Cursor是目前最受瞩目的AI编程工具之一，但它的模型策略却反其道而行之——不自己搞预训练。
为什么？
Cursor团队的回答很简洁："从上往下想，而不是从下往上。"
什么意思？
传统的AI公司思维是：先搞定预训练，再搞定微调，再搞定强化学习，最后才能把产品推给用户。这条路漫长且烧钱，等模型到了用户手里，可能已经错过了最佳窗口期。
Cursor的思路完全相反：先问自己——"怎样才能在最短时间内给用户一个有用的模型？"
答案就是：跳过底层基础设施（预训练），直接在已有模型基础上做强化学习和后训练优化。这样一来，产品到用户手中的时间大幅缩短。
这不是"偷懒"，而是工程资源的最优分配。对Cursor来说，核心价值不在于"我有一个从零训练的模型"，而在于"我能让模型在编程场景下表现得比任何人都好"。
关键洞察：
- 自下而上（预训练→微调→RL）：周期长、投入大、用户等待久
- 自上而下（用户需求→RL优化→微调）：周期短、见效快、用户立即受益
这也解释了为什么Cursor选择了和Fireworks合作训练自己的Composer模型——专注于强化学习阶段，把基础模型能力交给合作伙伴，自己则集中精力在"让模型为用户服务"这一最关键环节上。
在AI产品竞争日益激烈的今天，"从上往下想"可能比"从下往上建"更聪明。