作者 | 木子、高允毅
全球AI 编程公司的最高估值，刚刚又被刷新了。
AI 编程界的当红炸子鸡Cursor（背后公司为 Anysphere），再次把行业的想象力拉满——最新估值飙到293 亿美元，约合人民币2079 亿元。
11 月 13 日，Anysphere 宣布完成23 亿美元 D 轮融资（约 163 亿元人民币）。这一轮融资落地后，公司的估值从上一轮融资结束后（今年 6 月）的 99 亿美元，涨到了 293 亿美元——差不多翻了 3 倍。
Cursor 官网博客显示，此轮融资的投资方阵容豪华，新增的投资者包括英伟达、谷歌和顶级基金 Coatue，Cursor 的现有投资者 Accel、Thrive、a16z 和 DST 也都相应增资。此轮融资的领投方是 Accel 和 Coatue。
不过据 CNBC 消息，Anysphere 的 CEO Michael Truell 表示，他们这家初创公司近期还没有上市的计划：
“我们眼下的重点是发展壮大公司和团队，在考虑上市之类的事情之前，我们还有很多工作要做。”
1 发布两年半，Cursor 带公司估值爆炸式上涨
2023 年，一款名为 Cursor 的原生 AI IDE悄然上线。自此，它以极少营销预算，在全球开发者社区迅速走红，成为当前增长最快的 SaaS 产品之一。
Cursor 的崛起踩中了软件工程正在形成的“Vibe 编码”趋势：开发者用自然语言与 AI 对话，由后者自动生成、修改、重构代码。而支撑这一范式的核心不是单纯的模型算力，而是Cursor ×的双引擎架构。 是专为写代码训练的模型，相当于 Cursor 的“大脑”；而 Cursor 团队为承载这种智能，重写了 IDE 底层架构，使其在上下文记忆、多语言支持与推理速度上全面领先同类工具，让 Composer 能真正理解并操纵真实代码库，而非孤立地产生文本。
依托这种架构，Cursor 在上线两年内实现了惊人的商业增长：年度经常性收入（ARR）突破 5 亿美元，日活跃用户超过 100 万，付费用户达 36 万，覆盖 5 万家企业，并进入超过一半的财富 500 强。
这轮爆发也源于行业痛点的集中释放：工程师短缺、成本高企，企业遗留系统沉重难维护，重复调试占据大量时间。Cursor 的产品形态天然对这些问题“对症下药”，加上免费版拉动试用、社区生态推动扩散，使产品飞轮加速旋转。
资本对这一增长曲线几乎没有迟疑。
从 2024 年 7 月的 6000 万美元融资开始，到当年 12 月完成的 1.05 亿美元 B 轮、2025 年 5 月的 9 亿美元 C 轮，再到 2025 年 11 月市场消息称的 23 亿美元 D 轮，Anysphere 在不到一年时间里估值从 26 亿美元跃升至 293 亿美元。
这样的速度在全球 AI 编程赛道上前所未见。其投资方包括 Accel、Thrive、a16z、DST、英伟达、谷歌与 Coatue 等一线机构。
行业还曾传出另一则插曲：OpenAI 曾在种子轮领投 Anysphere，并两度尝试收购，最高报价据称达到百亿美元级，但因 Anysphere 拒绝签署排他性模型协议而未能成行。
不过，高速增长的背后也有隐忧。曾有人讨论过，Cursor 深度依赖基础模型（OpenAI、Anthropic）以及 VS Code 生态，理论上“一个 API 变化”就可能带来结构风险。
同时，开源大模型的加速追赶正使底层能力趋同，技术壁垒不断被压缩。
面对这些挑战，Anysphere 正尝试将 Cursor 更深地嵌入企业研发链路——从测试、DevOps，到可观测性与数据回流；试图用更难被替代的“全链路集成”构建下一代护城河。
2 a16z 的最新播客，揭秘 Cursor 背后的独家故事
Cursor 今天处在行业关注的中心，但它的起点并非如此。
几天前，a16z 在一档播客里对 Anysphere 创始人 Michael Truell 进行了对谈。这位将公司在两年半内推至 2000 亿估值的创始人，首次系统讲述了 Cursor 的真实成长轨迹——从几乎走不通的“3D 机器人 CAD”方向，如何在关键转折点上果断掉头，最终冲入全球 AI 编程赛道的核心位置。
在这次访谈中，Michael 分享了 Cursor 的产品定位、关键设计取舍、为何坚持从 VS Code 切入、团队如何在极度资源匮乏的情况下在两周内做出可用的第一版 IDE，以及在规模暴涨时他们如何应对基础设施瓶颈、多云多供应商架构和模型供应链风险的真实决策过程。
与此同时，作为当下最受瞩目的 AI 编程公司之一，Cursor 对行业未来的判断也颇具前瞻性：软件工程正从“写代码”迈向“判断代码是否正确”，工程师的角色正在被重新定义为技术决策者，而非键盘执行者。
图源：Anysphere，从左到右依次为 Aman Sanger、Arvid Lunnemark、Sualeh Asif、Michael Truell
Michael 在节目中回溯了 Cursor 从错误方向转向增长路径的过程。几年前，团队还在尝试一个后来被证明难以成立的项目——利用大模型自动化 3D 机器人 CAD 设计。这个想法在早期听上去先进，但在实际推进中，他们遇到数据稀缺、模型推理与三维场景不兼容、行业知识难以补齐等结构性问题，进展长期停滞。
据 Truell 回忆，这段经历让团队意识到，他们既不具备足够的机械工程背景，也无法单靠大模型弥合专业差距。CAD 项目进入瓶颈，团队压力不断累积。方向的调整既偶然也必然。四名创始人都是深度工程师，熟悉命令行，也在很早一批试用了 GitHub Copilot。他们观察到，AI 第一次可以较高质量介入软件工程，但工具层的供给仍非常有限。经过讨论，团队放弃 CAD，重新把精力集中在更熟悉的领域。
从那之后，公司的发展路径开始发生变化。Cursor 选择从 VS Code 切入，而非从零构建一套新的 IDE。团队认为，核心问题不是“重造编辑器”，而是“让模型在真实开发流程中起作用”。基于这一判断，Cursor 的首个版本在数周内完成，并在发布后迅速在开发者社区扩散。
没有营销预算，早期增长主要来自社区的自发传播。Cursor 在开发者社区迅速扩散，成为被频繁讨论的 AI 编程工具，公司随之进入高速增长周期。
快速增长也带来了更复杂的挑战。
在高峰期，Cursor 的 API 调用量一度占到某云服务商两位数百分比的收入；团队不得不在短时间内完成模型供应商分散、自建推理与训练系统、重写部分基础设施等工作。
这些调整更多是为了应对增长带来的稳定性压力，而不是单纯追求“技术领先”。团队意识到，只有掌握更多底层能力，未来才可能在工程工具市场建立差异化。
Cursor 的组织方式也不典型。它的招聘流程是让候选人在办公室写两天代码，而非传统白板面试。这种方式能让候选人直接接触真实工作环境，也帮助团队判断匹配度。
并购策略同样围绕“人才密度”展开。例如他们收购过一个五人团队，关键原因在于其中一名成员曾负责 GitHub Copilot 前身功能的核心开发，而非为了补齐某个产品模块。
对 Cursor 来说，这类组织结构是应对高速增长不确定性的底层策略。
外界经常用“自动化编程”描述行业未来，但 Truell 的判断更谨慎。他认为距离完全自动化仍有距离。行业正处在工具升级的早期阶段，模型能力、工程实践与企业环境的差异，使得“无人式工程”在短期内难以全面落地。
他将当前阶段比作“iPod 与 iPhone 之间”——新形态正在形成，但技术路线和使用方式仍在演变。
Cursor 的目标，是在这一过渡期保持速度，探索下一代开发工具的可能性。
从 Cursor 的发展轨迹看，AI 编程工具的竞争已经从自动补全、单文件生成，转向对工程链路更深层的整合，包括测试、部署、可观测性和数据回流等环节。
Cursor 的崛起并非典型的“一次成功的产品迭代”故事，而是在错误方向中及时抽身，重新寻找需求明确且团队具备优势的位置。它的增长来自产品与场景的贴合度、团队密度和基础设施能力，而工程师供给紧张、企业系统复杂度上升等行业背景构成了需求侧的长期推动力。
随着估值升至 293 亿美元，Cursor 成为这一赛道最受关注的公司之一。但它未来仍需面对底层模型竞争、上下游依赖以及企业市场整合程度等问题。
以下是此次 a16z 对 Michael Truell 的访谈实录。
Cursor 的起源
a16z：我最近见到一家创业公司，他们说：“我们是 3D 领域的 Cursor。”我听了觉得很有趣，因为 Cursor 最初其实也做过 3D。能跟我们讲讲公司的起源故事吗？
Michael：公司的起步时间可以从不同阶段算起，但核心是，我们几位联合创始人原本就是学校或其他地方的老同事。促使我们真正萌生创业念头的，有两个关键时刻。
第一，是我们第一次体验到真正“有用”的 AI 产品，尤其是 GitHub Copilot——当时领域中的领先者。这让我们意识到：AI 不应该停留在实验室里，它已经能够在真实世界产生实际价值。
第二，是规模定律（Scaling Laws）带来的启发——即便领域暂时没有新的想法，只要模型规模继续扩大，效果依然会持续提升。
这是在 2021 到 2022 年初之间。
之后 Cursor 的雏形来自一次白板讨论，我们对 “Cursor for X” 这个概念非常兴奋——我们相信，在很多知识工作领域都会出现一家“负责自动化该领域”的公司。
这类公司会打造该领域最好的产品，获得最强的分发渠道，建立可观的商业规模，积累数据与资本，最终演变为一个推动底层模型进步的“实验室”，进而反过来提升产品本身，形成良性飞轮。
我们当时认为，微软会在“编程”这个垂直领域这么做，因此我们希望选择一个竞争更小、更冷门的方向。
由于团队中有人学机械工程，我们也熟悉 CAD 系统，于是最初决定尝试机械工程 / CAD 自动化。
但事实证明，这个方向并不合适。我们与这个领域的匹配度非常低。与机械工程师交流时，我们常常无法真正理解他们日常工作的核心，就像“盲人摸象”一样。
回头看，我甚至觉得那六七个月我们应该直接去机械工程公司实习，亲身体验他们的工作。
最终我们放弃了 CAD 方向，回到我们最感兴趣、也最擅长的领域——编程。
为什么 Cursor 早期成功？
a16z：我有一个理论：Cursor 早期成功的关键，是“专注”。你们选择了 VS Code，而不是从零重写一个编辑器，也没有立刻投入基础模型竞争。当时许多公司都在做更“科幻”的方向。你同意吗？
Michael：我认同你的大部分观察，但也必须说，Cursor 的故事还远没写完。
回到我们最初做 CAD 的那段经历：那个领域冷启动的难度非常大，没有现成模型、3D 数据匮乏，LLM 也几乎帮不上忙，我们花大量时间做建模、清洗数据，甚至因此留下了 PTSD。于是当我们回到编程这个熟悉的场景时，反而变得异常专注，只想以最快速度把一个能真正使用的产品做出来。
那时我们资金不多，团队只有四个创始人，却面临微软和几十家创业公司——从做基础模型到重构工作流，各种方向都有。在这样的竞争环境里，我们只能不断压缩时间，把所有能动用的精力放到产品上。
我们给自己设下的约束，是每个月写一封投资人更新邮件（尽管没人看，但对我们是很好的 deadline）。从决定做 Cursor 到做出一个“自己每天能用的 IDE”，只用了几周——最初甚至不是 fork VS Code，而是从零写的。又过了几周我们把它交给外部用户试用，再过几个月就发布了第一个 beta，很快获得了关注，也正式启动了最初的增长飞轮。
为什么坚持不去扩张到 CLI、IntelliJ 等方向？
a16z：随着势头变大，用户开始要求你们支持 CLI、IntelliJ 等工具，但你们没有做。这是刻意的吗？
Michael：是的，这是极为刻意的。我们四个创始人每天三餐都在讨论：要不要做扩展？要不要做模型？要不要做新的 IDE？
我觉得，我们那时候非常刻意地想要“拿住界面层”（own the surface）。现在这么干已经不算稀奇了，但在当时，大家都觉得你们做一个编辑器（不管是 fork 还是重写）这件事非常怪。很多人会说：“你们不可能让程序员换编辑器，他们对自己的编辑器黏性太强了。”
但我们知道这不对。因为我们自己就因为 Copilot，从原先的生态切到了 VS Code。我们原来都是那种“用命令行 Vim 的老古董”，所以我们非常清楚：如果你造出一个更好的“捕鼠器”，大家是会迁移的，只不过门槛很高。
同时，我们也非常明确：未来某个时间点，我们一定要进入模型层。这背后有一整条“慢慢倒推进去”的故事，现在也已经成为我们一个非常重要的产品杠杆。但我们不想从这里起步——起步阶段就一个目标：先把东西做出来，先别碰模型那一堆。
a16z：我记得你某晚打电话告诉我：“我们从一朵大云掉下来了，因为对方扛不住我们的流量。” 那时 Cursor 的规模增长得惊人。我在这个行业干了 30 年，看过很多公司，但从来没见过谁在这么短时间内扩到你们这样的规模，尤其在团队那么小的情况下。
Michael：我觉得，早期我们面对“规模”的方式，是：一个极小的团队在运营一个增长速度极快的在线服务。我的联合创始人们都非常优秀，但说实话，从“工作年限”角度看，我们算不上经验特别丰富的那类。于是很快就变成：大量用户开始使用我们的服务，而我们自己还在一边学一边救火。
有些东西特别容易把系统推到极限。比如，我们有自己的一套文件同步系统，你可以把它想象成：在 Cursor 里塞了两三个“小号 Dropbox”。系统内部还有一整套用于支持 AI 的搜索能力，从表面看似简单，但技术上却颇为复杂。根据架构不同，它很容易对底层云资源造成压力。
很快，我们就在那些“看起来只是普通云服务”的层面上，达到了很大的规模。那段时间有一整条“血泪史”：我们在跑一个非常非常大的 Kubernetes 集群，规模比许多公司都大，却只有公司五个人一边干一边摸索，中间自然会出各种小问题、小事故。
等我们把架构稳定下来并开始扩展团队后，新的问题又出现了，那就是我们开始把 API 供应商的容量压满。这些供应商一开始完全不知道该怎么理解我们——四个二十多岁的人，结果占了他们相当比例的 API 收入，他们甚至得根据我们的增长来做容量规划、财务规划。
那段时间我们不仅要花大量精力管理关系，也需要确保供应商愿意给我们足够的资源配额。后来我们还发现，同一个模型的 API token 在不同供应商之间都可以买到，甚至还有专门卖 token 的经销商。于是我们变成了满世界寻找 sonnet token 的团队。再往后，我们开始自己训练部分模型，也自己运行部分推理，这又带来了全新的扩展性挑战。
是否会最终自己做基础设施？还是依赖多家云提供商？
a16z：你觉得未来这件事会往哪个方向走？是会继续依赖多个外部第三方，形成一种异构的外部依赖体系？还是大部分基础设施最终都会逐渐收归内部，自建为主？我不是只说模型推理，我是指整个基础设施的方向。
Michael：你是指推理基础设施吗？
a16z：不，我指的是所有的基础设施——网站、桌面应用、后端系统等等。
Michael：我认为我们从一开始就非常“多云”，而且这条路径基本已经定下来了，长期来看我们会继续依赖多家云厂商，而不是只用一家。现在我们在用 Databricks、Snowflake、AWS、GCP、Azure，数据库用 PlanetScale。
我们遇到的一些规模问题非常真实，尤其是数据库的扩展。我们有不少操作非常依赖数据库性能。一开始我们用 RDS，一般情况下只是把实例变大就能撑很久，但最终你会遇到“实例最大值”的问题，那时就得问自己：是不是应该对数据库进行分片？
后来我们换到 AWS 的另一个数据库服务，他们告诉我们不需要分片，但那其实是不对的，你还是会需要分片。你原本以为这些云厂商已经把所有问题都解决好了，但事实上，真正达到这种规模的客户极少，他们自身也在边走边学。在这件事情上，PlanetScale 对我们非常关键，我们从 AWS 的无分片系统迁到 PlanetScale，效果非常好。
所以从长期来看，我们肯定还是会使用多家云服务。每个供应商都有自己的优势，这也是我们选择多云策略的原因。
如何优先分配 R&D？做多产品的权衡
a16z：继续聊产品。你们最初非常专注，但后来开始推出更多东西，比如 BugBot、CLI 以及各种基础设施改进。你们是如何决定要不要做这些的？这些方向是自然而然出现的，还是你们有非常严格的优先级机制？
Michael：其实是挺刻意的。我们会对很多事情说“不”。但我确实认为，未来我们必须要成为一家多产品线公司。
在这个领域里，有一个很大的多产品机会：做出一整套 AI 编程工具的“打包方案”。我们希望，对很多客户来说，Cursor 就是他们“AI 编码服务商”的那一层。
到目前为止，我们的核心“楔子”还是那一块——也就是工程师每天写代码时真正待着的那块“玻璃窗格”：编辑器。我们觉得在编辑器这个面板上还有非常多事情可以做，这也是我们投资源最多的地方。
同时，我们也认为：编辑器里工作方式的变化，必然会改变团队协作方式。这既是一个巨大的战略机会，也是要把“编辑器”这件事做到最好的必要条件——你必须有一套与之配套的东西，帮助团队做代码评审、协作与沟通。
所以这一切都是有意为之。老实说，我们也还在学习怎么把多产品这件事做得更好：比如怎么给这些项目足够的“保护罩”（air cover），怎么真正把 cross-sell（交叉销售）做好——我们这个赛道上的 cross-sell 空间非常大，一方面靠产品内 growth / PLG，把入口按钮点亮给用户看，另一方面也要真正赋能销售团队。
a16z：是的，从单产品走向多产品的 GTM 确实非常难。
Michael：我们还在不断学习，但已经对早期的结果非常兴奋。
你们是怎么招聘的？严格的两天试用
a16z：我见过很多公司，而 Cursor 的招聘流程绝对是我接触过最严格、最用心的之一。每次我帮你们参与招聘前，你们都会提前把候选人的背景、当前进展以及你们的策略发给我，可以看得出来你们在招聘上投入巨大。你能讲讲你们是怎么做招聘的吗？哪些做法是有效的，又有哪些是无效的？
Michael：第一条建议就是：让你的董事会成员多多打电话，直到他们喊停为止（笑），要充分利用他们的时间。
具体来说，我们这套流程有些地方还算“主流做法”，但也有一些挺不一样的地方。通常来讲，小公司在招第一批工程师的时候，会采用一种方式：让对方先以类似合同工的方式和团队一起工作一段时间，而不是走那种标准化的 LeetCode 算法题、标准面试环节——我们当时就是这么做的，因为这样最自然，最接近你想知道的“我们跟这个人一起工作是不是舒服”。
一般来说，很多公司在招了前几个人之后，就会把这套模式停掉；而我们是想停、也在内部尝试过很多次要停掉，但到现在还没停。到现在为止，所有加入工程团队和设计团队的人，都会来办公室待两天，做一个实际项目。
这两天时间非常自由，并不是那种“九点白板面试、十点系统设计、排满两天”的流水线式安排。我们给候选人一张桌子、一台电脑，告诉他们：“这是三个你可以做的项目，这是一个‘冻结版本’的 Cursor 代码库和已经配好的开发环境，你可以开始了。”
这两天“试工”有两个主要作用：第一，它能测试到很多传统编码面试所覆盖不到的“正交维度”。在此之前，我们会先做一轮相对传统的编码面试，再让人来现场。两天里我们可以看见：
TA 能不能在真实代码库里从头到尾做完一件事，
TA 是不是“有行动力、有主观能动性”（agentic），
在我们这里，工程、设计和产品非常紧密，所以我们喜欢招有产品感的工程师——两天试工也能看出，如果把 TA 丢在一个相对“真空”的环境中，会主动做出什么样的东西。
我觉得这两天能给我们关于“在我们这个环境下生存和发挥”的硬核技术信号，非常多。
第二个作用是文化匹配：
这两天能让我们感受到：“我们愿不愿意跟你一起共事？”
同时也让对方判断：“我愿不愿意和你们一起干？”
再加上第三个衍生好处——候选人能在这两天里获得大量关于公司的真实信息：这里日常是什么节奏、写什么代码、跟谁搭档、第一天入职会是什么感觉等等。这也是为什么，只要候选人最后说了“yes”，我们这边的匹配度通常都非常高。
这就是我们现在仍然坚持的一条非常“非典型”的做法：两天线下 onsite 试工，即使现在公司已经超过 200 人了，我们还是在做。
a16z：那你们不会对 go-to-market 的职位也做两天试做吧？
Michael：最早的时候会的！我们招聘最初几位销售时就是这样做的：直接给他们真实的 inbound leads，给他们一个配额，让他们做真正的产品 demo，模拟与真实客户的沟通，还会让他们查看真实数据并提出策略。最开始甚至到了这样的程度：“这是所有信息，请告诉我们应该怎么做销售。”之后流程当然更正规了，但最初确实就是这样运作的。
Cursor 做这么多 M&A（收购）的原因？
a16z：你们是我见过在并购上动作最快、最大胆的早期公司之一。传统的看法总是认为“初创公司不应该收购其他初创公司”，但你们做的这些收购显然非常成功。能讲讲你们是怎么思考这件事的吗？
Michael：到目前为止，对我们来说，这件事基本延续了我们一贯的思路：为了找到最优秀的人，可以把一切可能的招数都用上。
在我们要把团队从最初的十个人往上扩的时候，就已经做过很多“疯狂的招聘动作”了。比如：
明明对方已经拒绝你了，你还是飞到 TA 所在的国家去见他；
对方再次拒绝，你就“编一个故事”：说六个月后在旧金山会有一场研究者晚宴，强烈建议 TA 飞过来参加；
等六个月后对方真的来了，你再重新点燃对话，最后把他转化成公司工程师，结果他成了团队里最棒的人之一——这事儿，我们是实打实干出来的。
所以，我们一直非常在乎“把最强的人拉进来”。有时候，这些人“很方便地”并不在任何公司里；但更多时候，他们已经在创业，或者在别的公司负责很关键的事情。这就是为什么，我们很多并购的起点，都是“从人才出发”的。
但从人才开始，逐渐也延伸到战略。未来我们会更系统地把收购作为一种手段，让公司内部形成类似“总经理制”的产品团队，构建一整套 AI 编码工具，并引入与我们互补的创始人团队。对许多新产品，我们的想法通常是：要么我们自己做，要么看看市场上是否有合适的小团队加入我们。
我们的第一个正式收购案例是 Supermaven。那是一个五人团队，创始人 Jacob 之前做过 TabNine（在 Copilot 出现之前的自动补全顶尖产品），后来在 OpenAI 做研究（和 John 一起），他当时也在构建自己的补全模型，而他们的技术路线和 Cursor 完全互补。我们和他保持了很多个月的联系，最终我们非常主动、非常积极地推动了这起收购。
最后一个哲学问题：“Cursor 会不会被自己写的 AI 自动化掉？”
a16z：我想问你最后一个问题。这是我从你们某位候选人那里听到的，我觉得挺有哲理的。他说：“Cursor 正在颠覆整个软件行业，但 Cursor 自身又是写在软件里的，那 Cursor 会不会最终被自己的革命所威胁？”我当时回答他：“我宁可做颠覆者，而不是被颠覆的那一方。”但说实话，那听起来太像是 VC 的答案了。你怎么看？
Michael：我认为软件开发距离完全自动化还非常非常遥远。尽管外界不断在讨论这个话题，尽管需求巨大、行业节奏飞快、变化每天都在发生，但软件自动化真正的上限还远远没有到来。在大型组织里——几十人、几百人，甚至几千人的工程团队——开发流程依然极其低效。很多高管非常容易高估“软件开发已经被自动化”的程度，但事实并不是这样。
整个软件开发领域会经历很多次类似“iPhone 时刻”的技术跃迁。现在我们所处的阶段更像是经历了“iPod 时刻”，即将迎来“iPhone 时刻”，而在那之后还会继续出现更多“iPhone 时刻”。软件开发正在经历连续而巨大的飞跃，而 Cursor 必须成为一家能够不断构建下一代产品的公司。只要我们停止创新，我们就会被淘汰。
这也是为什么微软这样的巨头反而不容易完全主导这个市场。这个领域变化太快，技术跃迁太剧烈，底层结构又太灵活，使得大公司在这种节奏下反而更难跟上。这当然是挑战，但同时也是最大的机会。
声明：本文为 InfoQ 翻译整理，不代表平台观点，未经许可禁止转载。
2025 技术年度盘点，由你来决定！
2025 年的科技浪潮令人应接不暇。技术变化密集、层级交叠，让人眼花缭乱。临近年终，为了把有限的篇幅用在大家最关心的领域，我们今年希望借助投票的方式，选出数个关键领域进行趋势盘点。大家可以勾选出你最想看到的 3 个方向（可多选）。
除此之外，你还想看哪个方向的盘点? 有什么现象或争议点你希望我们“深扒”一下？哪些趋势你觉得太迷，需要专家带你看懂？对于年终盘点，大家有任何想法，都非常欢迎在评论区留言告诉我们！
AI 重塑组织的浪潮已至，Agentic 企业时代正式开启！当 AI 不再是单纯的辅助工具，而是深度融入业务核心、驱动组织形态与运作逻辑全面革新的核心力量。
把握行业变革关键节点，12 月 19 日 - 20 日，AICon 全球人工智能开发与应用大会（北京站） 即将重磅启幕！本届大会精准锚定行业前沿，聚焦大模型训练与推理、AI Agent、研发新范式与组织革新，邀您共同深入探讨：如何构建起可信赖、可规模化、可商业化的 Agentic 操作系统，让 AI 真正成为企业降本增效、突破增长天花板的核心引擎。
热门跟贴