为什么Cursor、Claude Code已经打得火热，投资人却愿意再给一家新公司15亿美元估值？
答案藏在企业工程团队的真实痛点里——不是"能不能写代码"，而是"敢不敢把核心系统交给AI"。
从冷邮件到15亿美元：一个物理学博士的辍学创业
2023年，加州大学伯克利分校的博士生Matan Grinberg做了一件很多研究者想但没做的事：给红杉资本合伙人Shaun Maguire发了一封冷邮件。
两人聊的是学术——Grinberg当时在研究的物理学方向，恰好和Maguire在加州理工的博士课题重合。这种"学术血缘"最终说服Grinberg辍学创业，红杉也在种子轮就押注了这家后来叫Factory的初创公司。
两年后的2025年4月，Factory宣布完成1.5亿美元融资，估值15亿美元。领投方是Khosla Ventures，红杉、Insight Partners、黑石集团跟投。Khosla的董事总经理Keith Rabois加入了Factory董事会。
从冷邮件到独角兽，Grinberg的路径和OpenAI的Sam Altman、Anthropic的Dario Amodei完全不同。后两者是AI研究领域的"正统出身"，而Grinberg更像一个闯入者——用物理学训练出的系统思维，解决工程管理问题。
这种背景差异或许解释了Factory的产品逻辑：不做"最强模型"，做"最会切换模型的系统"。
多模型切换是护城河，还是行业标配？
Grinberg在接受《华尔街日报》采访时说，Factory的核心差异点是能在不同基础模型之间切换——比如Anthropic的Claude，或者中国AI公司DeepSeek的模型。
但这个说法需要拆解。
Cursor同样不依赖单一模型。这家估值更高的AI编程工具，底层接入了GPT-4、Claude、Gemini等多个模型，根据任务类型自动选择。Cognition的Devin、Anthropic自家的Claude Code，也都具备多模型或模型无关的设计。
所以"能切换模型"本身不是差异化。真正的差异可能在于：Factory把切换做成了面向企业工程团队的"策略层"，而非技术层的自动路由。
具体来说，Factory的AI代理（AI Agent，即自主执行任务的AI系统）允许企业根据代码库特性、合规要求、成本敏感度，自定义模型选择规则。比如处理金融核心系统时强制调用本地部署的模型，写内部工具时切换至成本更低的云端API。
这种"可控的灵活性"对企业客户有吸引力。Factory目前的客户名单包括摩根士丹利、安永、Palo Alto Networks——全是监管严格、代码资产重的机构。
Cursor和Cognition也在攻企业市场，但它们的起点是"个人开发者效率工具"，企业功能是后来叠加的。Factory从第一天起就是"企业工程团队的基础设施"，这是定位上的根本差异。
生成式AI三年：为什么编程仍是最大金矿
Factory的15亿美元估值，建立在一条被验证过无数次的赛道上。
生成式AI爆发至今超过三年，AI辅助编程（AI-assisted coding）始终是最受欢迎、最赚钱的应用场景。GitHub Copilot的年经常性收入（ARR） reportedly 已超过3亿美元；Cursor的估值在2025年初 reportedly 达到26亿美元；Cognition虽然产品争议不断，但融资额同样惊人。
这个市场的吸引力来自三个结构性因素。
第一，需求刚性。软件开发的人力成本占科技企业运营支出的30%-50%，且优秀工程师长期短缺。AI辅助编程直接作用于成本结构和交付速度，ROI（投资回报率）可量化。
第二，场景封闭。代码有严格的语法规则、明确的正确性标准（能跑通/不能跑通）、完善的测试验证机制。相比开放域的文本生成，编程是AI最"安全"的落地场景——幻觉（hallucination，即AI生成错误信息）的后果可控，且有自动化手段检测。
第三，数据飞轮。企业代码库是最私密的资产，不会上传到公有API。谁能提供私有化部署、合规审计、权限管控，谁就能拿到竞争对手无法触及的训练数据。Factory强调的"企业级"定位，瞄准的正是这个数据闭环。
但这也意味着竞争维度在变化。早期比的是模型能力（谁生成的代码更准），现在比的是系统集成（谁更能嵌入企业的开发流程），未来可能比的是行业know-how（谁更懂金融合规、医疗设备认证、汽车功能安全）。
Factory的多模型策略，本质上是在押注"没有单一模型能通吃所有场景"。这在技术快速迭代的当下是合理假设，但也带来执行复杂度——维护多个模型的接口、版本、成本优化，本身就是工程负担。
中国模型的意外角色
Grinberg在采访中特别提到了DeepSeek——这家中国AI公司的模型被纳入Factory的切换选项。
这在2025年的美国AI创业圈并不常见。地缘政治紧张背景下，多数美国企业软件公司对中国模型持谨慎态度，担心数据安全审查、供应链风险、客户接受度。
Factory的选择可能有三个考量。
成本层面。DeepSeek的API定价显著低于美国同类模型，对成本敏感的企业客户有吸引力。Factory的"策略层"设计，可以把DeepSeek分配给低优先级任务，实现成本优化。
性能层面。DeepSeek在特定代码任务上的表现 reportedly 接近或超过部分美国模型，尤其在数学推理、长上下文理解方面。
差异化层面。在Cursor、Cognition、Claude Code的公开宣传中，几乎看不到中国模型的身影。Factory主动提及DeepSeek，既是对技术多元化的宣示，也可能是一种市场区隔策略——吸引那些不愿被单一美国供应商绑定的全球化企业。
但这种策略的风险同样明显。如果中美关系恶化导致DeepSeekAPI受限，或者客户方的合规团队否决中国模型，Factory需要快速调整产品叙事。多模型架构提供了灵活性，但"为什么选DeepSeek"这个问题，销售团队必须准备好答案。
15亿美元估值背后的赌注
Khosla Ventures领投这轮，值得注意。这家VC在AI领域的布局极具进攻性：早期投资了OpenAI，押注了Character.AI、Runway等应用层公司，也支持了多家AI基础设施初创。
Keith Rabois的加入董事会，意味着Factory将获得远超资金量的资源——Rabois在PayPal、LinkedIn、Square的操盘经验，以及他在硅谷创始人网络中的影响力。
但15亿美元估值也设定了极高的增长预期。Factory需要证明：企业工程团队愿意为"可控的多模型策略"支付溢价，且这个溢价足以支撑比Cursor更重的销售和服务成本。
目前的客户名单（摩根士丹利、安永、Palo Alto Networks）是好消息，但样本量有限。这三家都是科技友好型机构，本身就有AI实验预算。Factory的真正考验在于：能否渗透进更传统、更保守的企业——那些仍在用Java 8、审批流程以周为单位、对"AI写代码"本能抵触的组织。
如果成功，Factory将验证一个被长期讨论但 rarely 被证实的命题：在AI时代，"企业级"本身可以成为护城河。不是技术领先，而是合规、审计、权限、SLA（服务等级协议）——这些"无聊"的基础设施能力，可能比模型参数更能锁定大客户。
如果失败，Factory将沦为又一个"有差异化但无规模"的AI工具，最终被Cursor或微软Copilot的企业版功能覆盖。
实用指向：这件事对你意味着什么
如果你是科技从业者，Factory的融资至少传递了三个可操作的信号。
第一，AI编程工具的选型标准正在从"模型能力"转向"组织适配"。评估Copilot、Cursor、Factory或任何新工具时，重点不是它在公开基准测试上的分数，而是它能否嵌入你的代码审查流程、满足你的合规审计要求、适配你的技术债现状。
第二，多模型策略从"技术选项"变成"风险管理手段"。依赖单一模型供应商（无论是OpenAI、Anthropic还是Google）的长期风险正在显现——定价权、服务稳定性、地缘政治。Factory的设计思路可以被借鉴：即使使用单一工具，也要确保有模型切换的逃生通道。
第三，企业级AI的采购决策权正在从开发者向CTO/CIO转移。Cursor的 viral 增长来自自下而上的开发者采用，但Factory的客户获取路径是自上而下的企业销售。这意味着预算审批更复杂、周期更长，但一旦进入，替换成本也更高。如果你是卖家，销售策略需要相应调整；如果你是买家，议价空间可能比想象中更大。
Grinberg从冷邮件到15亿美元的故事，本质上是一个关于"时机"的案例研究。生成式AI的浪潮给了他入场券，但赛道本身的拥挤意味着差异化必须足够锋利。Factory押注的是：企业工程团队需要的不是"最好的AI程序员"，而是"最听话的AI外包团队"——可控、可审计、可替换。
这个判断是否正确，2025年的企业采购决策将给出答案。
热门跟贴