作者：Theodore、Cage
美国企业开发市场的潜力巨大，目标用户群体相比独立开发者和科技大厂，技术能力更弱，更需要 AI 工具来提高开发效率，同时也比 citizen developer 市场的需求更加明确。Codeium 从 2022 年中就专注于满足非科技企业的复杂需求，确保其产品不仅适用于小型团队和SMB，也能适应大型企业复杂的环境和代码库。因此，Codeium 在安全性、合规性、个性化微调和部署服务上投入大量资源，力求在这些方面超越 GitHub Copilot 和 Cursor 等竞品，给企业客户更强的信任感。
去年 8 月，Codeium 完成了由 General Catalyst、Kleiner Perkins 等参与的 1.5 亿美元融资，估值来到 12.5 亿美元，是这些老牌基金在 AI Coding 领域下的重注。之后在 11 月 Codeium 正式发布了 Agentic IDE Windsurf，与 Cursor/Devin 进行差异化竞争。
Windsurf 找到了 Agentic IDE 平衡的产品体验，将开发者置于 “copilot” 的位置，把适合自动化的多步任务交给 Cascade 系统接管。根据用户反馈，Cursor 产品体验很棒，但开发者仍主导了开发过程；而 Devin 在处理复杂问题时成功率不高、人类难以介入帮助 agent。这一设计不仅更能促进产品经理等强动机、弱开发能力的 prosumer 用户增长，还可能让 Codeium 得以打开企业客户的预算空间 企业不仅在购买开发工具，还可以有效替代一部分开发人员的薪资支出。当然，考虑到 GitHub Copilot 有很强的分发渠道，近期也推出了 agent mode，Codeium 需要保持在半年以上的产品和身位优势。
目录
01产品分析
02融资情况
03创始团队：Dream bigger
04商业化与客户采用
05结论与猜想
01.
产品分析
Codeium
Codeium 最早的产品形态为 IDE 插件，能支持 40 多种 IDE（包括 VSCode、JetBrains 等）和 70 多种编程语言。他们的产品迭代速度很快，每个月都会发布新功能、UI/UX、性能、稳定性等方面进行的优化更新，已经逐渐覆盖了我们在 AI Coding 图谱中涉及到的每一个工作流环节，包括代码补全、测试、审查、搜索等，并开发了自有的代码专用模型。插件主要由补全和对话两部分功能组成：
1. 补全：Supercomplete 是 Codeium 最新的补全能力，发布于 2024 年 10 月，付费用户可在 VS Code 中无限使用。通过实时分析用户意图，直接将光标导航到下一步的代码位置，并执行补全、纠错、编辑、删除等操作，类似 Cursor 中通过续点击 "tab" 键去预测并执行下一步。其技术难点主要是如何降低延迟、微调专用小模型、压缩 context window 和 prompt 等。
根据 Gartner 在 2024 年 7 月的最新报告，Codeium 在代码生成、测试、现代化、解释等方面的得分已经全面超过了 Github Copilot。
2.Chat 是经典的 Chat UI，并列于 IDE 的右边栏；Command (Ctrl + I) 是 in-line 编辑，在 IDE 原有界面内，和 Cursor 的 Ctrl + K 快捷键特意做了差异化。两者都可通过自然语言指令生成、重构、debug、解释代码，询问相关问题，还可用于单元测试、文档生成等；对于 Chat 对话的上下文，可以自定义固定、引用多个存储库，或通过“@对象”进行引用。
Codeium 有多种聊天模型供用户选择，包括自有模型、开源代码模型以及第三方 API 。Command 使用的是专用于编辑任务的自有模型，效果比 GPT-4 更好，并且速度比 PT-4o 快 4 倍。自有模型版本的 Command 发布后，Edit 几周内使用量就增长了 250% 以上，并在超越 Generate 用例后保持了大幅领先；代码接受率也提高了 38%。
除了插件之外，Codeium 还有两个相对独立的 feature：
1）Forge 是专用于代码审阅和 PR 工作流的 Chrome 插件，目前还在 beta 阶段，仅对企业团队开放，在 GitHub 云上可用。在 Forge 中，可以选中代码区域并进行解释，或就此向 Chat 提问；Forge 能自动生成针对评论的修改建议，以节省开发者和审阅者的沟通时间。
2）Live 是网页版app，于2023年11月上线，主要用于通用的疑难问题问答。能针对各种主要 IDE 和代码库的最新版本展开对话，并根据提供的上下文搜索开源代码片段和文档。
Codeium 强调自身产品的最大亮点在于强大的 context awareness，在所有任务中都会考虑临近文件，乃至整个存储库，并可以自定义固定上下文。其中最能显著展现上下文能力的用例是企业级代码库的语义搜索。
在 2024 年 8 月，公司推出了用于所有产品的推理引擎 Cortex（在 Windsurf 发布后改名为 Riptide），基于自己训练的代码专用 LLM，Riptide 能准确回答 “代码片段与输入查询的相关性有多大” 这个问题，并在数百 GPU 上并行调用 LLM，针对不同的代码片段进行数千次推理，表现优于市面的 embedding model 和 RAG 系统，recall rate 是其他系统 3 倍；由于使用分布式计算，Riptide 的延迟极低，能在1秒内处理上亿代码，实现实时人机交互；只需6秒就能把单个代码更新应用到代码库中所有文件。
在隐私方面，Codeium 符合零数据保留政策和 SOC II 标准；且与 Copilot 不同的是，从不使用未经许可的代码（如 GPL）训练模型。对于付费用户承诺零数据保留，免费用户也可以选择设置不储存数据。用户拥有生成代码的所有权。
Windsurf
Codeium 不满足基于 VSCode 等传统 IDE 在 UI/UX 和信息收集上的局限性，开发了自己的 IDE 产品 Windsurf。产品不仅集成了 Codeium 插件的所有功能，支持 Codeium 的所有部署方式，更旨在融合 Copilot 和 Agent 两种理念中找到一个平衡点，以实现轻量化的丝滑工作流。团队表示构建 Windsurf 的初衷是他们相信，AI Coding Assistant 的最终目标不只是提升开发者的生产力，而是实现创新，让用户做到以前无法实现的事情。
团队在 Windsurf 中重新构想了 AI Coding 产品所必需和可以剔除的功能，实现了以下革新：
1）产品基于 Flows 引擎，结合了 Copilot 和 Agent，能够深度理解代码库并实时感知程序员的操作，从 UI、延迟等方面配合，实现真正的无缝、持续协作。下图中上方的灰色轴是人类开发者的任务，下方的绿色轴是 AI 介入的工作。
2）协作代理系统 Cascade (ctrl L) 从 8 月开始推出，以 Riptide 引擎为基础，11月被集成于 Windsurf。这个系统把传统 Chat UI 进化为了 agent 系统，能进行主动的工具调用和迭代能力，从而模仿开发者从检索、规划到执行的工作流程。这一设计扩展了上下文窗口，解决比单个 LLM 范围更大的问题。
Cascade 有 2 种协作模式：一种是 write，可以编辑代码，自然语言交互门槛很低，对非编程人员十分友好，可以用类似 Bolt 的方式一句话开始一个项目；一种是 read，可以与 AI 问答，In-line command 的 UI 设计减少了手动操作，不需要反复提供 prompts，就能自动迭代修正直到生成正确代码。Cascade 还能从团队的编辑行为中不断学习，积累团队特定的 Trajectory understanding，从而更好识别用户意图。
团队尽可能改善一切能提升开发者体验的细节，例如“从上次中断处继续”的记忆功能；多文件的代码审核中，能够在文件内部、之间跳转，快速接受/拒绝的 UI 界面等，都基于用户反馈进行了打磨。今年 1 月，Windsurf 发布了第二次更新，开始支持互联网实时信息搜索，可以获取开源项目的最新更新；如果使用公司 VPN，还可以将公司内网加入上下文。此外，Cascade 不仅能自动捕捉用户的使用习惯，还支持用户对其总结的记忆和默认规则进行自定义管理，加强了产品的个性化功能。
Cascade 自动生成的用户使用习惯记忆，可以进行自定义
在最新一次更新中，Windsurf 开始集成 DeepSeek R1、DeepSeek V3 和 OpenAI o3-mini 模型，是第一个集成 R1 的 coding agent。DeepSeek 模型完全托管在西方服务器上，向所有付费个人用户开放；o3-mini 向所有付费个人和组织用户开放。
公司博客写到，Windsurf 已经带来了可见的变化。让 Coding 工作范围得以扩展到非开发人员：产品经理、分析师、架构师、设计师等都能使用 Cascade 来理解或编写代码；Cascade 能解决更多的单元测试、迁移等维护工作，让开发者更专注业务。小型初创公司也能使用 Windsurf 来构建自己的低代码工具，而不需要向外部 SaaS 采购。
我们总结了来自 Reddit, X, 即刻等社群的用户反馈，将 Windsurf 与 Copilot 和 Agent 两类产品中的 best player Cursor 和 Devin 进行了对比。整体而言，Windsurf 产品表现更 Agentic，上下文能力及自动化表现好于 Cursor，且价格便宜，已能够替代小型个人项目对Cursor的需求。相比之下，Cursor 作为 Copilot 产品的代表，仍有最好的 Autocompletion 功能，能通过连续按 “Tab” 流畅快速地生成代码；同时产品成熟度胜于Cursor，稳定性、准确度、协作功能都更强，比 Windsurf 更适合中大型的团队项目。
在另一端，最为 agentic 的 Devin 形态是 Slack 交互，更能减少手动输入，适合用来处理工作中不想自己处理的繁琐任务；但对于细节的把握不如前两者。
Enterprise solution
Codeium 产品创始团队成员 Anshul Ramachandran 在 Latent Space 上分享了公司在企业端的方法论。团队从构建产品的第一天开始，就想好要针对传统行业里的大企业。这是因为相比在红海争夺个人用户，企业才是软件的主要买单方，赢得一个大企业客户的收益相当于成千上万的个人用户。而具备开发 DNA 的大型科技公司会更倾向于通过开源 LLM 和各种框架自建GenAI能力，而非向外采购。他们往往也拥有庞大的 B2C 基础和分销渠道，与之竞争难度大，机会少。
相反，非科技型大企业非常愿意为提升效率、创造更多价值的工具买单。同时，GenAI 的黑匣子使生成的代码更难追溯，也为这类企业带来更多复杂的安全、合规限制。相比巨头，初创公司可以更加快速、灵活地开发本地部署、审计控制等方案来满足这些复杂需求，从而脱颖而出。
Anshul 认为，一支仅面向消费级市场的开发团队，是无法通过后期补救来切入企业市场的。但 Codeium 在设计产品、组建团队时都将大企业的需求置于核心：要有先进的推理系统，才能处理企业内复杂庞大的代码库；打造具备深度技术专长的团队（如 GPU 优化、安全合规等），才能实现 Enterprise Infrastructure Native。文章中总结了团队正确关注到的 6 个关键方面：
安全：
Codeium 作为 SaaS 的云部署方案符合零数据保留政策和 SOC 2 标准，并提供自托管/VPC、Hybrid（即企业自托管数据，Codeium托管计算推理）的部署选项，这是区别于 Copilot 和 Cursor 的最大优势 Cursor 仅提供承诺不存储数据的云方案，但不支持本地方案。Copilot 也不支持自托管，只在组织方案中默认不使用客户数据训练。这点也得到了多名 Codeium 客户的认可，尤其是在结合内部库自定义的场景中，客户对自托管方案更加放心。
在构建过程中，Codeium 进行了一系列技术准备，包括容器化部署（Docker、Kubernetes）；自建与客户扫描系统兼容的镜像扫描系统；确保能在 hyperscaler 和本地硬件部署上正常运行，合理调整 GPU 硬件来优化成本等。Codeium 也早早通过了多项耗时的隐私安全认证。
合规：
Codeium 主动展示了使用数据的合规性，建立了训练数据的净化措施，并遵守 OpenAI 等第三方服务条款，承诺永远不用未经许可的代码（如GPL）、ChatGPT 的生成结果和客户数据训练模型。同时为企业提供归因过滤、归因和审计日志功能。
个性化：
基于企业客户的私有代码库进行推理，在模型内评估数据的时效性和相关性，给出更高质量的个性化回答。Codeium 的本地部署方案能让个性化的实现更加安全，也是相对于行动缓慢的巨头的最大优势。虽然 Github 在 2024 年 2 月也在企业方案中推出了定制化功能，并在同年 6 月通过了 SOC 2 认证，但客户对其 SaaS 方案的隐私安全仍有顾虑。
ROI 分析：
Codeium 能受益于企业相信 AI coding 能提高生产力的普遍信念，但产品的 ROI 难以量化。为此，Codeium 开发了数据分析仪表盘，能够对照分团队的使用数据，跟踪 Codeium 对其软件开发的直接影响，可视化客户效率的提高程度，并收集最佳实践。
延迟：
Codeium 开发了基于 speculative decoding 的方法，生成尽可能少的 token；同时，公司有 ML Infra 方面的基础和基因，对基础设施架构进行了性能优化，可将 GPU 利用率提高至 97%，降低自托管客户的 TCO，并在包括检索、推理、推断、检查的每个环节控制延迟。
规模：
Codeium 从一开始就考虑到企业环境复杂且规模庞大（如数以万计的代码库和开发人员），需解决大规模索引和延迟管理的问题。系统设计需在高用户量、高数据量的情况下保持高效稳定。对于新开发成员面对陌生环境的 onboard 过程，也能将所需时间缩短到 1/4。
定价
Codeium 发布后 2 年左右的时间内都对个人用户免费。从 2024 年 9 月开始，推出了 $10/月的 Pro Plan，相对免费用户提供更多次数的高级模型（Claude 3.5 Sonnet GPT-4o）使用量、更快的完成速度及更丰富的上下文功能；12月开始，顺应 Windsurf 的发布，Pro Plan 涨价至 $15/月，并增加了 $60/月的 Pro Ultimate Plan。
目前方案中，免费用户可以使用基础模型 Cascade Base，第一次下载 Windsurf 会赠送 50 个 User Prompt（用于调用高级模型）和 200 个 Flow Action 积分（用于执行特定自动化任务，如代码审查、文档生成等）。
2024 年 12 月起，对于 50 人以内的团队，Teams Plan 从 $24/人/月涨价至 $35/人/月，相比个人版增加了组织分析、席位管理、远程/多存储库索引和代码审查 (Forge) 的功能，还包括每人 300 个 User Prompt 积分和 1,200 个 Flow Action 积分；多余的积分可以在用户间共享。Teams Ultimate Plan 定价 $90/人/月，包括无限个 User Prompt 积分和 2,500 个 Flow Action 积分。企业 SaaS 方案定价，需要客户与 Codeium 销售联系确认。
值得注意的是，在 Codeium 依靠涨价增收的同时，本就拥有强大销售渠道能力的 Github Copilot 却开始了价格战：Github Copilot 在 2024 年 12 月发布了免费版本，在 VS Code 中对所有用户开放，可在 GitHub.com 上使用。用户每月可获得 2000 次代码完成（相当于每个工作日约 80 次）及 50 次聊天请求，访问 GPT-4o 和 Claude 3.5 Sonnet 模型。个人 Pro 用户定价为 $10/月，可以无限次使用高级模型。而 Codeium 仅在 Windsurf 目前的推广期内开放了 Claude 3.5 的无限使用权限，在插件形态没有个人用户的无限使用方案。
对于组织用户，Github Copilot 增加了安全和数据保护等方面的一系列功能。分为 Business ($19/人/月) 和 Enterprise ($39/人/月) 两种方案，后者允许企业根据内部代码库定制 Copilot Chat，更深入地了解客户知识，提供更有针对性的建议，为客户提供经过微调的自定义私有代码模型，并能够连接到 Github Enterprsie Cloud。仅从用量角度比较，Github Copilot 的定价目前全面低于 Codeium。
02.
融资情况
Codeium 创立于2021年6月，当时名为 Exafunction，方向是机器学习 Infra，AI 工作负载的 GPU 优化和虚拟化。2022 年 4 月，公司获得 Greenoaks 领投，Founders Fund 参投的 2500 万美元 A 轮融资。虽然当时 ARR 已经达到几百万美金，但团队意识到原有领域难以做出差异化优势，AI coding 这一最结构化的赛道才是最适合 AI 技术落地、从 Day 1 就能证明前沿技术 PMF 的机会，因此决定重塑品牌，转型开发自己的 AI coding 产品。2022 年 10月，Codeium 发布了 beta 版本，依赖公司的 infra 基础向用户免费提供，并迎来用户数量的快速增长。
在 Codeium 推出的一年时间里，虽然缺少商业营收数据支撑，但凯鹏华盈 (Kleiner Perkins) 从 CIO 网络中的信息中明确了解到，企业对 coding 工具的真实需求恰恰与 Codeium 强调安全、上下文感知和 IDE 可扩展性的价值主张相吻合。这使 KP 于 2024 年 1 月 领投了 Codeium 的 B 轮融资，共计 6500 万美元，General Catalyst 和老股东 Greenoaks 参投，估值 5 亿美元。KP 投后扶持 Codeium 完成了市场拓展、组建销售团队等关键工作，为近一年来企业收入的快速增长打好了基础。
仅仅 7 个月后，2024 年 8 月，Codeium 宣布完成由 General Catalyst 领投，凯鹏华盈 (Kleiner Perkins) 和 Greenoaks 参投的 1.5亿美元C 轮融资，估值达到 12.5 亿美元，在半年左右时间里增长了 250%。
03.
创始团队：
Dream bigger
Codeium 团队具有 “卷王” 的基因，被凯鹏华盈投资人 Leigh Marie Braswell 评价为 “见过最有活力的团队之一”，能够非常快地把握机遇，并从早期开始多维度规划并解决问题。在 GTM 团队扩张前，Codeium 的招募原则是精简和效率至上的，坚持只招必要的、足够自驱和优秀的人，以尽可能小的规模运行。在 A 轮融资时，创始团队仅有 8 人左右；在 2024 年中才达到百人规模。
公司由 CEO Varun Mohan 和 Douglas Chen 联合创立。二人在中学数学奥赛中结识，并一同进入 MIT 计算机系；Chen 在 MIT 以满绩毕业，并曾在 Facebook 担任机器学习工程师，专注于 Oculus VR 等项目的开发。技术团队里，有 40% 左右的工程师同样来自 MIT，很多人都是创始人在学校里曾经一起竞争的对手。这些理工人才不仅背景相似，更有着共同的热忱追求 为软件开发带来彻底的革新。为此，工程师会在产品发布前自发加班到凌晨 4 点，创始人也同样宵衣旰食。这种不满足于现状的进取心让 Codeium 能在 A 轮融资后毅然决定转型，专注于更有前景的赛道，也使投资人对团队的长期表现充满信心。
CEO Mohan 是一个非常有野心的创业者，相信“求其上者得其中”，习惯于设定高目标；做事风格雷厉风行，追求效率和速度，在竞争中有着强烈的好胜心。在创立 Codeium 前，他曾在Linkedin、Quora、Cloudian 等软硬件公司实习，积累了数据基础设施和 ML 系统的软件工程经验；唯一一段全职工作经历是 2018-2021 在自动驾驶公司 NURO 担任自治基础设施技术主管，领导一个20人左右的团队。
Mohan 不满足于自动驾驶领域缓慢的商业化进展，认为在硬科技行业创业，需要在解决技术不确定性的同时产生收入甚至盈利。CEO 的坚定信念和执行力激励了团队克服了市场推广初期的挫折，并在产品和团队走向成熟后，在商业化表现上突飞猛进，在一年半里就超越了 SaaS startup GTM 的 T2D3 (“Triple, Triple, Double, Double, Double”) 标准。
Mohan 对软件开发领域有着长期主义的远见，希望自己创立的公司能带来真正有意义的改变，同时能"用让人信服的方式将未来带到现在"。Codeium 的最终目标是让开发者的工作效率提高到原来的 20 倍。对于软件开发的未来，Mohan 并不认为效率提高会使企业中的开发人员减少，“人不会因为食物的价格跌到1/10就吃10倍的东西，但技术的采用是无上限的”。相反，由于 R&D 的 ROI 提高，企业会以更快的速度拓展开发的范围和深度。Mohan 相信 AI coding 的迭代有望带来 AGI 的真正普及。
