刚刚用了比较多的篇幅来讲Cursor，主要是想说明一个以后我们可能会经常看到的现象：如果你的应用使用今天的模型勉强能跑，那么下一代模型可能会让它的体验有质的飞跃。（这个观点来自Y Combinator的创始人Paul Graham，也就是《黑客与画家》的作者) 就像Cursor一样，去年用GPT-4的时候，只是勉强感觉这个模式可能是work的，效果很一般，但今年有了新一代模型的加持后，体验上犹如跨越了一道鸿沟，从barely works变成了works really well。
过去的一两年里，我们总听到大家在谈AI Native应用，那AI Native应用的一个基本特点是什么呢？模型越弱，应用体验就越差；反之，模型越强，应用体验就越好。如果一个应用的体验与模型的水平关系不太大，那可能说明这个应用还不算是真正的AI Native应用，而Cursor就是一个非常典型的AI Native应用。那么我们来思考一个很有意思的问题：如果我是Cursor的创始人，当我看到今天Claude 3.5 Sonnet的表现之后，才去投入精力做Cursor，还来得及吗？我的答案是No，已经太晚了。
这么说可能有点抽象，我们来打个比方：假如我是一家公司的创始人，我在招人的时候发现一个年轻人很有潜力，但其他公司并没有识别出他的潜力，目前他也还没做出什么成绩，我当时想，“目前我们公司需要的是能干活的人，他经验太少，我等他成长起来再联系”。三年之后，他已经在行业内赫赫有名，我再去联系他时，发现很多家公司都在开高薪挖他，我已经没有机会了。
在做AI Native应用时，几乎面临一样的情况。当我们发现模型在某方面的潜力有一些苗头时，就应该准备入场了。一开始用当前的模型验证时，可能会发现体验没那么好，这很正常。当我们的应用研发得差不多的时候，可能新的模型刚好出来，我们有可能会惊喜地发现，应用体验有了质的提升。那如果提升不太大怎么办呢，那就继续再等一等。当然，要超前，但也不能太超前，否则可能还没等到新模型出来就撑不下去了。
总而言之，见微知著，未雨绸缪，剩下的，就交给时间。
过去的一两年里，我们总听到大家在谈AI Native应用，那AI Native应用的一个基本特点是什么呢？模型越弱，应用体验就越差；反之，模型越强，应用体验就越好。如果一个应用的体验与模型的水平关系不太大，那可能说明这个应用还不算是真正的AI Native应用，而Cursor就是一个非常典型的AI Native应用。那么我们来思考一个很有意思的问题：如果我是Cursor的创始人，当我看到今天Claude 3.5 Sonnet的表现之后，才去投入精力做Cursor，还来得及吗？我的答案是No，已经太晚了。
这么说可能有点抽象，我们来打个比方：假如我是一家公司的创始人，我在招人的时候发现一个年轻人很有潜力，但其他公司并没有识别出他的潜力，目前他也还没做出什么成绩，我当时想，“目前我们公司需要的是能干活的人，他经验太少，我等他成长起来再联系”。三年之后，他已经在行业内赫赫有名，我再去联系他时，发现很多家公司都在开高薪挖他，我已经没有机会了。
在做AI Native应用时，几乎面临一样的情况。当我们发现模型在某方面的潜力有一些苗头时，就应该准备入场了。一开始用当前的模型验证时，可能会发现体验没那么好，这很正常。当我们的应用研发得差不多的时候，可能新的模型刚好出来，我们有可能会惊喜地发现，应用体验有了质的提升。那如果提升不太大怎么办呢，那就继续再等一等。当然，要超前，但也不能太超前，否则可能还没等到新模型出来就撑不下去了。
总而言之，见微知著，未雨绸缪，剩下的，就交给时间。
