可耻，是ToB业务的刚需
Lenny Rachitsky：接下来我们聊聊你们的市场营销经验。和大多数人一样，你们最初并没有销售团队，但你们意识到这是一大失误，也意味着机会。现在你们的销售和市场营销团队规模都很庞大。
Varun Mohan：确实如此，我们在公司早期就做出了这个决定。一年多前，我们聘请了一位销售副总裁，现在公司的市场营销团队已经超过80人（目前公司接近160人）。这在公司内部是个相当大的职能部门。
这里有个背景故事——当我们创立公司时，有几位天使投资者是市场营销领域的专家。其中一位是Carlos Delatorre，他曾是MongoDB的首席营收官。
我们从不把销售视为负面的事情。我认为销售其实很有趣。不过，有些创始人并不喜欢销售，觉得销售是业务流程中的负担，认为一切都应该靠产品自己来推动增长。
事情并没有那么简单，企业销售实际上是非常有价值的。也许因为当时我们是一家GPU虚拟化和基础设施公司，我并不知道如何发展销售职能，因此没有雇佣销售人员。那时，我就是负责销售的人。
归根结底，如果我连逐步销售产品都做不好，那我怎么能把销售变成一个可扩展的流程呢？如果我自己都做不到，怎么能指望别人来扩大规模呢？
另一方面，对于Codeium来说，有很多大企业主动找上门来。到2023年中期，我们开始积极行动，我和其他几位同事一起开展销售工作。我们同时与大企业进行了数十个试点项目。通过这些项目，我们很快意识到在这个领域需要建立一个面向大型企业的运营模式。
到了2023年底，我们果断地聘请了一位销售副总裁，并迅速扩大了销售团队。想想看，如果你想把产品卖给财富500强企业，仅仅依靠刷信用卡是行不通的。
11.产品可理解超大规模代码库，是重要差异化优势
Lenny Rachitsky：我们来聊聊Cursor吧。我不想花太多时间在竞争对手上，但每次提到你们，大家总是会想到他们。我觉得你们在这个领域里算是佼佼者。你们和Cursor之间有什么不同？又是如何保持在这个行业中的领先地位的呢？
Cursor界面展示
Varun Mohan：我可以分享几点我们的优势。首先在产品方面，我们非常注重对超大规模代码库的理解，力求达到高质量的水平。这其实也可以说是我们最开始的目标。
我们合作过一些全球最大的公司，比如戴尔和摩根大通。像戴尔的代码库就超过了1亿行。能够迅速理解和大规模修改这些代码库，是我们花了很多时间去攻克的难题。
为此，我们开发了一套独特的模型，能在成千上万的GPU上并行处理这些庞大的代码库，帮助我们识别出最重要的代码片段。依托我们的基础设施，我们建立了大型分布式系统来完成这一任务。这就是我们的一个优势。
Lenny Rachitsky：我想补充一点，很多人可能低估了这一点。之前我们在播客中采访了Bolt和Lovable（都是AI编程初创公司）的创始人。它们的产品是为了从零开始构建应用，帮你写代码。
而相比之下，Windsurf可以处理数千万甚至上亿行的代码，就像Airbnb或Uber那样。理解企业的代码如何运作，哪些地方可以修改而不出错，这是个非常具挑战性的任务。这也是Windsurf的一个独特优势，我们正在借此不断前进。
Varun Mohan：没错。我们确实把很多精力放在了理解代码库上。还有一点是，我们要理解所有与代码库相关的用户交互。我们的服务不仅限于Windsurf，还特别关注像JetBrains这样的IDE。
大约70%到80%的Java开发者使用基于JetBrains的IDE进行编码，因此我们不需要去开发一个与JetBrains竞争的产品。JetBrains本身是一个非常可扩展的产品，而VS Code就相对不那么灵活。
我们想要的并不仅仅是吸引那些能切换到我们IDE的用户，而是希望为每位开发者提供一种Agent开发体验。如果有Java开发者在JetBrains中编码，那也没关系。
Lenny Rachitsky：有趣。那么你是说JetBrains是个非常庞大且灵活的产品，你们不觉得有必要直接与之竞争。相反，你们希望增强开发者的体验，无论他们使用什么IDE，是吗？
Varun Mohan：没错。我们与许多拥有上万开发者的大企业合作，其中超过一半的开发者使用JetBrains。JetBrains是一个极其庞大的产品。
JetBrains本身是一家私营公司，每年的收入也达到数亿美元。这是个非常庞大的公司。对我们而言，这也是个关键点。我们希望在开发者所处的环境中支持他们，无论他们使用的是哪个平台。
在安全性方面，我们也有一些优势，这对许多企业来说非常重要。Windsurf获得了FedRAMP认证，这使我们可以向大型政府机构销售产品。
Windsurf还支持混合使用模式，这意味着所有存储在用户设备上的代码都由用户掌控，而代码往往是公司最重要的知识产权之一。从大型企业的角度来看，我们具备处理复杂问题的经验。
12.如何有效使用Windsurf？明确需求和耐心是关键
Lenny Rachitsky：好的，Varun，我们别再卖关子了。来给大家现场演示一下Windsurf，让大家看看它的样子。我会在演示中问你一些问题。
Varun Mohan：好的。先给大家提供一下背景信息：这是一个非常基础的React项目，里面什么内容都没有。如果你打开任何文件，它就是一个默认的React应用。
你可以给Windsurf发送一张图片，告诉它你希望项目的样子。我这张草图描述的是一个“狗狗版Airbnb”网站。
Windsurf的一个优势就是可以在现有项目上进行开发。我们要做的就是告诉它：“把这个React应用改造成一个基于这张图片的狗狗版Airbnb网站，并进行预览。”
它将开始执行代码，读取代码库。由于它不知道当前代码库的具体样子，它会分析代码库，找出需要的更改。我们可以稍等一下，看看它会怎么操作。不过，我们也可以在等待的同时继续聊天。
Lenny Rachitsky：我想问你，如果你能在每个第一次使用Windsurf的用户身边，轻声告诉他们几句帮助他们更好使用你们产品的话，你会说些什么？
Varun Mohan：首先，我会建议他们要有耐心，并且明确自己的需求。当你请求应用程序进行更改时，它可能会做出许多不相关的调整。我认为避免这种情况的最好方法就是尽可能明确你的需求。
我建议用户一开始可以从小的修改开始。如果有一个大目录，最好不要一下子重构整个目录，因为如果出现错误，可能会影响到20个文件。用户会逐渐理解产品的优势和局限，并学会如何从中获取价值。不过，每隔三个月左右，产品的能力就需要重新评估一下。
Lenny Rachitsky：隐含的意思就是要对模型的能力有直观的理解——明白需求该具体到何种程度，又可以抽象到什么程度。随着时间的推移，你会逐渐培养出这种感觉。
13.AI深入理解用户行为，准确预测用户意图
Varun Mohan：现在我们已经实现了网页预览，不仅可以修改代码，还能针对不同部分进行具体修改。比如直接选中一个元素，让Windsurf将其背景改为红色。产品能够实时展示应用构建的过程，这真是非常有帮助。
标题：让应用开发更简单的Windsurf，真的是个好帮手！
现在你可以直接在应用界面上进行操作，根本不需要碰代码。虽然这样改动的效果可能不尽如人意，但如果我真的想这么做，谁也拦不住我嘛。
我们有很多互动方式，不只是简单的点击就能修改组件。就像我之前提到的，AI的角色已经改变了，现在它能帮你处理大量代码，而开发者的工作就是审查这些由AI生成的代码。
在这次播客中，我不会去逐一检查每一行生成的代码，但假设我需要修改某些部分，比如把“title”这个变量改成“titleStr”，我只需手动操作一次，然后告诉AI继续就行了。
Windsurf不仅能追踪Agent的操作，还能监控用户的行为。我们的目标是确保AI能理解用户的每一个动作，并且能够预测他们的意图。由于AI对代码库的深入了解，它理应能够识别出需要更改的所有地方。
它可以在应用层面上进行操作，也能在用户的代码层面上进行处理，弥补两者之间的差距。这不仅方便了不懂技术的用户，也为那些喜欢亲自编写代码的开发者提供了便利。
有趣的是，案例中的模板应用也是Windsurf生成的。我们的大多数用户都是从零开始构建自己的应用。
当我们推出Windsurf时，团队的每个人都参与了应用的构建，包括市场和销售部门。有一个令人惊讶的统计数字：我们节省了超过50万美元的SaaS费用，因为我们的市场团队用Windsurf自己开发了应用，而不是去购买现成的。
比如，我们的合作伙伴关系负责人没有花钱买现成的合作伙伴门户，而是自己动手开发了一个。他之前从未接触过软件开发，但我们成功地在公司内部安全地推出了这些应用，使得软件高度定制化，提升了我们的运营效率。这一点在半年前我根本没想到。
14. 垂直领域软件将遭遇AI的冲击，但本地开发模式不会消失
Lenny Rachitsky：你不必提到具体公司，但我想了解，越来越多的开发者和公司开始自制产品，对于SaaS公司来说，哪些领域你们最不看好？
Varun Mohan：我认为，那些非常细分的垂直产品将面临巨大的竞争。以销售软件为例，在我们公司，很难找到顶尖的工程师愿意去打造一个顶级的销售产品。他们对这类任务兴趣不大，开发投资级的法律或金融软件对我们而言也十分困难。
这些SaaS公司的优势在于，他们有独特的想法和足够的工程师来实现软件开发，而我们公司一直不愿意这样做，所以过去我们只能选择购买软件，别无他法。
不过，现在情况发生了变化：领域专家能够开发出他们真正想要的工具。那些垂直领域软件公司的存在是因为他们提供了多种功能，这种“大杂烩”的功能适合许多公司，但每个公司或许只需要其中的10%。
问题在于，每个公司都没有能力去维护或开发针对这10%功能的定制软件，但现在这一切都变了，他们能够做到。现在可能只需5分钟，甚至能更好地适配你的系统。
Lenny Rachitsky：现在的业务人员几乎不需要了解产品构建的任何知识。只需用一种糟糕的方式描述需求，就像一个糟糕的产品经理在和工程师沟通。但让人惊讶的是，AI真的能做出不错的产品。
Varun Mohan：完全同意。这表明主动性非常重要。如果产品经理有想法，就没有理由不去完善它。其实很多产品经理总是有主意，但他们对如何实现这些主意往往感到无从下手。现在，想法和主动性结合的人，可以自己去实现他们想要的东西，而不需要依赖外部资源。
Lenny Rachitsky：我想强调一点。你提到Windsurf不需要从样板代码库开始，它不是一个抽象的应用构建器，而是一个实际的IDE。它运行在本地机器上，而不是云端。这一点非常关键，因为它允许用户在本地运行，并使用所有必要的库。
Varun Mohan：是的，这一点非常重要。很多开发者更喜欢在本地进行构建，因为有些依赖在云端很难安装，比如Nvidia的驱动程序。我们希望为用户提供灵活性，让他们在任何环境下都能高效地进行构建。本地IDE和这种开发方式已经存在了几十年，短期内不会消失。
15. 每隔半年到一年更新产品状态，总是需要更多工程师
Lenny Rachitsky：你们的团队构架和运作方式真有意思。作为产品团队的一部分，你们在探索未来的过程中，团队的构成、工程师、产品和设计等方面有哪些特别之处呢？
Varun Mohan：我们核心的工程团队其实没有传统意义上的产品经理。因为我们所开发的产品是为开发者服务的，从某种程度上来说，开发者就像是我们自己的产品经理。如果我们的产品没有价值，那可能就是我们在招聘上出了问题。
在企业合作方面，我们需要与众多大公司打交道，这些需求往往不是工程师能够直接理解的。比如，有些客户会要求遵循FedRAMP标准，这就需要专门的产品战略人员去理解他们的需求，并结合我们的技术能力，去构建一个能够帮助客户规模化的产品。
不过，通常来说，我们的产品是以开发者为基础的。
Lenny Rachitsky：你们的工程团队是怎样构成的呢？
Varun Mohan：我们的团队结构相对扁平，尽量采用“两个披萨团队”的理念（亚马逊的贝佐斯认为，如果两个披萨根本不够喂饱一个团队，那这个团队就太大了），保持小规模团队的运作。
一旦团队规模过大，领导者就很难深入了解技术细节，而在这个快速发展的领域，光靠理论是非常危险的。我们的团队非常灵活，能够迅速调整优先级。
Lenny Rachitsky：你们有多少产品经理呢？
Varun Mohan：我们大约有160名员工，其中有3人专注于产品战略工作。此外，还有招聘、财务、营销等内部职能。
Lenny Rachitsky：尽管有观点认为AI将承担90%的编码工作，你们依然在招聘工程师，这听起来有些矛盾吧？难道未来你们就不需要这么多工程师了吗？
Varun Mohan：这要看增加工程师是否能够带来额外的价值。虽然AI确实编写了很多代码，但这并不意味着工程师的生产力就提升了十倍。工程师的角色可不仅仅是编写代码，还包括审查、测试、调试、设计和部署。
即使AI在一定程度上提升了效率，但考虑到技术需求的复杂性，我们可能始终需要更多的工程师。
Lenny Rachitsky：对于像摩根大通这样的大企业，每年有170亿美元的软件预算和超过5万名工程师，你们的产品能够帮助他们提升效率。
Varun Mohan：摩根大通等公司意识到，技术开发的回报率在提升，因此不增加技术投入的机会成本也在上升。这意味着他们需要招聘更多工程师，而不是减少。
Lenny Rachitsky：这对工程师职业来说是个好消息。如果像你们这样的公司开始减少工程师的招聘，那可能就是行业的警示信号了。
Varun Mohan：是的，现在大家都在积极招募工程师。我觉得进入工程领域仍然是个不错的选择。
Lenny Rachitsky：在开发AI产品和Windsurf的过程中，你有没有遇到什么反直觉的事情呢？
Varun Mohan：有个奇怪的现象是，大家都在追求短期的胜利，比如每周的更新。而我们公司其实更注重长期目标，比如3到9个月后要做的事情。我们的目标是每隔半年到一年就彻底改变产品的状态。这种长期的投资才是我们成功的秘诀。
Lenny Rachitsky：这让我想起Captions公司提到的他们有两条路线图：一条基于用户反馈和数据，另一条是根据对未来的预测。这真是个明智的做法。在创建Codeium之前，有没有一件事情是你希望自己能早知道的？
Varun Mohan：我希望自己能更谦虚，能更快接受自己可能是错的。很多时候，我们事后发现，如果早几个月做出某个决定就好了。
虽然外界看起来这些决定很及时，但我内心总是希望能更早采取行动。我们需要更频繁地重新评估假设，即便这让人感到不舒服。
Lenny Rachitsky：在结束之前，你还有什么想和听众分享的吗？
Varun Mohan：我认为最好的办法就是亲自去尝试这些工具。在未来一年，能够充分利用这些工具的人将获得巨大的竞争优势。许多人甚至不知道这些工具的存在，他们的工作效率会非常低下。所以，尽快去试试，看看这些工具可以如何帮助你和你的团队。
用这些工具来构建应用，修改现有的代码库。如果你是产品经理，能够快速修改代码并推送更改，你会赢得工程师同事的尊重，也能完成更多的工作。这个工具的潜力真的无穷无尽。
Lenny Rachitsky：这点常常被低估。Windsurf不仅能帮助构建新应用，还能对现有的代码库进行修改。比如在摩根大通这样的公司中，你可以直接用它完成任务，然后推送到GitHub并发起拉取请求。
Varun Mohan：是的，现在一切都变得开放，工作不再局限于某个角色。这为公司的各个层级提供了一个机会，让大家都能更高效地工作。
本文来自微信公众号“智东西”（ID：zhidxcom），作者：陈骏达，编辑：Panken，36氪经授权发布。
