（图源：Cursor中文网站）

不过Cursor在创立之初并不是做AI Coding Editor的，而是研发CAD+AI。

联合创始人Aman Sanger提到：“如果能训练一个Transformer模型，让它不仅能预测代码的下一个token，还能预测CAD操作的下一个步骤，那就能做出一个真正实用、能极大加速机械工程设计流程的产品。这其实就是我们从创业开始一直到Instill（另一个初创项目）时期，甚至Instill之后一小段时间里都在专注做的事情。”

Aman说道：“在CAD这个方向上，我们进行了一些构思，而且当时我们对其他很多领域的竞争都非常担忧（当然，现在做的东西这种担忧已经小多了）。AI辅助编程领域竞争激烈，但CAD Automation看起来没什么人关注，技术上至少在当时看来是可行的，而且市场规模仔细研究下来也相当可观。所以，这既是一个非常有趣的技术难题，从市场分析角度看也像是个好主意。”

而后来，随着不断深入实践，Cursor团队逐渐发现了所面临的问题：

"第一，你能获取的CAD数据量远少于代码。如果你以为像Codex那样有500亿或1000亿token就足够了，那么也许用10倍少的数据（比如100亿token）也能训练出个有用的模型。但现实是，如今的Copilot背后很可能是数万亿token的代码和文本数据。而我们当时竭尽全力所能爬取到的所有CAD数据，最多也就100亿 token。这根本不足以训练出一个有用的模型。我们尝试扩大规模，但无论用什么正则化技术，模型参数规模一旦超过几十亿，就会严重过拟合。这是个大问题。"

"其二，缺乏迁移能力。即使你用今天的模型（比如 GPT-4）来测试——我有个喜欢用的提示词（prompt），可以用来区分背后是3.5还是4，但有时连GPT-4 都会搞错。当你逐渐增加描述的复杂度时，3.5很快就不行了，复杂度再高一点，4也跟不上了。这清楚地表明，这些模型在空间推理能力上并不强，而这恰恰是CAD所需要的核心能力。"

对于CAD+AI，Aman这样说：“我现在看法是，要做成这件事，最好的方法或许是彻底重新设计整个系统。另一个巨大的痛点是我们曾尝试为所有主流的CAD软件（如SolidWorks、Onshape等）开发插件。如果你觉得为一些老旧的IDE构建插件已经很困难了，那你真应该看看这些CAD软件（的接口和生态）。所以我觉得，即使你有了一个好模型，要想真正推广开来并做出一个能稳定工作的好插件，可能也非常非常困难。随着文生图（text-to-image）技术的进步，以及一些新公司开始做文生3D（text-to-3D），我感觉更合理的途径其实是彻底抛弃当前人们做CAD的方式。我推测未来会有公司（或几家公司）把这个方向做得非常好。”

虽然Cursor放弃了CAD+AI，不过目前还是有很多公司，院校与创业团队在不断尝试。诚然现在的CAD+AI还比较初级，简单的零件设计，简单的信息提示等等。如何真正作为强大的智能工具，还有待进一步发展，毕竟CAD是个严肃的生产工具。

以上内容来自微信公众号：BIMcoer梁老师，更多信息可以关注公众号