Cursor们为什么都开始自研模型？

Tanay Jaipuria 本周写了一篇很有意思的文章，核心论点只有一句话：每家 AI 应用公司最终都会垂直整合，变成全栈公司。

问题不是"要不要整合"，而是往哪个方向整合。

向下，吃掉模型层。向上，吃掉服务层。两条路都通向"全栈"，但长出来的公司完全不一样。这篇文章让我想到了一个更根本的问题：在 AI 时代，"只做应用"这件事，可能根本就不是一个稳态。

Tanay Jaipuria (@tanayj) 原文：AI Applications and Vertical Integration

01 三层蛋糕

Tanay 把一个能交付结果的 AI 产品拆成了三层：

这当然是简化的。模型底下还有芯片、基础设施、数据系统。但这个简化是有用的，因为它把一个关键问题暴露了出来：

传统的"应用公司"只占中间那一层。

想象你开了一家餐厅，但食材靠别人供应，外卖靠别人送——你只负责中间的烹饪。如果供应商涨价了，你没办法。如果外卖平台抽成太高了，你也没办法。你被夹在中间，上下都不是你能控制的。

AI 应用公司现在面临的就是这个困境。模型层被 OpenAI、Anthropic、Google 控制；服务层被人力和行业 know-how 控制。只做中间的编排，迟早会被上下两头挤压。

所以，几乎所有跑出来的 AI 应用公司都在往上或往下扩张。没有人愿意只做中间商。

Tanay 的原图：Full Stack Down（向下拥有智能）vs Full Stack Up（向上拥有结果）

02 向下吃模型

第一条路：应用公司向下整合，吃掉模型层。

这在编程和客服两个赛道上表现得最明显。

Cursor 上周发布了 Composer 2。这不是一个微调版本——它基于 Kimi K2.5 做继续预训练，加上长程编码任务的强化学习，直接定位为 frontier-level coding model。Cursor 的技术报告里写得很清楚：

"Composer 2 uses Kimi K2.5 as a base model, then extends it with continued pretraining plus reinforcement learning on long-horizon coding tasks."

同一周，Intercom 发布了 Fin Apex。CEO Eoghan McCabe 的措辞更直接——他管这叫"垂直模型的时代"。Apex 现在处理 Intercom 几乎所有英文客服对话和邮件。不是辅助，是直接处理。

除了 Cursor 和 Intercom，Cognition、Harvey、Sierra 也在做类似的事情。它们不再只是调用模型 API，而是在训练、调优、路由模型本身。

为什么？

因为这是 AI 公司手里最强的飞轮。

逻辑很简单：产品越好 → 用户越多 → trace 越多 → 训练数据越好 → 模型越强 → 产品越好。这个循环一旦转起来，就是真正的壁垒。别人拿不到你的 trace，就训不出你的模型。

trace 是什么？就是用户使用 AI 产品时留下的完整痕迹——prompt、输出、编辑、接受、拒绝。每一次交互都是一条训练数据。Cursor 坐拥全球最大的编码 trace 数据库，这个数据量级是 OpenAI 的通用模型很难覆盖的。

还有两个次要原因。

成本和速度。规模上来之后，COGS 非常可观。一个经过 fine-tune 的小模型，在特定场景下性能够用，但成本可能只有通用大模型的十分之一，速度快好几倍。对于 Intercom 这种每天处理数百万条客服消息的公司，这不是优化，是生存。

差异化。如果一个赛道里所有人都在调同样几个模型的 API，你凭什么比别人强？智能层没有差异，产品层的差异就很脆弱。今天你的 prompt engineering 领先，明天竞争对手就能抄走。但你训出来的模型，别人抄不走。

03 向上吃服务

第二条路正好反过来：应用公司向上整合，吃掉服务层。不卖软件，卖结果。

"You do not just sell software into a workflow. You own the end-to-end process and provide an outcome or service to the end customer."

这个概念不新。Chris Dixon 2015 年就写过"全栈创业公司"。但当时的问题是：服务经济学太难看了。人力密集、毛利低、扩展不了。你卖软件可以 90% 毛利，卖服务能有 30% 就不错了。

AI 改变了这个等式。

以前做不了"卖结果"是因为最后一公里太贵了。你需要雇人来做质检、审核、收尾。AI 把这个成本压下来了——不是降了 20%，是降了一个量级。于是，很多原来不值得做的"全栈服务"赛道，突然变得有吸引力了。

Tanay 列举了几个很有代表性的例子：

Crosby AI 把软件、AI 和律师组合在一起。CEO Ryan 管这叫"Neofirm"——新型事务所。不是给律师卖工具，是直接替你做法律服务。

WithCoverage 和 Harper 在做 AI 原生保险经纪。不是给保险经纪人装个 AI 插件，是自己当保险经纪人。

Mechanical Orchard 做 AI 原生的软件现代化服务。不是卖迁移工具，是帮你把整个遗留系统迁完。

这些公司的共同逻辑：AI 很强但不是 100%。一家拥有端到端结果的公司，既有动力持续改进 AI（因为每 1% 的自动化率提升都直接增加毛利），又能在 AI 做不到的地方用人来补。客户不用操心最后一公里。

当你的 Agent 能完成 90% 的工作时，为什么不干脆承诺 100% 的交付，把剩下的 10% 也吃掉？

那 10% 往往是最值钱的部分。

04 殊途同归

最有意思的是，这两条路最终可能殊途同归。

向上整合的公司在做服务的过程中，积累了大量行业特有的数据和 trace。这些数据太有价值了——迟早会用来训练自己的模型。于是它们也向下了。

向下整合的公司一旦模型足够强，自然会想：既然 Agent 已经能做 95% 的工作，为什么不直接卖结果？收费从"每月 $X 订阅"变成"每个案子 $Y"，客单价翻几倍。于是它们也向上了。

最终状态：一家公司同时拥有底层智能、中间编排和上层交付。三层通吃。

这也解释了为什么模型公司自己也在做应用。OpenAI 做 ChatGPT 和 Codex，Anthropic 做 Claude Code，Google 做 Gemini。它们从底层往上吃。应用公司从中间往两头吃。最后大家在同一个战场相遇。

想想看：Cursor 现在有自己的模型，有自己的 IDE，还有 Cursor for Business。如果哪天 Cursor 说"我们帮你管整个开发团队"——卖的不再是工具，而是软件开发服务本身——你会觉得意外吗？

我不会。

05 中间层陷阱

如果接受这个框架，一个让人不安的推论就浮出水面了：

"只做应用层"不是一个稳态。

你在中间层做了一个很好的 AI 产品。用户喜欢，增长不错。然后呢？

从下面，模型公司在往上吃你。OpenAI 今天发布了一个新功能，你的核心差异化一夜之间被 default 掉了。Claude 更新了一个能力，你精心设计的编排逻辑突然变得多余了。

从上面，你的客户在问：你能不能帮我做完整件事？不只是给我一个工具，而是帮我搞定结果？如果你不做，隔壁那家"全栈服务"的公司就会做。

被夹在中间，就像开餐厅但不种地也不送外卖。上游一涨价，下游一抽成，利润就被挤干了。

这也是为什么我们看到那么多 AI wrapper 公司活不过两年。不是因为它们做得差，而是因为中间层本身就是一个不稳定的位置。如果你不主动扩张，别人会替你完成这个"挤压"过程。

06 飞轮之战

那到底该往哪个方向整合？

Tanay 的文章没有给出明确的建议，但从他列举的案例和分析中，可以提炼出一个判断框架：

向下整合的前提是：你有足够多的 trace。

没有用量就没有数据，没有数据就训不出有差异化的模型。Cursor 能做 Composer 2，是因为全世界有几百万开发者每天在用它写代码——这些 trace 的规模和质量是独一无二的。如果你的产品日活只有几千，向下整合的意义不大。

向上整合的前提是：你理解行业的最后一公里。

AI 做不到的那 10% 往往是合规、审核、信任、人际关系。这些东西不写在代码里，写在行业经验里。Crosby AI 的创始人自己就是律师，WithCoverage 的团队来自保险行业。外行很难做这件事。

两条路的共同点是：都需要飞轮。

向下的飞轮：用量 → trace → 模型 → 产品 → 用量。

向上的飞轮：交付 → 数据 → 自动化率 → 毛利 → 投入 → 交付。

决定胜负的不是起点，而是飞轮转得多快。

07 对我们意味着什么

1.纯应用层是一个过渡态。如果你的产品只是在别人的模型上包了一层 UI，你要么往下做模型，要么往上做服务。中间层不是安全地带。

2.trace 是新时代的数据护城河。不是通用数据，是特定领域的用户行为 trace。这也是为什么做 AI 产品要尽早获取用户——不只是为了收入，更是为了训练数据的积累。

3.AI 让"卖结果"变得经济可行。以前服务经济学太差，现在 AI 把最后一公里的成本压下来了。"Services-as-Software" 不再是一个概念，而是一个正在发生的商业模式变革。

4.模型公司、应用公司、服务公司最终会在同一个战场相遇。OpenAI 从底层往上，Cursor 从中间往下，Crosby AI 从顶层开始。三年后，你可能分不清谁是谁。

5. 这不是未来的事。Cursor 已经发了自己的模型，Intercom 已经宣布了"垂直模型时代"，Crosby AI 已经在卖法律服务。垂直整合正在发生，而且速度比预期快得多。

相关链接：

•  原文：Tanay Jaipuria - AI Applications and Vertical Integration

•  Cursor Composer 2 Technical Report

•  Chris Dixon - Full-stack Startups (2015)

数据来源：Tanay Jaipuria (@tanayj)

文章来自于"深思SenseAI"，作者 "深思SenseAI"。