要么全栈,要么出局:xAI 600 亿美元收购 Cursor 背后的算盘

marsbit發佈於 2026-06-18更新於 2026-06-18

文章摘要

xAI以600亿美元股票收购Cursor母公司Anysphere,核心意图并非市场份额,而是获取其700万开发者每日产生的高质量代码训练数据。文章指出,代码生成是当前大语言模型最成功的应用,并以Anthropic为例,其营收在28个月内增长约540倍,其中Claude Code产品贡献显著,迅速占据企业AI编程市场过半份额。 作者(VC机构Strange Ventures合伙人)提出核心观点:想成为AI巨头,必须构建“全栈”能力——即打通算力、模型与应用层。全栈模式能改善模型训练的经济效益,并通过应用层获取专有数据构建竞争壁垒。预计未来模型公司将更积极地自建或并购应用层业务。 此次收购印证了xAI完善其全栈布局(算力Colossus、模型Grok、应用X)的战略,Cursor的代码数据将直接增强Grok的竞争力。文章最后强调,在AI工具大幅降低产品开发门槛的当下,创业公司需要具备更大的野心方能成功。

作者: Tara Tan

编译:深潮 TechFlow

来源: The Strange Review

深潮导读: SpaceX 旗下 xAI 以 600 亿美元股票收购 Cursor 母公司 Anysphere,买的不是市场份额,而是 700 万开发者每天写代码的高质量训练数据。Strange Ventures 合伙人 Tara Tan 借这笔交易抛出一个判断:想当 AI 大厂,就必须把算力、模型、应用全栈打通。这篇短评把 Anthropic 28 个月营收涨 540 倍的路径拆给你看,也解释了为什么模型公司接下来会疯狂向应用层并购。注意作者身份是 VC,full-stack 正是其自家投资主题。

代码生成是大语言模型迄今最强的杀手级应用,没有之一。

Anthropic 的营收从 2024 年 1 月的 8700 万美元年化收入,涨到 2026 年 5 月的 470 亿美元,28 个月翻了大约 540 倍。撑起这个增速的是两台引擎同时发力:一头是自上而下的企业合作(Claude 是唯一一个同时上架三大云平台的前沿模型),另一头是自下而上的开发者渗透,靠的就是 Claude Code。这款产品是公司史上增长最快的,9 个月从 0 干到 25 亿美元年化收入。现在 Anthropic 拿下了企业级 AI 编程市场 54% 的份额。

Cursor 是 SpaceX 押下的同一个赌注。

昨天 SpaceX 宣布收购 Anysphere,也就是 Cursor 背后的公司,作价 600 亿美元股票。Cursor 这款 AI 编程工具每天有 700 万开发者在用。它四年前从 MIT 孵化出来,年化收入冲到 20 亿美元,是这个品类里收入最高的 AI 编程工具。过去一年它的份额一直在掉,从 41% 滑到 26%,因为 Claude Code 杀了上来。但 xAI 要买的根本不是市场份额。

xAI 本来就有全栈:Colossus 是算力,Grok 是模型,X 是应用。问题是 X 是用来刷的地方,Cursor 是用来写代码的地方。开发者写代码产生的,大概是 AI 领域信号最强的训练数据,而这正是 Grok 要补齐战斗力所缺的那一块。

这件事坐实了我从去年 9 月 OpenAI 和英伟达那笔交易以来一直在琢磨的一个想法:

想做 AI 大厂,就得做全栈。

这个逻辑越来越清楚了。更好的产品带来更好的基础设施(更多数据),更好的基础设施又反过来带来更好的体验。这一直是我们在 Strange 的核心投资逻辑。

图注:作者团队关于「全栈闭环」的投资逻辑图

做全栈带来两件事:

第一,建模型和训模型的单位经济模型变得可持续。

第二,你能从应用层拿到专有训练数据,把自己和别的模型厂商区隔开。用户数据和工作流锁定,就成了一道好看的护城河。

接下来几年大概会看到这些动作:模型公司从内部自己长出应用,或者激进地向上并购、直接吃下应用层。

创业者现在流行一句话:因为做产品比以前容易了 10 倍,公司就得比以前野心大 10 倍才能成。眼下看,这话在各个赛道都应验了。

——Tara

相關問答

Q文章中提到xAI收购Cursor背后主要的战略意图是什么?

AxAI收购Cursor(及其母公司Anysphere)的主要战略意图,并非为了其市场份额(事实上Cursor的市场份额在下降),而是为了获得其平台上700万开发者每天编写代码所产生的、高质量且信号极强的训练数据。这些数据被认为是AI领域最强的训练数据之一,可以用于补充和完善xAI的模型Grok的能力,从而在“全栈”竞争中弥补自身在应用层和数据获取上的短板。

Q作者Tara Tan提出的“全栈”具体指哪几个层面?xAI的全栈是如何构成的?

A作者提出的“全栈”主要指AI行业的三个核心层面:算力、模型和应用。具体到xAI的例子,其全栈构成是:Colossus(算力基础)、Grok(核心AI模型)、以及X和Cursor等(应用层)。这种布局旨在通过应用获取高质量数据,反哺模型和算力的优化,形成一个自我强化的闭环。

Q文章中以Anthropic为例,说明了其巨大营收增长依靠哪“两台引擎”?

AAnthropic在28个月内实现约540倍的营收增长,依靠的是“两台引擎”同时发力:1. 自上而下的企业合作:其模型Claude是唯一同时上架亚马逊AWS、微软Azure、谷歌云三大云平台的前沿模型。2. 自下而上的开发者渗透:其产品Claude Code是公司史上增长最快的产品,9个月从零增长到250亿美元年化收入,帮助企业拿下了企业级AI编程市场54%的份额。

Q作者认为做“全栈”能为AI大厂带来哪两个关键优势?

A作者认为,做“全栈”能为AI大厂带来两个关键优势:1. 使构建和训练模型的单位经济效益(Unit Economics)变得可持续。2. 能够从应用层获得独有的、专有的训练数据,这些数据能将自己与其他模型厂商区分开来,形成基于用户数据和工作流锁定的强大护城河。

Q作者预测未来几年AI模型公司会采取什么样的战略动作?

A作者预测,为了在竞争中胜出并建立优势,未来几年AI模型公司将采取两种主要战略动作:1. 从公司内部自行孵化和发展出成功的应用产品。2. 更加激进地进行向上游的并购(即向应用层并购),直接收购成熟的应用公司,以快速获取用户、数据和市场地位。

你可能也喜歡

AI 代理购物为何难以普及?

当前AI代理购物难以普及的核心原因在于,其主流叙事混淆了购物中“信息检索”与“价值判断”两个本质不同的环节。AI擅长处理标准化的信息检索(如搜集、筛选、对比),但“价值判断”(如商品是否合适、商家是否可信)高度依赖人类的主观偏好和情感,无法完全委托给机器。 价值判断本身又包含“评估”和“需求定义”两层。AI可以辅助评估,但“需求定义”(即确定什么标准重要、权重如何)的主权必须掌握在人类手中。研究表明,人类偏好并非固定不变,而是在选择过程中建构形成,因此人机交互需要持续沟通,而非一次性输入标准清单。 真正的应用场景分界线在于:购物是“琐事”还是“享受”。对于打印纸、电池等标准化复购商品,AI全权代理能高效省力。但对于红酒、家具等享受型消费,挑选过程本身就是乐趣的一部分,AI更适合扮演信息搜集和初步筛选的角色,将最终选择权留给人。 所谓“给AI配钱包”的叙事存在逻辑漏洞。它只解决了支付环节,而AI是否需要资金托管,取决于它是否拥有决策权。实际落地中,更可行的方案是授予AI一次性、有限范围的支付授权,而非完全的资金控制。AI独立托管钱包的真正适用场景是标准化的企业采购(B2B)和机器间自动结算(M2M),而非个人消费。 AI购物普及的真正瓶颈并非支付技术,而是:1)可信数据源的缺失(如虚假评价、假货问题),这会影响AI判断的可靠性;2)人类“需求定义权”本身无法自动化。若由AI生成需求标准,最终偏好将不属于用户本人。 因此,未来的方向应是:让AI安全、可控地自动化处理筛选和评估,同时将定义评判标准和享受选择乐趣的核心权利归还人类。对于电商平台而言,核心竞争力在于提供更优质的选择体验,并优化信息标准化程度以更好地服务于AI代理的检索。

Foresight News1 小時前

AI 代理购物为何难以普及?

Foresight News1 小時前

交易

現貨
活动图片