夜雨聆风
原文如下：
我一直在思考公司在人工智能驱动的经济环境下的未来发展方向。
这次转型与以往任何平台变革都截然不同。过去，我们利用数字系统来提升人力资本。而现在，我们首次能够在人与数字系统之间建立真正的认知闭环。这令人耳目一新，因为它彻底改变了我们对企业内部工作的理解。
关键不在于某些数字工具或系统及其使用，而在于在人工智能模型可以不断吸收人类和组织的专业知识并将其商品化的世界中，组织如何继续学习、构建知识产权、实现差异化并蓬勃发展。
每家公司都必须构建我所谓的人力资本和代币资本。人力资本包括员工的知识、判断力、人脉关系、创造力和模式识别能力，而代币资本则是公司构建和拥有的人工智能能力。
重要的是，随着代币资本的增长，人力资本的价值并不会降低，只会增加！我相信人的主动性将是代币资本增长的驱动力。人类会设定远大的目标，将不同领域的信息联系起来，建立人脉关系，并识别出最重要的模式。如果没有人的引导，计算机就会原地打转。
这意味着真正的机遇不在于选择最佳模型，而在于构建一个基于模型的学习循环，使人力资本和代币资本能够复利增长。你可以外包一项任务，甚至一份工作，但你永远无法外包学习。企业的未来在于能否在人员和人工智能之间复利增长这种学习成果。
这需要一种全新的架构方法，让每个企业都能构建随着时间推移不断改进的智能系统，同时又能保持对其知识产权的控制权。企业应该能够在不丢失其学习系统中内置的“公司资深人士”专业知识的情况下，替换掉现有的“通用”模型。这将是未来时代对企业控制权和自主权的关键“考验”。
企业需要将自身的工作流程、领域知识和积累的判断转化为人工智能系统，并使其在每次使用中不断改进。私有评估应能捕捉模型是否真正针对对业务至关重要的结果（而不仅仅是外部基准！）进行了改进。私有强化学习环境应允许模型基于组织内部的真实数据不断成长。其知识库使机构记忆可查询，并提高了令牌的使用效率。
这个循环将成为公司新的知识产权。我把它比作一台爬山机器。与大多数资产不同，它具有复利效应。每一次工作流程的改进都会产生更好的训练信号，从而加速公司独有的隐性知识的积累。那些早期构建这一循环的公司将拥有难以复制的优势，无论其拥有何种新的单一模型能力。
我们最不希望看到的就是，所有行业、所有公司都将价值拱手让给少数几个攫取一切的模型。如果所有价值都集中在少数几个模型手中，政治经济体系绝对无法容忍。社会绝不会允许人工智能的未来掏空整个行业。
想想全球化第一阶段发生了什么，外包掏空了整个工业经济体。表面上看，GDP数据看起来不错，但产业转移是真实存在的，其后果至今仍在显现。我们绝不能让这种模式重演到人工智能时代，让少数人工智能系统攫取所有经济利益，而整个行业却眼睁睁地看着自己的知识被商品化，最终被彻底摧毁。
我认为，我们的首要任务必须是构建一个前沿生态系统，而不仅仅是一个前沿模式，这样价值才能广泛地流遍每家公司、每个行业和每个国家。在这个生态系统中，每个组织都能拥有编码其机构知识的学习循环，从而不断积累其人力资本和代币资本。
我从小就秉持着这样的理念：平台能够创造比平台本身所能提供的价值更大的额外价值，并且每家公司都可以不断创新，创造属于自己的价值。
当这种情况发生时，企业不仅能为自身创造价值，还能为周边经济创造价值。员工的专业知识将得到提升，他们的判断力将融入到可复制、可扩展的系统中，而企业和周边社区也将从中受益。
这就是企业如何为自身和更广泛的经济创造价值的方式。而这正是我们应该共同构建的稳定平衡。
一、未来企业的资产架构：
分为两种：
①人类资本：包含员工的知识、判断力、人脉关系、独创性以及核心的模式识别能力。
②Token资本（即AI能力）：企业所构建、拥有并掌控的AI能力（计算、模型与自动化系统）。
二、未来企业竞争力的转变
①过去企业的竞争力来源于某个系统或工具
②未来企业的竞争力，建立自己的学习闭环，建立一个持续进化的登山机。
③企业可以外包任务甚至岗位，但绝不能外包学习能力。
三、未来企业的AI架构
①底层解耦通用模型：
企业必须有能力随时更换底层的通用型模型，而不丢失企业自身沉淀下来的、如同公司老员工般的专业经验。
②上层构建私有进化环境：
私有评估体系：不看外部刷榜排名，只考核模型对企业核心商业目标的实际贡献。
私有强化学习：让模型在企业内部的实际运行轨迹中吸取教训、自主成长。
专属知识库：让制度化记忆变得可检索，提升Token使用效率。
四、建立前沿生态：绝不能让少数AI巨头吸干所有行业的价值
①反对垄断与价值闭环：如果所有经济价值都被少数几个全知全能的超级大模型吞噬，导致所有行业的知识被彻底商品化（低价贬值），全社会和政治经济结构将无法容忍。
②历史的教训：第一阶段全球化通过外包掏空了实体工业经济，虽然账面GDP好看，但带来了深远的社会撕裂。AI时代绝不能重蹈覆辙，绝不能让少数AI巨头吸干所有行业的价值。
4个MIT的00后，两年干出全球最火AI编程工具，600亿美元卖给了SpaceX
五个月后的 6 月 16 日，SpaceX 宣布以 600 亿美元收购 Cursor 的母公司 Anysphere，全部以股票支付。从那次紧急会议到被收购，中间只隔了短短一百多天。
2022 年从 MIT 毕业后，Truell 和三位同学 Sualeh Asif、Arvid Lunnemark、Aman Sanger 一起创办了 Anysphere。最初的产品是微软开源代码编辑器 VS Code 的改良版，12 个月做到 100 万美元年化收入。2023 年 3 月，Cursor 正式上线。
图丨Anysphere 的四位创始人（来源：Founded）
接下来发生的事情刷新了 SaaS 行业的所有增长记录。2024 年，Cursor 披露了超过 4 万家客户。到 2025 年底，年化收入从上一年的不到 1 亿飙升到超过 10 亿美元，十倍增长。2026 年 2 月翻倍到 20 亿，6 月再翻倍到 40 亿。
没有任何一家 B2B SaaS 公司在 24 个月内完成过从零到 20 亿的跨越。英伟达 CEO 黄仁勋公开称 Cursor 是自己“最喜欢的企业 AI 服务”。到被收购前，Cursor 已经拥有 700 名员工，客户覆盖了 60% 的财富 500 强企业。
Claude Code 上线后迅速获得了开发者的追捧，到 2026 年 2 月年化收入达到 25 亿美元，超过了同期 Cursor 的 20 亿。社交媒体上开始出现一波“取消 Cursor 订阅”的帖子。
更深层的冲击不只是一个竞品的出现，而是整个 AI 编程工具的范式在发生转移：开发者越来越倾向于把完整的任务交给一个在终端里自主运行的编程代理，而不是 IDE 中等待逐行补全。Claude Code 和 OpenAI 的 Codex 代表的就是这个方向。Cursor 作为一个 IDE 产品，发现自己站在了范式转换的旧船上。
Cursor 没有选择从头训练，而是选择了中国大模型公司月之暗面的开源模型 Kimi K2.5 作为基座。Cursor 在此基础上投入了 85% 的算力做自己的后训练：强化学习、继续预训练，以及一种新的“定向文本反馈”技术。2026 年 5 月发布的 Composer 2.5 在主流编码基准测试上接近 Claude Opus 4.7 和 GPT-5.5 的水平，但每个任务的成本只有后者的十分之一。
Cursor 的工程师 Lucas Garza 说，Composer“收到了极其正面的反馈”，主要原因是便宜和快。这两个优势恰好踩中了一个行业痛点：AI 编码工具的成本正在成为企业工程预算中一个越来越难以忽视的项目。
4 月 21 日，Truell 在 X 上发了一条简短的帖子：“很高兴与 SpaceX 团队合作扩展 Composer。这是我们通往最佳 AI 编码体验之路上有意义的一步。”
图丨相关推文（来源：X）
这条帖子没有提到的是，Truell 同时签署了一份潜在的 600 亿美元收购协议。
对 SpaceX 来说，这笔交易同样顺理成章。今年 2 月收购 xAI 后，SpaceX 拥有了位于孟菲斯的 Colossus 超级计算中心，部署了约 55.5 万块英伟达 GPU，功率达 2 吉瓦。但这台巨型机器如今主要在替别人干活，Anthropic每月付 12.5 亿美元租用算力，Google每月付 9.2 亿。而 xAI 自身的 AI 产品 Grok 在编码方面的能力，连 xAI 内部的承包商都承认“不是最好的”。SpaceX 有算力没产品，Cursor 有产品没算力。
点击阅读原文，了解更多！
广而告之：
达谛咨询：FMEA培训辅导案例软件
重剖FMEA本质、建构预防核心！
感兴趣者扫码联系：
