Cursor即将被收购、Figma股价大跌，模型厂商还会吃掉谁？AI应用存在护城河吗？|cursor|figma|护城河|新论文|模型厂商|编程|飞轮

今天，SpaceX 宣布，将与 Cursor 展开深度合作，未来可能会以 600 亿美元的价格收购 Cursor。

近一两年来，Cursor 这类的 Coding Agent 产品几乎都经历了火箭式的增长。但当 Codex、Claude Code 都下场编程领域后，Cursor 的处境更像是：你的竞争对手，同时也是你付费购买模型的供应商。你是他们推理服务上的租客，是他们定价餐桌上的客人。但他们发布了一款针对你的竞品。

Figma 也是同一个故事。在上周 Anthropic 正式上线了 Claude Design 后，Figma 的股价跌了 7%。

过去两年，AI 创业者们相信一套完整的逻辑闭环是：数据飞轮、垂直 fine-tune、AI 原生 UX，这三件事叠在一起，应该能构成足够深的护城河。

但这套逻辑其实已经开始松动了。

AI 应用公司，存在的一个集体性的认知盲区是：大家都在研究怎么和同类竞争，但没有认真想过，威胁很可能来自自己的供应商。

过去评估护城河，问的是「你有什么别人没有的东西」。现在这个问题已经不够用了，需要换成：如果 Anthropic 的下一个模型强 10 倍，你的公司变得更值钱还是更不值钱？

⬆️关注 Founder Park，最及时最干货的创业分享

Founder Park 正在持续寻找值得被看见的 AI 团队与项目。

我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。

如果你正在做 AI 相关的事，欢迎和我们聊聊。

01你以为的护城河，很可能只是时间差

过去一年，「数据飞轮」是 AI 应用公司最喜欢讲的故事。对很多 AI 公司来说，数据飞轮本来应该是「救命稻草」的存在。逻辑是：更多用户产生更多数据，更多数据训练出更好的模型，进而更好的模型吸引更多用户。如此循环，直到地位不会被竞争对手撼动。

Completions data 是被引用最多的例子。这类数据包含了两个核心信息：用户给 agent 输入了什么，以及他们是接受还是拒绝了 AI 的修改建议。往往第二个信息才是真正有价值的部分。这不是简单的点赞或踩，它意味着「我对这段代码有足够的信心，愿意把它放进我的代码库」，这是一个极强的训练信号。Intercom 的 Fin 也有类似的机制，当终端用户确认问题已经解决了，这就是一个关于 Agent 质量的直接信号，其他方式很难获得。

Intercom CEO Eoghan McCabe 最近发表了一篇题为《The age of vertical models is here》的文章，明确阐述了数据飞轮的逻辑。

Intercom 拥有数十亿条客服交互数据，用这数十亿条客服交互数据训练了自研模型 Apex，声称在客服场景下超越了 GPT-5.4 和 Opus 4.5。他们把这套体系描述为「一个可以在系统能力边界持续改进的飞轮」。

但有一个问题没人说清楚。飞轮能不能转赢，取决于你积累数据的速度是否快过前沿实验室。

在编程领域，OpenAI 和 Anthropic 都已经入场了，同时拥有基础模型、海量用户、数据积累。现在，几乎每个工程师都能接触到了 OpenAI、Anthropic，但未必都使用某个特定的 Agentic IDE。

那么，谁在更快地积累关键数据？很可能是模型提供方。而且和编程 Agent 不同，Anthropic 可以把这些数据直接烧进下一版基础模型，而不只是做一个 fine-tune。这是一个更紧密的反馈闭环，跑在更快的时间线上。

编程领域，还有一个更深的变量是：递归自我改进。更好的编程模型，能帮助训练更好的下一代模型。这意味着模型公司在编程领域的战略动机，远超市场规模本身所能解释的程度。他们守的不只是收入，是产生下一代模型的那个闭环。如果把护城河押在一个 fine-tuned 模型上，这是一个极其糟糕的处境。

McCabe 本人也意识到了这个风险。McCabe 在文章中写道，前沿实验室「唯一的出路是通过构建更便宜的专用模型来自我颠覆。而做到这一点的唯一方式，是获取 evals，或者收购拥有 evals 的公司」。

McCabe 问对了问题，但是低估了答案来的速度。

就在他写完这篇文章两周后，Anthropic 挖走了 Workday 的 CTO，大概是为了做 HR 应用，又发布了 Figma 的竞品，并在金融服务、法律、医疗、生命科学四个垂直领域发布了工程经理招聘。前沿实验室不是在「自我颠覆」，他们在颠覆所有下游公司。

02fine-tune 的本质是 fork，地基升级你不一定能跟着升

垂直模型 fine-tuning，几乎所有公司都在同时做这件事。

同一周时间内：Cursor 发布了 Composer 2（基于 Kimi K2.5 的 fine-tune 版本），Intercom 发布了 Apex，Decagon 宣布 80% 模型流量跑在内部自研模型上。

垂直模型的时代来了，而且所有人同时收到了这份备忘录。

Fine-tuning 的逻辑是：拿一个开源权重模型，用私有数据再训练，构建奖励函数，让模型在特定任务上越来越好。

随着时间推移，模型在你的特定任务上越来越好。但你是在别人的地基上盖楼。

但本质上，当你做 fine-tune，实际上是在 fork 一个模型。你把自己绑定在了它的架构、权重、以及你 fork 时它的能力水平上。当基础模型升级时，你不会自动受益。你需要重新训练，并希望你的 pipeline 能顺利迁移。

Intercom AI 负责人 Fergal Reid 提出了一个有力的反驳：具体的模型版本是一次性的，真正持久的资产是 post-training pipeline，evals、精心筛选的数据、方法论。每当有新的开源模型出现，他们就把它跑一遍现有的 pipeline，然后得到一个更好的 Apex。他不是在跟 Anthropic 对赌，而是在借力开源权重生态，让它与前沿模型的距离足够近，让他的 post-training 能够弥合剩余差距。

他还提出了一个关于「智能饱和」的概念：某些任务的模型能力会达到平台期。客服不需要诺贝尔奖得主，需要的是最流畅的销售助理。如果客服是一个 Sonnet 已经「够用」的任务，那么一个更小、更快、更便宜的 fine-tuned 模型就很有意义。

但逻辑最终只有两个出口：要么客服任务还没饱和，前沿模型终将超越你的 fine-tune；要么已经饱和，很多模型都能过门槛，那模型根本不是护城河，产品才是。

但无论如何，模型都不是你的护城河。

当然，有些地方做垂直模型 fine-tuning 是完全合理的。Fine-tuning 真正成立的场景，是前沿实验室没有经济动机去优化的极窄领域，比如稀有语言方言翻译、冷门科学分支等等。你越往窄处走，fine-tuning 的优势就越持久。但那些市场，本身也足够小。

03速度本身是一种资产，但病毒式增长的速度是另一码事

AI 开发工具正在发生一件奇怪的事。它们是 B2B 公司，却有着 B2C 的采用曲线，而且你不需要等所有用户都到位才能变现。这些产品有相当大的「单人模式」，在一个工程师手中就能产生巨大价值，不需要公司里所有人都在用才能体现价值。

所以你会看到工程师自掏腰包购买生产力工具，组织提供福利让员工报销 AI 工具费用，组织看到员工在用什么，然后批量采购。所有编程 Agent 都经历了火箭式增长。Cursor 收入已超过 20 亿美元，Replit 预计 2026 年底达到 10 亿，Lovable 在上线八个月后突破了 1 亿。

增长引擎惊人，但结构是极度脆弱的。

风险不只是转换成本低，甚至可能是负的。你的竞争对手，同时也是你付费购买模型的供应商。你是模型厂商推理服务上的租客，是他们定价餐桌上的客人。然后他们发布了一款针对你的竞品。当初让你快速崛起的那个病毒式采用机制，在反方向同样有效，用户怎么来的，也会怎么走。Anthropic 一次产品发布，OpenAI 一个更好的模型，增长曲线就会反转。

这大概也是为什么，这个市场的买家总是被推着签多年合同。给供应商时间想清楚如何挖护城河，或者至少撑到下一轮融资。

04AI 原生的 UX 是真实的，但也是暂时的

从零开始为 agent 重新构建的产品，确实比那些事后贴上 AI 按钮的产品好得多。但如果 agent 越来越成为主要界面，无论设计得多好，UX 层都会变得多余。你做的是不是全世界最好的，其实无所谓。

Anthropic 设计主管在介绍 Claude Design 时说了一句话，非常值得认真对待：

软件生产成本暴跌之后，最重要的问题不再是「能不能做」，而是「该不该做」。

设计的核心价值，是在快速变化的可能性空间里，帮助团队更快收敛到值得做的那个方向。

Claude Design 的定位正是这个逻辑的产物：它不是要端到端替代 Figma，它自己也明确提到，不解决「最后一英里的精致打磨」，那正是 Figma 最强的地方。

但它做的事情同样危险：把「新想法到可讨论原型」的时间从几天压缩到几小时，用统一的 HTML 输出格式让 PM、工程师、高管都能在早期探索阶段成为参与者而不只是评审者，一键交给 Claude Code 继续推进。

这不是替代，更多地是绕过。对于按席位收费的协作设计工具来说，绕过早期探索阶段，意味着使用频次压缩，意味着席位需求下降。Figma 不需要被完全替代，使用频率下降就足够致命了。

六个交易小时，7% 的市值，市场已经给出了判断。

05你的产品，是坐在模型上面还是坐在模型下面？

每个 AI 创业者都应该问自己这个问题：「如果 Anthropic 的下一个模型强 10 倍，我的公司会变得更值钱还是更不值钱？」

这个问题的答案，决定了你是在顺风里跑还是逆风里跑。如果你的产品哪怕看起来有一点像模型套壳，那现在是个和潜在收购方交朋友的好时机。真正重要的是，一个公司的收入来源与模型的进步方向有多垂直。如果你在解决模型实验室不会关心的问题，细分使用场景、非常有主见的工作流、或者坐在模型之下而不是之上的基础设施，那你大概相对安全。如果你在解决的问题随着 Claude 或 GPT 每次变强就变得更容易，你就是在参加一场自己没报名的比赛，而对手的 GPU 比你多得多。

如果用平行公司和垂直公司这两个概念来思考这个问题。

平行公司，跟模型进步跑在同一个方向。构建的产品，价值主张会随着前沿每次推进而缩水。编程 Agent、搜索包装器、内容生成工具、通用聊天界面，每一次模型发布都是一个穿着产品发布外衣的生存威胁。模型越强，你的价值主张越薄。

垂直公司，跟模型进步方向正交。产品随着模型变强而变得更有价值，因为更好的模型会产生更多对它们所售卖东西的需求。生产环境中的 agent 越多，就需要存储和查询越多的遥测数据。AI 应用越多，就越需要评估和可观测性基础设施。自主工作流越多，就越需要其下方的数据层。

这个测试正在实时运行。两周前，Anthropic 宣布了 Mythos 私有预览。上周他们发布了 Opus 4.7，同时发布了 Claude Design。谁在恐慌，谁在庆祝？Figma 恐慌了，Adobe 悄悄恐慌了。Jasper 的故事已经讲完了，每一个 AI 写作工具都在冒冷汗。

与此同时，基础设施公司在等着更多 agent 进入生产环境。agent 越多，他们越值钱。生产环境中有更多 agent，意味着更多遥测数据，意味着更多数据，意味着对快速分析数据库的需求更多。基础设施层希望模型变得更好，这就是垂直优势。

这个规律是结构性的，不针对任何具体公司。坐在 AI 应用之下的基础设施，和坐在模型之上的应用，与模型进步的关系从根本上就不一样。