Cursor創業者：コード後時代に「品位」はますます価値を持つ
TechFlow厳選深潮セレクト
Cursor創業者：コード後時代に「品位」はますます価値を持つ
Cursorの目標は、まったく新しいプログラミング方法を創造することです。
Web3業界の深掘り報道に専念し潮流を洞察著者：Xin
史上で最も急速に成長した製品の一つとして、Cursorは発表からわずか20カ月後に1億ドルのARR（年間収益）を達成しました。その後2年以内に3億ドルのARRを突破し、エンジニアやプロダクトチームがソフトウェアを開発する方法の変革をリードし続けています。2025年初頭時点で、Cursorには36万人以上の有料ユーザーが存在します。
Michael Truellは、Cursorの母体であるAnysphereの共同創業者兼CEOです。彼はMITの同級生3人とともにAnysphereを設立し、わずか3カ月でCursorをリリースしました。Michael Truellはポッドキャストへの出演を極めて控えており、これまでLex Fridman Podcastにのみ登場したことがあります。今回の対談では、「コード後（After code）時代」に関する予測、Cursor構築における直感に反する経験、そしてエンジニアの将来に関する見解について語っています。
本内容はLenny's Podcastからの引用であり、以下はその翻訳全文です。
- Cursorの目標は全く新しいプログラミング方法を創出すること：将来的には英語に近い疑似コードを見るようになるでしょう。人間はソフトウェアのあらゆる詳細に対して強力な制御力を得られ、非常に迅速に変更・反復が可能になります。
-「審美眼（taste）」の価値がますます高まる：「審美眼」とは「何を構築すべきか」について明確な認識を持つことの核心です。
- AIを最も上手く活用しているユーザーほど技術的に保守的：彼らはAIに任せるタスクの範囲をより小さく、より明確に限定することが非常に得意です。
- Cursorの採用面接の中心となるのは2日間にわたる評価プロセス：これらの評価プロジェクトはシミュレーションですが、2日間で候補者が実際に成果を出すことができます。これは「一緒に働きたいかどうか」を判断するだけでなく、候補者を惹きつける点でも重要です。初期の企業が人々を惹きつける唯一の手段は、共に奮闘したいと思える優れたチームだけなのです。
チャットボット型プログラミングの主な問題は正確性の欠如にある
Lenny：以前、「コード後時代」に何が起こるかについて話しました。Cursorの将来の方向性についてどのようにお考えですか？技術は従来のコードからどのように進化していくのでしょうか？
Michael Truell：Cursorの目標は、まったく新しいプログラミング方式、まったく異なるソフトウェア構築方法を創出することです。コンピュータに対して自分の意図を最もシンプルな方法で説明すればよく、ソフトウェアの動作方法と表示方法を自分で定義できます。
今日の技術がますます成熟するにつれて、現在よりも高度で効率的かつ使いやすい、まったく新しいソフトウェア構築手法を開拓できると信じています。このプロセスは、現在のソフトウェア作成方法とは大きく異なります。
私はこれを未来のソフトウェア形態に関するいくつかの一般的な見解と比較したいと思います。その中には、私たちがそれほど同意しない流行の見解もあります。
一つの見解は、今後もソフトウェアの構築は基本的に変わらず、TypeScript、Go、C、Rustなどの形式的プログラミング言語によるテキスト編集に依存するというものです。もう一つの見解は、チャットボットに指示を入力してソフトウェアを構築させ、必要に応じて修正させるというもので、まるでエンジニアリング部門と会話しているようです。
私たちはこれら二つのビジョンにも問題があると考えています。
チャットボット型プログラミングの主な問題は正確性の欠如です。人々がソフトウェアの外観や機能を完全に制御できるようにするためには、単にチャットボックスでロボットに「アプリのこの部分を修正して」と言うよりも、望む変更をより正確に指示できる方法が必要です。そうでないと、すべてが削除されてしまうかもしれません。
一方で、何も変わらないという世界観も誤りです。なぜなら、技術はますます強力になっていくからです。私たちが想定する「コード後」の世界では、ソフトウェアの論理表現は英語により近づいていきます。
それはより規範的な形式を持ち、疑似コードの方向へ向かうと考えられます。ソフトウェアの論理を記述し、より高いレベルで編集し、簡単に閲覧できるようになります。百万行にも及ぶ難解なコードではなく、より明確で理解しやすく特定しやすいものになります。私たちは複雑な記号やコード構造を、人が読みやすく編集しやすい形へと進化させることを目指しています。
コード後時代、審美眼の価値はますます高まる
Lenny：これはとても深い洞察ですね。あなたの想定する変化は、人々がコードを見なくなる、JavaScriptやPythonの形式で考える必要がなくなるということですよね。代わりに、英語の文に近い疑似コードのような、より抽象的な表現形式になるのですね。
Michael Truell：最終的にはその段階に到達すると考えています。そのためには現役の専門エンジニアが関与し推進する必要があります。未来においても人間が運転席に座って主導することは変わりません。
人はソフトウェアのあらゆる詳細に対して強力な制御力を保持しており、その制御権を簡単に放棄しません。同時に、非常に迅速に変更・反復を行う能力を持っています。将来は数週間かかるような遅く、バックエンドで行われる工学的プロセスに頼ることはなくなります。
Lenny：ここから次の疑問です。現在のエンジニア、あるいはエンジニア、デザイナー、プロダクトマネージャーになろうとしている人たちにとって、「コード後時代」にますます価値を持つスキルは何だと思いますか？
Michael Truell：「審美眼（taste）」の価値がますます高まると考えます。ソフトウェア分野での審美眼といえば、視覚効果、スムーズなアニメーション、配色、UI、UXなどが思い浮かびやすいです。
製品にとって視覚は非常に重要です。しかし前述したように、重要なもう半分は製品のロジックと動作方法です。
視覚効果を設計するためのツールは多くありますが、ソフトウェアの動作ロジックを表現する最良の形式は依然としてコードです。Figmaで見た目を示したり、ノートに大まかなスケッチを描くことはできます。しかし本当に使えるプロトタイプを持つことで、初めてロジックが明確になります。
将来のエンジニアはますます「ロジックデザイナー」に近づいていきます。彼らは意図を正確に表現する必要があります。「どう実装するか」という裏方から、「何を実装するか」「それは何か」という高次元の視点へ移行するのです。つまり、「審美眼」はソフトウェア開発においてさらに重要になります。
現在のソフトウェア工学ではまだそこまで至っていません。ネット上にはAI開発に過度に依存し、明らかな欠陥や機能的な問題を持つソフトウェアに関する、面白く深遠なジョークがたくさんあります。
しかし私は、将来のソフトウェアエンジニアは今のように細部の制御にこだわる必要がなくなり、徐々に厳密さから「審美眼」重視へと移行していくと信じています。
Lenny：これによりvibe coding（雰囲気プログラミング）が思い出されます。これは細部をあまり気にせず、もっと自然に任せたプログラミングスタイルに似ているのでしょうか？
Michael Truell：関連はあると思います。現在人々が話題にするvibe codingは、大量のコードを生成しながらもその詳細を真に理解していないという、議論の多い創作モードを指していると感じます。このようなモードには多くの問題があります。基礎となる詳細を理解していなければ、すぐに自分が作ったものが大きすぎて変更できなくなることに気づくでしょう。
実際に私たちが関心を持っているのは：基礎となるコードを完全に理解していなくても、すべての詳細を完璧に制御できる方法です。この解決策はvibe codingと密接に関連しています。
私たちはまだ「審美眼」が本当にソフトウェア構築を主導できる能力を持っていません。vibe codingや類似のモードの問題点は、何かを作り出せても、多くの場合AIが下した不器用な決定であり、完全に制御できないことです。
Lenny：「審美眼」という言葉を使われましたが、具体的には何を指しているのでしょうか？
Michael Truell：「何を構築すべきか」について明確なアイデアを持つことです。このアイデアはますます容易に変換されるようになり、あなたが作りたいソフトウェア、その見た目や動作方法が明確になります。
今の状況とは異なり、チームと製品のアイデアを持った後、それをコンピュータが理解・実行できる形式に変換するために、翻訳層が必要で、多大な労力と努力を費やす必要はありません。
「審美眼」はUIとはあまり関係ありません。「審美眼」という言葉が適切かどうかはわかりませんが、その核心は「何を構築すべきか」について正しい認識を持つことです。
Cursorの誕生は一つの問いかけからの探求だった
Lenny：Cursorの起源について振り返りたいと思います。多くのリスナーはそれがどのように始まったのか知らないかもしれません。あなた方は史上で最も急速に成長する製品の一つを構築しています。Cursorは人々が製品を作る方法を根本的に変え、業界全体を変革しつつあります。一体どのようにして始まり、初期の発展過程で印象的な瞬間はありましたか？
Michael Truell：Cursorの誕生は、ある問いかけからの探求に由来し、また今後10年間でAIがどのように良くなるかについての深遠な考察の結果でもあります。そこに二つの重要な瞬間がありました。
一つ目はCopilotのベータ版を初めて使ったときです。実用的なAI製品に初めて触れ、華々しいデモではなく、実際に助けになるものだと実感しました。Copilotはこれまでに採用した中で最も価値のある開発ツールの一つであり、私たちも非常に興奮しました。
もう一つはOpenAIなどの企業がモデルのスケーリングに関する一連の論文を発表したことです。これらの研究は、画期的な新アイデアがなくても、モデルの規模を拡大し訓練データ量を増やすだけで、AIの能力がますます強くなることを示していました。2021年末から2022年初頭にかけて、AI製品の将来に強い確信を持ち、この技術が必ず成熟すると感じました。
周囲を見渡すと、多くの人がモデルの作り方について話していた一方で、特定の知識労働領域に真正面から向き合い、AI技術の進歩とともにその領域がどのように進化するかを真剣に考えている人はほとんどいませんでした。
そこで私たちは考えました。この技術がますます成熟するにつれ、これらの具体的な領域はどのように変化するのか？最終的な仕事の形態はどうなるのか？私たちが使うツールはどのように進化するのか？モデルはどのような水準に達すればその変化を支えられるのか？モデルのスケーリングや事前学習がさらに向上しなくなったとき、技術的能力の限界をどうやって突破するのか？
Cursorが最初に犯した間違いは、競争が少なく、退屈で地味な領域を選んでしまったことです。誰もその地味な領域には注目しません。
当時、プログラミングは人気で面白いと思われていましたが、すでに多くの人が取り組んでいると思っていました。
当初4カ月間、私たちはまったく異なるプロジェクトに取り組んでいました。機械工学の自動化と強化を支援し、機械エンジニア向けのツールを構築するものでした。
しかし最初から問題に直面しました。私と共同創業者はどちらも機械エンジニアではなく、その分野の友人がいたとはいえ、極めて無知で、「盲人の象を触る」状態でした。例えば、既存のモデルを機械工学にどう適用するか？当時の結論は、独自のモデルをゼロから開発する必要があるということでした。これは非常に厄介なことでした。なぜなら、ネット上にはさまざまな工具や部品の3Dモデルとその構築手順に関する公開データがほとんどなく、それらのリソースを持つチャンネルからモデルを入手することも困難だったからです。
しかし最終的に気が付きました。機械工学にそれほど興味がなく、一生を捧げる価値があるとは思えませんでした。
プログラミング分野を振り返ると、かなり時間が経っていたにもかかわらず、顕著な変化はありませんでした。この分野で働く人々は私たちの考えとズレており、将来の方向性やAIがすべてを再形成する方法について、十分な野心や先見性を持っていないように見えました。こうした認識が、私たちがCursorの構築に踏み出すきっかけとなりました。
Lenny：地味な業界に挑戦するというアドバイスが好きです。競争が少なく、チャンスがあるからです。時にはこれがうまくいきます。しかし、AIプログラミングやアプリ開発など、最もホットで人気のある分野に大胆に挑戦する別の考え方もあり、それも成功すると考えます。
既存のツールには十分な野心や可能性がなく、もっとできることがあると感じました。これは非常に価値のある啓示です。GitHub Copilotのような製品がすでに存在していても、既存の解決策の野心が足りず、自分の基準を満たさない、または方法に欠陥があると感じれば、巨大なチャンスが潜んでいるのです。そうでしょうか？
Michael Truell：全く同感です。画期的な進歩を実現するには、具体的に取り組めることが必要です。AIの魅力は、AIプログラミングを含め、多くの場所にまだ未知の巨大な空間があることです。
多くの分野の天井は非常に高いです。どこを見ても、どの分野の最高のツールであっても、今後数年間で完成すべき仕事が大量に残っています。これほど広大な空間と高い上限を持つことは、ソフトウェア開発において非常に独特であり、少なくともAIはそうです。
Cursorは初めからDogfoodingを重視した
Lenny：IDE（統合開発環境）の問題に戻りましょう。あなた方はいくつかの異なるルートを検討し、他の企業も試みています。
一つはエンジニア向けIDEを構築し、そこにAI機能を統合する方法です。もう一つはDevinのような完全なAIエージェントモードです。第三に、非常に優れたコーディングモデルを構築し、最高のコーディングモデルを作ることに集中する方法です。
なぜ最終的にIDEが最適なルートだと決めたのですか？
Michael Truell：最初からモデルの開発に集中したり、エンドツーエンドのプログラミング自動化を試みたりする人々は、私たちとはまったく異なるものを構築しようとしています。
私たちがより重視するのは、人々が構築するツールの中で下されるすべての決定に対するコントロールを確保することです。対照的に、彼らはAIが全工程を完了し、すべての決定を担う未来を想定しています。
一方で、私たちの選択には興味駆動の側面もあります。他方で、常に現在の技術水準を非常に現実的な視点で見るように努めています。AIが今後数十年にわたって持つ潜在能力に非常にワクワクしていますが、時に人々はAIが特定の分野で優れているのを見て、それらのモデルを擬人化し、その分野で人間より賢いと思えば、他の分野でも必ず優れていると考えがちです。
しかし、これらのモデルには大きな問題があります。私たちのプロダクト開発は初めから「Dogfooding（自社製品の自社利用）」を重視しており、毎日大量にCursorを使用しており、自分たちにとって無意味な機能をリリースすることを決して望んでいません。
私たちは自らが製品の最終ユーザーであることから、現在の技術水準に対する現実的な認識を持っています。人間が「運転席」にいることが極めて重要だと考えています。AIがすべてを処理することは不可能です。
個人的な理由からも、ユーザーにこのようなコントロールを提供したいと思っています。これにより、単なるモデル企業ではなくなり、人々のコントロールを奪うエンドツーエンドの製品開発アプローチから距離を置くことができます。
IDEを構築することを選んだ理由、既存のプログラミング環境用のプラグインではなく、それはプログラミングがこれらのモデルを通じて行われ、プログラミング方法が今後数年間で大きく変化すると堅く信じているからです。既存のプログラミング環境の拡張性は非常に限られており、UIやプログラミングパターンが破壊的に変化すると考えるなら、アプリケーション全体を完全にコントロールする必要があります。
Lenny：現在IDEに注力していることは承知しています。おそらくそれは偏見であり、将来の方向性だとお考えなのでしょう。しかし、将来SlackなどのツールでAIエンジニアが大部分の仕事を代行してくれるようになる可能性はないでしょうか？このような方法がいつかCursorに組み込まれることはあるでしょうか？
Michael Truell：理想的には、これらの間を簡単に切り替えることができると考えます。時として、AIにしばらく独立して作業させたいと思うかもしれません。時として、AIの成果を取り出して、効率的に協力したいと思うかもしれません。時として再び自主的に作業させたいと思うかもしれません。
これらのバックグラウンドとフロントグラウンドの両方の形式がうまく機能する統一された環境が必要だと考えます。バックグラウンドでの作業には、非常に少ない説明で正確に要求を指定でき、正しい基準を判断できるプログラミングタスクが特に適しています。バグの修正は良い例ですが、これはプログラミングのすべてではありません。
IDEの本質は時間とともに根本的に変化します。私たちが独自のエディタを構築する理由は、それが絶えず進化するからです。この進化には、Slackや課題追跡システムなどの異なるインターフェースからタスクを引き受ける能力が含まれます。日常的に見つめているこのガラスの画面自体も大きく変化します。現在、IDEをソフトウェアを構築する場所と考えています。
AIを最も成功裏に活用するユーザーは技術的に保守的
Lenny：人々がAgentsやこれらのAIエンジニアについて話すとき、十分に認識されていない点は、私たちが很大程度で「工学マネージャー」になり、あまり賢くない部下を多数管理することになり、レビュー、承認、要求の具体化に多大な時間を費やす必要があるということです。この問題についてどう思いますか？このプロセスを簡素化する方法はありますか？
なぜなら、これは本当に簡単ではないように聞こえます。大規模なチームを管理したことがある人なら誰でも深く共感するでしょう。「これらの部下は常に品質がばらばらの仕事を繰り返し持って来て、本当に苦痛です。」
Michael Truell：ええ、最終的にはこれらのAgentsそれぞれと個別に一対一の会話をしなければならないかもしれません。
AIを最も成功裏に活用しているユーザーを観察すると、彼らは技術的応用において逆に比較的保守的です。実際に、現在最も成功しているユーザーは、私たちの「次回編集予測（Next Edit Prediction）」のような機能に非常に依存しています。通常のプログラミングプロセスの中で、私たちのAIが次に実行すべき操作を賢く予測します。彼らはまた、AIに任せるタスクの範囲をより明確に、より小さく限定することが非常に得意です。
コードレビューに費やす時間コストを考慮すると、Agentとの協力には主に二つのモードがあります。一つは、初期に詳細な説明に多大な時間を費やし、AIに独立して作業させ、その後AIの成果をレビューする方法です。レビューが終われば、タスク全体が完了します。
もう一つは、タスクをさらに細分化する方法です。少しずつ指示を与え、AIが完了したらレビューし、さらに指示を与えてAIに続きをさせ、またレビューする。これはプロセス全体でオートコンプリートのような機能を実現するようなものです。
しかし、頻繁に観察されるのは、これらのツールを最も上手く使うユーザーが依然としてタスクを分割し、管理可能な状態を維持することを好むことです。
Lenny：これは難しいことです。Cursorを最初に構築したときのことに戻りたいと思います。いつ準備ができたと感じましたか？いつ発表して何が起こるか見てみようと思いましたか？
Michael Truell：Cursorの構築を始めたとき、開発に長期間かかり、外部に発表できないままになることを非常に心配していました。Cursorの最初のバージョンは完全にゼロから「手工業」で作られました。現在はVS Codeを基盤としていますが、多くのブラウザがChromiumをコアとしているのと同じです。
しかし初めはそうではなく、Cursorのプロトタイプをゼロから開発しました。これは多大な作業を伴いました。複数のプログラミング言語のサポート、コード間のナビゲーション機能、エラー追跡など、現代のコードエディタに必要な多くの機能を自ら開発する必要がありました。さらに、組み込みのコマンドラインや、リモートサーバーに接続してコードを表示・実行する能力も必要でした。
我々は驚異的なスピードで開発を進め、ゼロから独自のエディタを構築し、同時にAIコンポーネントも開発しました。約5週間後には、既存のエディタを完全に捨て、新しいツールの使用に移行していました。ある程度実用的だと感じた時点で、他の人に試してもらい、非常に短いベータテストを行いました。
最初のコードを書いた日から一般公開まで、Cursorは約3カ月しかかかりませんでした。目標はできるだけ早く製品をユーザーの手に渡し、公的フィードバックに基づいて迅速に反復することでした。
驚いたことに、当初はこのツールが長期間数百人のユーザーしか惹きつけないと考えていましたが、発表当初から大量のユーザーが押し寄せ、多くのフィードバックを提供してくれました。初期のユーザーからのフィードバックは非常に貴重で、それが私たちがゼロから構築したバージョンを放棄し、VS Codeを基盤とする決断を促したのです。それ以来、私たちは公的環境で製品を継続的に最適化しています。
3カ月で製品をリリース、1年でARR1億ドル達成
Lenny：あなた方が達成した成果に対して謙虚であることがとても好感が持てます。私の知る限り、約1年から1年半の間にARRを0から1億ドルに引き上げたとのことですが、これは確かに歴史的な偉業です。
成功の鍵となる要素は何だと思いますか？自身で製品を使うことが一つだと述べていました。しかし3カ月で製品をリリースしたのは信じられないことです。その背後にある秘訣は何ですか？
Michael Truell：最初のバージョン、つまり3カ月で完成したバージョンは完璧ではありませんでした。そのため、常に改善できる点があるという緊迫感を持ち続けています。
私たちの究極の目標は、今日知っている膨大なコーディング作業を自動化できるまったく新しいプログラミングパラダイムを真に創出することです。Cursorが現在どれほど進歩しても、その究極の目標にはまだ遠く及ばないと感じており、常に多くのことがやるべきだと感じています。
多くの場合、最初のリリース効果に過度にこだわるのではなく、製品の継続的な進化に注力し、このツールを絶えず改善・完成させることに重点を置いています。
Lenny：その3カ月後、何か転換点があり、すべてが急上昇し始めたのでしょうか？
Michael Truell：正直に言えば、初期の成長はかなり緩やかに感じられました。おそらく私たち自身が少し忍耐不足だったからかもしれません。しかし、全体的な成長速度に関しては、常に私たちを驚かせてきました。
最も意外だったのは、この成長が実際には安定した指数関数的傾向を保ち続け、毎月継続的に成長していることです。新しいバージョンのリリースやその他の要因が時折このプロセスを加速させることもあります。
もちろん、初期の指数成長は非常にゆっくりと感じられ、ベースも確かに低いため、初期には本当に爆発的な勢いを感じませんでした。
Lenny：これはまさに「創れば、人々は来る」という例のようです。ただ自分が好きなツールを作っただけで、リリースすると皆が気に入り、口コミで広がりました。
Michael Truell：はい、ほぼその通りです。私たちのチームは製品そのものに大部分の精力を注ぎ、他のことに気を取られることはありませんでした。もちろん、チームの構築、ユーザーサポートの担当ローテーションなど、他の重要なことに時間を使うこともありました。
しかし、多くのスタートアップが初期に精力を注ぐいくつかの通常業務については、「問題をそのまま放置」しました。特に営業とマーケティングです。
私たちは製品の洗練に全力を注ぎ、まずチーム自身が好きな製品を作り、一部のコアユーザーからのフィードバックに基づいて反復しました。これは単純に聞こえるかもしれませんが、実際に実行するのは簡単ではありません。
探索できる方向は多く、異なる製品ルートがあります。難しさの一つは集中を保ち、戦略的に構築する主要機能を選択し、優先順位を決定することです。
もう一つの課題は、私たちがいる分野自体がまったく新しい製品開発モデルを表しているという点です：私たちは伝統的なソフトウェア企業と基礎モデル企業の中間に位置しています。
数百万のユーザー向けに製品を開発しているため、製品レベルで究極に到達する必要があります。しかし、製品の質のもう一つの重要な次元は、科学研究とモデル開発を継続的に深化させ、重要なシーンでモデル自体を継続的に最適化することです。これら二つのバランスを取ることは常に大きな課題です。
最も直感に反することは、自社モデルを開発することになるとは予想していなかったこと
Lenny：Cursorの構築、AI製品の構築に関して、今までで最も直感に反することは何ですか？
Michael Truell：私にとって最も直感に反ったのは、当初まったく自社でモデルを開発するとは予想していなかったことです。この分野に入った当初、すでにモデルトレーニングに特化して始めた企業がありました。GPT-4のトレーニングに必要なコストとリソースを計算した結果、これは私たちが実行可能なことではないと明確にわかっていました。
市場にはすでに多くの優れたモデルがあります。特に事前学習（Pre-training）において、インターネット全体を学習させるために、何にも知らないニューラルネットワークに学習させる必要があるのに、なぜ他人がすでにやっていることを再現しようと努力するのでしょうか？したがって、当初はこの道を進むつもりは全くありませんでした。当初から明確にわかっていたのは、既存のモデルが実現できるはずの多くのことがまだ実現できていないのは、それらのモデルを支える適切なツールが欠けているからです。それでも、私たちはモデル開発に多大な精力を投入しました。
なぜなら、Cursorを使用するときに感じる「魔法のような瞬間」の一つ一つは、すべて私たちのカスタムモデルに多少なりとも由来しています。このプロセスは段階的でした。最初は、主流の基礎モデルではあまり適していないユースケースで独自のモデルをトレーニングし、それが成功しました。その後、別のユースケースにもこの考え方を適用し、これも良好でした。以降、継続的に推進してきました。
このようなモデル開発を行う際の重要なポイントは、正確に目標を選び、車輪の再発明をしないことです。トップクラスの基礎モデルがすでに非常にうまくやっている分野には手を出さず、それらの弱点に焦点を当て、それをどう補うかを考えます。
Lenny：多くの人があなた方が独自のモデルを持っていると聞いて驚きます。なぜなら、人々がCursorやこの分野の他の製品について話すとき、それらを「GPTの外装（shell）」と呼び、ChatGPTやSonnetのようなモデルの上に構築されたツールだと考えるからです。しかし、あなたは独自のモデルを持っていると述べました。その背後にある技術スタックについて教えていただけますか？
Michael Truell：確かに、さまざまなシーンで主流の基礎モデルを使用しています。
ユーザーにCursor体験を提供する上で重要な環節では、より多く自社開発のモデルに依存しています。基礎モデルのコストやスピードの理由で対応できないユースケースです。一例がオートコンプリートです。
コードを書かない人にとっては、これは理解しにくいかもしれません。コードを書くことは独特な作業です。時として、未来5分、10分、20分、さらには30分の作業内容を、現在の操作を観察するだけで予測できます。
執筆と比較すると、多くの人がGmailのオートコンプリート機能や、SMS、メールなどのテキスト編集時に現れるさまざまなオートコンプリートのヒントに馴染みがあるかもしれません。しかし、これらの機能の作用は限られています。なぜなら、既に書かれた内容だけでは、次に何を書くかを推測するのは難しいからです。
しかし、コードを書くときは、コードベースの一部を変更すると、他の部分も同期して変更する必要があり、その変更すべき内容は明らかです。
Cursorのコア機能の一つが、この強化されたオートコンプリートです。複数のファイルにまたがり、ファイル内の異なる位置で、次に実行すべき一連の操作を予測します。
モデルがこのシーンで優れたパフォーマンスを発揮するには、300ミリ秒以内に補完結果を出力できるほどのスピードが必要です。コストも重要な要素で、キーを押すごとに数千回の推論をトリガーし、次に実行する操作の予測を継続的に更新します。
これは非常に特殊な技術的課題にも関わります。モデルが普通のテキストシーケンスのように次のトークンを補完するだけでなく、一連のdiffs（コード変更）を補完するのに優れている必要があります。つまり、コードベースで既に発生した変更に基づき、次に発生する可能性のある追加・削除の変更を予測する必要があります。
このタスクのために特別にモデルをトレーニングし、非常に効果的でした。この部分は完全に自社開発で、基礎モデルを一度も呼び出したことはありません。この技術にラベルやブランド宣伝をしていませんが、Cursorのコアです。
自社開発のモデルを使用するもう一つのシーンは、Sonnet、Gemini、GPTなどの大規模モデルのパフォーマンスを、入出力において強化することです。
入力段階では、モデルがコードベース全体を検索し、大規模モデルに提示すべき関連部分を特定します。コードベース内で関連内容を検索する「ミニGoogle検索」のようなものです。
出力段階では、大規模モデルが提供する変更提案を処理し、特別にトレーニングされたモデルで詳細を補完・完成させます。例えば、高度なモデルが高レベルのロジック設計を完了し、全体の方向性を出すためにいくつかのトークンを消費します。それとは別に、より小さく、より専門的で、非常に高速なモデルが、いくつかの推論最適化テクニックと組み合わせて、この高レベルの変更提案を完全で実行可能なコード変換に変換します。
このようなアプローチにより、専門的なタスクの完了品質が大幅に向上し、反応速度も大きく加速します。私たちにとってスピードは製品を測る上で極めて重要な指標です。
Lenny：これはとても興味深いです。最近ポッドキャストでOpenAIのCPO（チーフプロダクトオフィサー）Kevin Weilにインタビューしましたが、彼はこれを「アンサンブルモデル（Ensemble of models）」と呼んでいました。
彼らも各モデルが最も得意な機能を利用するのです。より安価なモデルを使うことでコスト面での大きな利点があります。あなた方が自らトレーニングしているこれらのモデルは、LLaMAなどのオープンソースモデルをベースに開発されていますか？
Michael Truell：この点で私たちは非常に実用的で、車輪の再発明をしたくありません。そのため、市販されている最高の事前学習済みモデルから始めます。通常はオープンソースですが、時として重みを外部に公開しない大規模モデルと協力することもあります。直接重み行列を読み取ったり行ごとに検索したりできるかどうかはあまり気にせず、モデルをトレーニングし、後トレーニング（Post-train）する能力を重視しています。
AI製品の天井は、20世紀のパーソナルコンピュータや検索エンジンのよう
Lenny：多くのAI起業家や投資家が考えている問題があります。AIの護城河と防御力はどこにあるのか？カスタムモデルは護城河を築く一種の方法のようです。競合が絶えず新製品を出し、あなたの飯の種を奪おうとしている中で、長期的な防御力をどう獲得するのでしょうか？
Michael Truell：確かにユーザーの慣性や護城河を築くための伝統的な方法はあります。しかし、究極的には最良の製品を絶えず作るために努力し続ける必要があります。AIの天井は非常に高く、どんなバリアを築いても、いつでも超えられる可能性があると信じています。
この市場は過去の伝統的なソフトウェア市場や企業市場とは少し異なります。似ている例は1990年代末から2000年代初頭の検索エンジンです。もう一つは70〜80年代から90年代のパーソナルコンピュータと小型コンピュータの発展です。
AI製品の天井は非常に高く、製品は急速に反復されます。賢い人間の1時間あたりの付加価値、1ドルの研究開発費用あたりの付加価値から、巨額のアウトプットを得ることができます。この状態は長期間続きます。開発すべき新機能が尽きることはありません。
特に検索分野では、流通チャネルを増やすことも製品の改善に役立ちます。なぜなら、ユーザーのデータとフィードバックに基づいてアルゴリズムとモデルを継続的に反復できるからです。これらのダイナミクスは私たちの業界にも存在していると信じています。
私たちにとっては、これはやや無力な現実かもしれません。しかし、世界全体にとっては刺激的な真実です。今後も多くのリーディング製品が登場し、創造されるべき多くの意味のある機能があります。
5〜10年後のビジョンにはまだ遠く及ばず、私たちがすべきことは革新エンジンを高速で稼働させ続けることです。
Lenny：これはまるで「消費者型」の護城河を築くようなものです。Salesforceのように会社全体と契約を結び、従業員が使わざるを得ないようにするのではなく、最良の製品を継続的に提供し、ユーザーが使い続けたいと思わせるのですね。
Michael Truell：はい。もし自分がいる分野がすぐに価値あるものがほとんどなくなってしまうなら、状況はあまり楽観できません。しかし、この分野で多額の資金投入や傑出した人材の努力が継続的に価値を生み出せるなら、研究開発のスケールメリットを享受でき、正しい方向に深く技術を掘り下げ、バリアを構築できます。
確かに消費者志向の傾向もあります。しかし、その核心は最良の製品を作ることにあります。
Lenny：将来は「勝者がすべてを独占する」市場になると思いますか、それとも多くの差別化された製品が登場すると思いますか？
Michael Truell：この市場は非常に巨大だと考えます。あなたがIDEの状況に言及しました。この分野を研究する人々は、過去10年のIDE市場を振り返り、「編集器でお金を稼げる人が本当にいるのか？」と尋ねることがあります。かつては誰もが自分好みの設定を持っていました。優れた編集器を作り商業化に成功した企業は一社だけでしたが、その規模も非常に限定的でした。
そのため、一部の人々は将来も同じ構造になると結論づけています。しかし、私はこの見方は2010年代にプログラマー向け編集器を構築する可能性が限られていたという一点を見逃していると考えます。
編集器でお金を稼いだ企業は、主にコードベースのナビゲーションの簡素化、エラーのチェック、使いやすいデバッグツールの作成に集中していました。これらの機能は価値がありますが、プログラマーやさらに広範な知識労働者向けツールの構築には巨大な機会があると考えます。
私たちが直面している真の課題は、大量の退屈な事務的・知識的作業を自動化する方法です。これにより、さまざまな知識労働分野でより信頼でき、より効率的な生産性向上を実現できます。
私たちがいる市場規模は非常に大きく、過去の開発者ツール市場に対する認識をはるかに超えていると考えます。さまざまな解決策が登場し、業界をリードする企業が現れるかもしれません。それが私たちかもしれませんが、まだわかりません。この企業は、世界中の大部分のソフトウェアの構築を支援できる汎用ツールを作り、時代を代表する巨大企業になるでしょう。同時に、特定のニッチ市場やソフトウェア開発ライフサイクルの特定段階に特化した製品も存在するでしょう。
最終的には、プログラミング自体が従来の正式なプログラミング言語の記述から、より高次元へと移行し、そのような高次元ツールがユーザーが購入・使用する主な対象となるでしょう。AIプログラミングには支配的なプレイヤーが現れ、極めて巨大な企業へと成長すると信じています。
Lenny：興
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
