نقشهٔ رشد Cursor؛ متدی که به یک میلیارد دلار درآمد سالانه رسید
پنج تصمیم پشت رشد Cursor از یک مسئلهٔ اشتباه تا عبور از یک میلیارد دلار درآمد با نرخ سالانه؛ همراه با قالب یکصفحهای قابلاجرا برای محصول خودت.

Cursor فقط با «یک مدل بهتر» رشد نکرد. مسیر واقعیاش ترکیبی بود از عوضکردن مسئله، انتخاب یک رفتار از قبل اثباتشده، ساختن روی زیرساخت آماده و کوتاهکردن فاصلهٔ بازخورد تا انتشار.
این مقاله همان «نقشه»ای است که در ویدئو قولش را دادیم؛ نه یک فرمول جادویی و نه تضمین درآمد، بلکه پنج تصمیم قابلاستفاده که میشود آنها را روی یک محصول نرمافزاری دیگر هم پیاده کرد.
نکتهٔ دقیق: عدد یک میلیارد دلار، درآمد با نرخ سالانه است؛ یعنی نرخ درآمد در آن مقطع، نه لزوماً درآمد حسابرسیشدهٔ یک سال مالی کامل. Cursor در نوامبر ۲۰۲۵ اعلام کرد از این مرز عبور کرده است.
نقشه در یک نگاه
۱. مسئلهای را انتخاب کن که خودت هر روز لمسش میکنی.
۲. رفتار اثباتشده را پیدا کن، نه فقط فناوری جذاب را.
۳. زیرساخت عمومی را بخر یا فورک کن؛ تفاوت محصول را خودت بساز.
۴. یک حلقهٔ بازخورد کوتاه بین کاربر، داده و انتشار ایجاد کن.
۵. از کاربر حرفهای شروع کن و مسیر ورود به تیمها را باز بگذار.
۱. به مسئلهای برگرد که خودت میشناسی
تیم Anysphere ابتدا نزدیک یک سال روی ابزار هوش مصنوعی برای مهندسی مکانیک و CAD کار کرد؛ حوزهای که هیچکدام از بنیانگذاران در آن متخصص نبودند. طبق گفتوگوی مایکل ترول دربارهٔ شروع Cursor، مشکل فقط محصول نبود؛ فاصلهٔ خود تیم با مسئله و بازار بود.
تصمیم مهم این نبود که نسخهٔ CAD را کمی بهتر کنند. خودِ مسئله را عوض کردند و به برنامهنویسی برگشتند؛ کاری که هر روز انجام میدادند و دردهایش را مستقیم میشناختند.
تمرین عملی:
- سه مشکلی را بنویس که در هفت روز گذشته واقعاً تجربه کردی.
- برای هرکدام مشخص کن خودت چند بار با آن برخورد کردهای.
- اگر برای توضیح درد کاربر همیشه به «تحقیق بازار آینده» نیاز داری، احتمالاً هنوز زیادی از مسئله دوری.
۲. روی یک رفتار اثباتشده سوار شو
Copilot قبلاً ثابت کرده بود برنامهنویس حاضر است پیشنهاد هوش مصنوعی را داخل جریان کدنویسی بپذیرد. Cursor لازم نبود مردم را متقاعد کند که «هوش مصنوعی میتواند کد بنویسد». سؤال دقیقتری پرسید:
اگر هوش مصنوعی فقط خط بعد را پیشنهاد ندهد و کل محیط ویرایش را بفهمد، چه میشود؟
این تفاوت مهم است. یک استارتاپ سریع معمولاً دستهٔ رفتاری را از صفر نمیسازد؛ یک رفتار موجود را میگیرد و اصطکاک اصلی آن را حذف میکند.
برای محصول خودت:
- رفتار موجود کاربر چیست؟
- امروز این کار را با چه ابزار ناقصی انجام میدهد؟
- کوچکترین تغییری که تجربه را «ده برابر روانتر» میکند چیست؟
۳. زیرساخت را دوباره اختراع نکن
نسخههای اولیه با یک ادیتور سفارشی جلو رفتند، اما تیم فهمید بخش زیادی از انرژیاش صرف بازسازی چیزهایی میشود که سالهاست در VS Code حل شدهاند: افزونهها، میانبرها، Git، ترمینال و عادتهای کاربر.
در چنجلاگ رسمی نسخهٔ ۰٫۲٫۰، تیم در ۶ آوریل ۲۰۲۳ مهاجرت به فورک VSCodium را اعلام کرد. این تصمیم باعث شد بهجای ساخت دوبارهٔ یک ادیتور کامل، انرژی محصول روی لایهای متمرکز شود که واقعاً تفاوت ایجاد میکرد: تجربهٔ هوش مصنوعی داخل ادیتور.
قانون قابلانتقال:
چیزی را خودت بساز که مزیت رقابتی توست؛ بقیه را بخر، فورک کن یا از سرویس آماده بگیر.
یک جدول ساده برای تصمیم:
| بخش | اگر مزیت رقابتی است | اگر زیرساخت عمومی است |
|---|---|---|
| تجربهٔ اصلی کاربر | خودت بساز | — |
| احراز هویت، پرداخت، ایمیل | فقط در صورت نیاز خاص | سرویس آماده |
| فریمورک و ادیتور پایه | فقط اگر محدودت میکند | فورک یا متنباز |
| داده و بازخورد اختصاصی | مالکیتش را حفظ کن | — |
۴. حلقهٔ بازخورد را کوتاه کن
رشد سریع فقط نتیجهٔ یک ایدهٔ اولیه نبود. Cursor محصولی ساخت که کاربر حرفهای هر روز و برای ساعتها بازش میکرد. این استفادهٔ پرتکرار سه مزیت داشت:
- خطاها و اصطکاکها خیلی زود دیده میشدند.
- تیم میتوانست تغییرات کوچک را سریع منتشر کند.
- تفاوت بین «دموی جذاب» و «ابزار قابلاعتماد روزانه» روشن میشد.
این همان حلقهای است که باید بسازی:
استفادهٔ واقعی → مشاهدهٔ اصطکاک → تغییر کوچک → انتشار → اندازهگیری دوباره
شاخص مناسب هم الزاماً تعداد ثبتنام نیست. برای یک ابزار کاری، معیارهای مهمتر میتوانند تعداد روزهای استفاده در هفته، زمان رسیدن به اولین خروجی مفید، نرخ برگشت و درصد کاربرانی باشند که محصول را وارد کار تیمی میکنند.
۵. اول کاربر حرفهای، بعد سازمان
Cursor ابتدا برای برنامهنویس جذاب شد؛ کسی که میتوانست در چند دقیقه کیفیت تجربه را تشخیص دهد. بعد همان استفادهٔ فردی وارد تیمها و شرکتها شد.
در ژوئن ۲۰۲۵، Cursor اعلام کرد از ۵۰۰ میلیون دلار درآمد با نرخ سالانه عبور کرده و در بیش از نیمی از شرکتهای فهرست فورچن ۵۰۰ استفاده میشود. پنج ماه بعد، در اعلام دور سرمایهگذاری سری D، شرکت گفت درآمد با نرخ سالانه از یک میلیارد دلار عبور کرده است.
ترتیب مهم است:
۱. یک کاربر حرفهای محصول را برای خودش انتخاب میکند.
۲. استفاده تکرار میشود و به عادت تبدیل میشود.
۳. همکارها فایل، خروجی یا روش کار او را میبینند.
۴. محصول از پایین وارد تیم میشود.
۵. امنیت، مدیریت و خرید سازمانی مسیر گسترش را باز میکنند.
قالب یکصفحهای برای محصول خودت
این پنج جمله را کامل کن:
- کاربری که بیشترین درد را دارد: …
- کاری که امروز با ابزار ناقص انجام میدهد: …
- چیزی که نباید از صفر بسازیم: …
- لحظهای که باید در کمتر از ده دقیقه ارزش را نشان دهیم: …
- شاخصی که ثابت میکند محصول به عادت تبدیل شده: …
اگر جواب هرکدام مبهم است، قبل از اضافهکردن قابلیت بعدی همان قسمت را روشن کن.
نسخهٔ ایرانی این نقشه
برای یک محصول ایرانی، کیفیت فنی بهتنهایی کافی نیست. دسترسی پایدار، پرداخت تومانی، زبان طبیعی فارسی و شناخت محدودیتهای واقعی کاربر بخشی از خود محصولاند، نه کارهای جانبی بعد از ساخت.
برای فکرکردن و شکستن مسئله میتوانی از AiraChat استفاده کنی. برای تبدیل نقشه به کد و اجرای آن روی پروژه، AiraCode از داخل ترمینال در دسترس است.
اگر میخواهی همین نقشه را روی پروژهٔ واقعی اجرا کنی، راهنمای نصب AiraCode را باز کن. نصب پیشفرض با یک دستور انجام میشود و به Node، npm یا Bun نیاز ندارد.
جمعبندی ساده است: رشد Cursor از «بیشتر ساختن» شروع نشد؛ از درستتر انتخابکردن مسئله شروع شد.
ادامهٔ مسیر
همهٔ مقالهها ←
Cursor، ویرایشگر کدنویس هوشمند
Cursor یه ادیتور کد بر پایهٔ VS Codeه که از پایه برای کدنویسی با AI طراحی شده، نه یه افزونه که بعداً اضافه شده باشه، بلکه یه ادیتور که AI توی هستهٔ اصلیش نشسته.

استفاده از آیرا کد کنار Cursor؛ راهنمای گردش کار مشترک
آیرا کد را کنار Cursor در یک پروژه به کار بگیر: اتصال ویرایشگر، تعیین مسئول هر تغییر، هماهنگی راهنمای پروژه و بررسی نتیجهٔ تست.

آیرا کد چیست؟ دستیار برنامهنویسی با هوش مصنوعی در ترمینال
آیرا کد چه کار میکند؟ راهنمای نصب روی ویندوز، مک و لینوکس، حافظهٔ پروژه، پرداخت ریالی و انتخاب یک کار واقعی برای شروع کدنویسی با هوش مصنوعی.

Agentic coding، نسل جدید کدنویسی
کدنویسی با AI در چند سال گذشته سه مرحله داشته. اول autocomplete بود، GitHub Copilot تابع رو کامل میکرد.
بیشتر در «کدنویسی با AI»
- آیرا کد یا Cursor؟ مقایسهٔ محیط کار، حافظه و هزینه
- مقایسهٔ آیرا کد و GitHub Copilot برای برنامهنویسی
- از جونیور تا سینیور در عصر هوش مصنوعی؛ نقشهای که مسیر رشد را حذف نمیکند
- اولین ۲۰ کاربر محصول را از کجا پیدا کنیم؟ نقشهٔ عملی Base44
- AiraCode اکنون افزونهٔ کروم اختصاصی خودش را دارد: کنترل مرورگر واقعی تو از ترمینال
- جدول کامل قیمت مدلهای هوش مصنوعی برای کدنویسی (آپدیت شهریور ۱۴۰۵)
- Ox Alpha؛ مدل کدنویسی رایگان با کانتکست یک میلیونی و چیزی که باید قبل از استفاده بدونی
- کدنویسی با هوش مصنوعی چیست؟
- GitHub Copilot، راهنمای کامل
- Windsurf (سابق Codeium)
- Claude Code، Anthropic CLI کدنویسی
- Aider، pair programming روی ترمینال
- Continue.dev، IDE-agnostic AI
- Cline، autonomous coding agent
- Bolt.new، Lovable و v0، ساخت اپ با پرامپت
- Devin AI، اولین مهندس نرمافزار هوشمند
- Vibe coding چیست؟
- MCP servers برای کدنویسی
- Sub-agents در Claude Code
- Plan mode چیست و چرا اهمیت دارد
- Tab completion هوشمند
- Multi-file edit با AI
- بازبینی کد با هوش مصنوعی (AI Code Review)
- تستنویسی و دیباگ با هوش مصنوعی؛ از خطا تا تست رگرسیون
- پرامپتنویسی برای کدنویسی
- Context-aware refactoring با AI
- AI برای DevOps
- آیندهٔ کدنویسی با AI
- چرا Cursor و Copilot هر روز با یه غریبه میبینندت
