摘要

Cognition 收购 Windsurf 是一笔建立在冷电话之上的周末交易。 Scott Wu 周五“和所有其他人同时”得知 Google 的交易，当晚主动打冷电话联系，周六达成口头协议，周日敲定条款和法律文件，周一早上签约。他对紧迫性的比喻是：“银行周五晚上进入接管状态——你必须在周日、最晚周一早上给出答案。”对价由股票和现金组成，但他不愿透露比例。
面对“正在恶化的空壳”这一规模对比，Wu 认为 Google 留下的是一座宝库。 其中包括“完整的客户名册”、全部代码、大量数据和专有 IP，以及 GTM、市场营销和财务团队，正好补足 Cognition 在工程和产品上的侧重。谈到创始人，他直言：“创始人之间有一种不言明的契约，就是要和船一起沉下去……但过去一年情况发生了一些变化，说实话，我觉得这有点令人失望。”
Wu 认为 Meta 级别的人才投入“相当合理”，因为至少100人、肯定少于1万人——“大概还要少得多”——正在帮助决定 AI 的轨迹。 即便把 AI 的能力冻结在今天的水平，它也已经会“比互联网更大”。人才竞争“甚至在应用层也更加激烈”，而不是只发生在基础模型实验室。
对于 Windsurf 曾经遭遇过的 Anthropic 依赖问题，Wu 避而不谈，称价值会在“任何能够建立真正差异化的地方”累积；对于 Cognition 营收中有多少比例支付给 Anthropic，他则明确拒绝回答：“这个问题我得跳过。” 他认为基础层的竞争——包括 Kimi 和 Grok——是自然形成的均衡。
能力判断上，RL 是“过去一年半最大的突破”——只要环境干净、成功标准明确，“基本上任何基准测试都能解决”。 数据叙事也从追求大规模数量转向小规模精选数据，即“大量算力、少量数据”；Cognition 的 Kevin 32B 在 CUDA kernels 上击败其他模型就是例证。
生产率上的价值鸿沟在于：AI 今天已让工程师提速1.5–2倍，“没有理由3年后做不到10倍”，同时代码产量还会增加10倍。 Devon 的定价约为“你时间价值的1/10”。自1月以来，Devon 的使用量增长了5–10倍；Wu 称，若不计 Windsurf，过去6–8个月的增长大致相当于 Stebbings 所说的 Lovable 从0到8000万美元的爬坡。
这场组合下注包括两部分：私有基础模型实验室（OpenAI、Anthropic、X、SSI、Thinking Machines，合计约5000亿美元）和应用层（500亿–1000亿美元，包括 Perplexity、Sierra、Decagon、Harvey、Cognition、Cursor），5年后都将“大幅上涨”。如果必须二选一，他会选 Anthropic 而不是3000亿美元估值的 OpenAI：“Anthropic 自估值600亿美元以来，营收已经增长了4倍——选它似乎很合理。”他预计最终会有3–5家基础模型公司存活；Stebbings 则坚持只会剩2家。

精读

1. 周五晚打冷电话，周一早上签约

这笔交易的起点纯粹是机会主义，但执行速度如同银行挤兑：Cognition 周五“和所有其他人同时”得知 Google 介入以及团队接下来会发生什么，当晚便直接联系 Jeff——当晚打出的第一通电话就是冷电话。Wu 的判断是：“做一个月不是办法……哪怕做一周也不是。”客户陷入混乱，整个团队悬而未决，“硅谷每个人都在联系他们，说，嗨，你想不想来这里面试。”
交易节奏是：“周六达成口头协议，周日把所有细节、条款和法律文件敲定，周一早上把一切签完并完成。”他的比喻是：“银行周五晚上进入接管状态，你必须在周日给出答案。”他也承认，尽调必然不够深入：“我们没有时间像自己希望的那样深入尽调和核查细节。”
按 Wu 的说法，双方的战略匹配在于：Cognition“尤其专注于核心工程和产品团队”，而 Windsurf 搭建了“一支出色的市场拓展团队、市场营销团队、财务和运营团队”，产品之间也存在“非常自然的互补关系”。对价由股票和现金混合构成，比例未披露。
Windsurf 团队距离上一次变故只有几天通知时间，但 Wu 认可他们的处理方式：选择包括独立运营、重新融资——“既然现在实际上已经没有投资人了”——或寻找合适的合作伙伴；无论哪条路，推进速度都必须很快。

2. “空壳”其实是一座宝库，Google 可能判断失误

Stebbings 用规模对比形容 Windsurf 是一个“实时恶化的空壳”。针对“最好的研究人员都走了，什么都没留下”的说法，Wu 的反驳基本是：“我不这么认为。”留下来的包括“一款很多人都在使用的出色产品……完整的客户名册……全部代码、大量数据和专有 IP，以及一支真正不可思议的团队”——这是“一块并不完整的拼图”，而 Cognition 恰好拥有缺失的部分。
对于一个可能来自 South Park Commons、提问者或许是 Ruchi 的问题——Google 是否因为没有看到资产的真实价值而犯下失误——Wu 回答：“你说的确实有很大一部分道理，因为很多时候，确实会有大量非常有价值的部分被留下来。”
当被问及这种交易结构是否会成为新常态时，Wu 转向道德判断：“创始人之间有一种不言明的契约，就是创始人要和船一起沉下去……无论好坏，过去一年情况发生了一些变化，说实话，我觉得这有点令人失望。”

3. 人才大战“相当合理”：少数人正在决定 AI 的轨迹

Wu 自称这是一个“可能有点疯狂、也有争议的观点”：Meta 的大规模招聘是理性的。AI 是“我们一生中最大的技术变革”，而且“即便把今天的所有能力都冻结”，他认为 AI 也已经会“比互联网更大”。“顺便说一句，我不认为能力会被冻结。我认为它还会继续加速前进。”
当被追问真正重要的人才到底有多少时，他回答：“至少100人……肯定少于1万人，如果让我猜，大概还要少得多。”
Stebbings 追问，应用层公司真的需要这些人吗？Wu 的反驳是：“人才水平和竞争激烈程度甚至在应用层也更加高，这么说很疯狂，因为基础模型实验室的竞争已经极其激烈。”

4. Anthropic 依赖问题，以及他不愿回答的营收问题

Stebbings 追问了一个显而易见的尾部风险：Windsurf 曾依赖 Anthropic，在 OpenAI 交易落地后被切断；如今这种依赖是否比以往更严重？Wu 的回答仍停留在结构层面：“无聊但正确的答案是，价值会在你能够在所在领域建立真正差异化的任何地方产生。”
最难回答的问题最终没有得到答案：Cognition 有多少营收支付给 Anthropic？“这个问题我得跳过。”
对于他是否希望基础模型商品化、以获得议价能力，Wu 将 Kimi 和 Grok“甚至在最近一两周”上线描述为事物的自然发展方式：两层市场都存在竞争，而“这些层里的参与者都希望合作……只要这种状态能够维持”。
为什么 Anthropic 不直接占据整个品类？答案在于专注点不同。Cognition 教一个特定模型“如何去 Datadog 拉取日志、如何实时调试前端，以及如何建立代码库的表征，我们会随着时间不断学习和迭代”；而基础模型公司解决的是如何让通用模型变得更聪明。“我认为事实是，两者确实都需要。”

5. RL：“基本上任何基准测试都能解决”

针对自动驾驶已经触及瓶颈的类比，Wu 给出的能力判断是：RL 是“过去一年半最大的突破”，其收敛特性非常明确——“如果你有一套足够干净的设定：明确告诉模型我想要的行为是什么、环境是什么、成功或失败意味着什么，你就可以训练出一个完成这些事情的模型。”对每个应用来说，唯一真正开放的问题是“基准测试是什么”；他的例子是，会计师面对 IRS 审计结果时，找出问题就可以作为 RL 的失败信号。
他的观点发生了变化：24个月前，“整个叙事都围绕数据……数据数量”；现在则是“针对你所关心的具体用例，一小组高度精选的数据”。例子是 Kevin 32B——Cognition 发布的模型，使用 CUDA-kernel agent 轨迹进行 RL；Wu 称它在 CUDA-kernel 任务上明显优于其他模型。“这是大量算力，不是大量数据……数据质量高于数量。”
即便进展停止，底线也已经被抬高：“说句实话，在 AI 编程领域，如果完全没有任何进展，世界仍然会彻底不同……如果你不用 AI，作为软件工程师你就是更慢。这就是事实。”

6. 今天提速1.5–2倍，3年后10倍；软件产量还会增加10倍

对于 Salesforce 高管和 Robinhood 的 Vlad 所说的“50%的新增代码由 AI 生成”，Wu 认为这个指标含义模糊——“如果只是大量 protobuf，那是一回事；如果是核心业务逻辑，又是另一回事。”他更看重每小时产出：“整体来看，我觉得今天提速1.5到2倍是合理的。3年后没有理由做不到10倍。”
他的 Jevons 悖论逻辑是：他每天都会记录软件何时让自己失望。YouTube、TikTok、Instagram 这类精心打造的产品，代表了“数亿小时的工程时间”；往下每降一个数量级，比如银行和保险公司，差距很快就会显现。“所有软件都可以变得好10倍，而且我认为实际上还有多10倍的软件等着被写出来。”
对于 Stebbings 所说的“价值鸿沟”——一名年薪30万美元的工程师提速1.5倍，意味着约15万美元的价值——Devon 按使用量计费、按小时定价，“大约只有你时间价值的1/10”。如果3000万软件工程师都提速10倍，那么企业最终捕获5%还是30%的价值，“其实不如先把技术推进到每个人都快很多重要”。
一个较少被讨论的前沿是深层上下文：复用某人一个月前让 Devon 完成的工作，知道一个前端“本来应该是什么样”，知道某个 bug 是如何被发现的。“这就是代码和软件工程之间的差别……不是在沙盒里就能解决的问题。”

7. 时代感落差：Devon 使用量增长5–10倍，Cursor 却占据品牌心智

Stebbings 最直接的质疑是：“Devon 已经退出时代中心了……这是营销失败，还是产品失误？”Wu 用数据反击：“从1月到现在，Devon 的使用量实际上增长了大约5到10倍”，覆盖自助服务和企业客户；驱动力是真实的工程团队在 Slack 和 Linear 中提及 Devon，并在 GitHub 中审查它提交的 pull request。
对于 Lovable 的对比——Stebbings 说它“基本上从0增长到8000万美元”——Wu 回答：“即便不算 Windsurf 这笔交易，我们过去6到8个月大致也做到了同样的增长。”他的区分是，Replit 和 Lovable“更偏消费级”，所以 Twitter 上更容易听到它们；Devon 服务的是工程团队里的工程师。Stebbings 承认这一点，但随即补充：“你们应该更擅长自我推销。”
Wu 接受了批评：“也许我们确实应该更擅长。好消息是，我们刚刚继承了一支出色的市场营销团队。”他的结构性解释是：IDE 比 agent 早一年成为不言自明的产品；“快进6到12个月，人们对 agent 的熟悉程度也会达到同样水平。”

8. 终局：“Tony Stark 不会打开笔记本电脑”

当被问及市场是否会分裂成 Cursor 自下而上、Cognition 自上而下的两种路径时，Wu 拒绝接受这个框架：“现在下结论还太早……我们谁都没有接近软件工程的未来。”真正正在打造的产品是“下一代人机交互界面”；代码只是“你的电脑碰巧使用的语言”，最终意图会取代代码：“Tony Stark 不会打开笔记本电脑。Tony Stark 会去和 Jarvis 对话。”
他的时间推算是：“到达那里之前还有10或20个产品体验层级，每一层大约需要2或3个月……如果这个速度持续下去，几年内我们就会到达那里。”工程师会变成“技术架构师、技术产品经理”；真正持久的能力是“决定要构建什么解决方案，以及具体如何设计架构”。这也是他仍建议学生学习计算机科学的原因：“计算机科学学位更多是教你如何思考。”
交易完成后他最想做的第一件事，是打造结合后的 IDE 加 agent 体验：在 IDE 中借助 Devon 的检索和 wiki 规划任务，把大部分工作交给 agent，再在本地审查，形成“同步到异步，再回到同步”。短期内，两款产品都会保留各自的理念。他的竞争指引来自 Jensen 的一句话：“当你找到一种让公司获胜、同时意味着没人需要失败的方式时，你就找到了自己的道路。”他“真正”相信，代码领域不止一个赢家。

9. 投注：约5000亿美元的实验室将“大幅上涨”，他会选估值600亿美元的 Anthropic

Wu 借用了 Sam Altman 十多年前关于“泡沫理论”的帖子——用真金白银押注泡沫批评者——并提出自己的判断：把私有基础模型实验室放在一起，包括 OpenAI、Anthropic、X、SSI、Thinking Machines，“这大概是多少，5000亿美元？”他认为未来5年它们会“大幅上涨”。应用层也一样，包括 Perplexity、Sierra、Decagon、Harvey、Cognition、Cursor，“可能值500亿到1000亿美元”；整体会大幅上涨，“显然不意味着每家公司都会上涨”。
当被迫在3000亿美元估值的 OpenAI 和600亿美元估值的 Anthropic 之间二选一时，他先回避：“按这个价格，我觉得两者都是很好的投资。”随后还是做出选择：“Anthropic 自估值600亿美元以来，营收已经增长了4倍。所以选它似乎很合理。”
对于行业整合，Wu 将范围放在“2到6家”，并称“3到5家似乎相当合理”。Stebbings 则坚持只会剩下2家：消费端是 ChatGPT 和 OpenAI，企业端是 Anthropic，其他公司都将成为 AI 世界的 DuckDuckGo。Wu 在消费份额上部分让步——“幂律始终存在：第一名75%，第二名20%，第三名4%”——但仍认为，企业客户会主动寻找选择，从而让少数几家公司保持能力竞争力。