AI 建造者日报 — 2026年11月13日
📌 X / TWITTER
Every CEO Dan Shipper：他把一周里的碎片时间摊开算了一笔账：分析客户问卷、给团队做一个游戏、发现把 Every 卖给团队的机会、自己 vibe code 一套 CRM 再开始外联，这些活放在 2020 年要五个人、大约二十万美元，现在他用一份订阅在会议缝隙里做完了。但他紧接着说，生成便宜、排序很贵。OpenAI 的 GDPval 上，AI 在盲测里战胜人类专家的比例从 2024 年的 12.4% 涨到 2026 年的约 83%，可同一份客户问卷交给团队里不同的人，做增长的看到首月流失是因为邮件发太多，做营销的看到读者普遍孤独，做编辑的把它做成了一档黏土动画游戏节目。他引用了 Every 的 evals 负责人 Mike Taylor 的实验：给 Claude 400 次机会预测他会在 Slack 里说什么，命中率 93%，但让它自己排序时，他的答案只在它自评的前 10% 里出现约 60% 的时间。所以他认为衡量 AI 的方式该翻过来问：它多擅长做「我的」工作，从「我」的视角看。完整演讲就是今天这期播客。
- https://x.com/danshipper/status/2120539547620790424
- https://x.com/danshipper/status/2120536060413268386
SPC 普通合伙人、Bevel 联合创始人 Aditya Agarwal（前 Dropbox CTO）：他把现在值得做的公司分成两类。第一类是 AI 的扩散，相当于今天的垂直 SaaS，FDE 公司、rollup、横向产品都是同一种事的变体，本质是把 AI 送到离工作最近的地方，Profound、Cognition、Harvey 是代表。第二类是 AI 的前沿，用 AI 加速科学进展，再从这些进展里做产品，这一类更难看清但更值得下注：Externa 给蛋白质加上几百种新的化学积木，让药物去匹配疾病，而不是迁就自然给的结构；Epana Bio 用基因组学和 AI 设计针对自身免疫疾病细胞起源的疗法；VenomicsAI 从毒液里做 AI 加速的药物发现；Equivariant 给半导体行业做多物理场建模。他的判断是，绝大多数由模型驱动的回报会来自第二类，只是外界还谈得太少。
fpv ventures 合伙人 Nikunj Kothari：他抓了 803 家公司的 sub-processor 列表，看 AI native 公司到底在用哪套基础设施。跟 3 月那次比：44% 的公司列了两家以上模型供应商，从 33% 升上来；Anthropic 的增长速度是 OpenAI 的两倍；有 86 对公司在彼此的名单里互列，比如 Anthropic 与 Cloudflare、Vercel 与 SpaceXAI；33% 的公司列了推理服务商，从 22% 升上来，Modal 继续强势；来自中国的模型主要通过视频这条线进入，而不是文本，至少在 sub-processor 名单上如此；typesafeai 是这轮的黑马，从零开始短时间内进了不少公司。他也提醒这份名单属于滞后指标，但能确认一家公司真的在用某样东西。更新后的数据、设计和结论都在 deploygraph.com。
Y Combinator 总裁兼 CEO Garry Tan：针对 Nvidia 董事会可能让黄仁勋下台的传闻，他认为这不智，因为黄仁勋的领导力对这台「未来富足引擎」的日常运转太关键：他每天做的是最核心的主演工作，很难相信一次交接不会伴随市值的巨额缩水。
Replit CEO Amjad Masad：他问的是时机：这些本来也没藏得多好的旧故事，为什么突然变成国际和地缘政治新闻？值得问一句谁受益、为什么是现在。他的推测是，如果黄仁勋这位开源模型最重要的旗手被拿走，想要 AI 封闭、集中、可控的那一方会受益；至于为什么是现在，中期选举可能相关，即将到来的 IPO 也可能相关。
Peter Yang：他承认自己很失望，因为黄仁勋从洗碗工、服务员做到全球市值最高公司 CEO 的故事，很多人在看，包括他自己；四十一年的婚姻，也是这个故事的一部分。但他把两件事分开了：作弊本身令人不齿，和因此被解雇是两回事。董事会动手之前应该做一次正经调查，并让股东参与这个决定。他也说，没人能否认黄仁勋建立了一家跨时代的公司。
- https://x.com/petergyang/status/2120649149389627493
- https://x.com/petergyang/status/2120726673452933269
Vercel CEO Guillermo Rauch：他提醒一句，做出好产品依然需要极其专注的人力投入、努力、动机和爱，还需要注意力跨度。另外他提到 Beam by Reflection 到 11 月 12 日在 Vercel 上免费，美国开源权重，零数据留存。
前 Claude Code 团队成员 Thariq：他在 AI Engineer 的 code 场次拿到闭幕 keynote，主题叫「the sweet side of the bitter lesson」，讲的是他心目中明年用 coding agent 的体验会是什么样，以及我们怎么去塑造它。
OpenAI 的 Codex 与 ChatGPT 团队成员 Thibault Sottiaux：他暗示这个周四很适合「codex 一下」，也许还适合来一次 banked reset；另一条说自己在地下室待得太久了，该出来透透气。对 Codex 用户来说，这是额度重置要来的信号。
- https://x.com/thsottiaux/status/2120410480204525936
- https://x.com/thsottiaux/status/2120410006273380750
Google Labs：发布新实验 Tabletop，把链接和文件丢进一个共享空间，拉上同伴，让它按需生成自定义空间：自驾路线图和「今晚吃啥」转盘、实时匹克球对阵表和周边投票板、拖拽式座位表，免得被安排坐在老板旁边。他们还请创始工程师 Roman Nurik 演示自家怎么用：互动家务表和存钱罐、带实时计分的雨天寻宝、临时起意的乐高地图、奇幻小说主题的纽约行程。美国 18 岁以上可排队。
- https://x.com/GoogleLabs/status/2120549258692882702
- https://x.com/GoogleLabs/status/2120595442782368240
Zara Zhang：她引用了一句话，「技术只有在观众忘记技术存在的时候，才算完成它最重要的工作」。
Anthropic 官方账号 Claude：艺术家 Mariko Mori 三十年来一直在推艺术的边界，在她的回顾展 All That Shines 里，她用 Claude 写代码做了一段计算机生成的动画，作为新的影像装置展出。
🎧 播客
AI & I by Every：A New Vision for Human Work After Automation
一句话总结：AI 把「答案」变成了人人都有的公共品，真正稀缺的是你对世界的某一块负责、并由此形成的那个排序能力。
这是 Every 首届大会 Thesis 的闭幕演讲，Dan Shipper 要回答的问题是：自动化之后，好的人类工作长什么样。他先把预测未来的方法分成两种：一种叫 aggregate，收集大量数据外推趋势线；一种叫 intimate，凑近一个真实案例，把里面的混乱和互相牵连的变量都看清，再从那里外推。他的整场演讲就是在 intimate 里走一遍。
在 aggregate 这边，证据很硬。OpenAI 的 GDPval 让专家从自己的工作中挑真实任务做成 prompt，人来写一份、AI 写一份，再由盲测的专家选哪个更好。AI 战胜人类专家的比例从 2024 年 GPT-4o 的 12.4%，到 2025 年的 47.6%，再到 2026 年 GPT-5.4 的约 83%。他自己上周的对照更直观：分析季度客户问卷、给全员会做一个实时小游戏、发现把 Every 卖给团队的机会、vibe code 一套 CRM 并开始外联，2020 年口径下这是数据科学家、游戏开发、产品市场、工程师、BDR 加二十万美元的活。他说看到这张表的第一反应是「我们完蛋了」，他把这种冲击叫 agency rupture，因为人把自我认同寄托在做的事情上。
然后他往 intimate 里走。同一份问卷、同样的 Claude 交给整个团队，每个人拿到的东西完全不同。负责增长的 Yash 发现首月流失的原因是邮件发得太多，顺手写了 PR 去改那个数字，而这件事是在他还同时搭大会直播系统的时候做的。负责营销的 Douglas 发现很多读者是孤独的：他们为 AI 兴奋，身边的人却觉得他们疯了。资深编辑 Jack 把结果做成一档黏土动画版的家庭问答节目。而如果只给 Claude 一个默认 prompt，它会说「写作是生意，打包让人留下，风险是过度聚焦加量太大」。这些都对，但所有人都拿得到，所以它便宜。团队里没有一个人交出的分析和默认答案相似。
他把团队为什么还值钱落在一个实验上。Every 的 evals 负责人 Mike Taylor 试着预测他会在 Slack 里说什么：给 Claude 400 次机会，93% 的概率里面有一句是他会说的；但让 Claude 自己排序，他的答案只在它自评的前 10% 里出现约 60% 的时间。生成很便宜，排序很难。放到人身上，就是每个人都对世界的某一块负责，责任缩小了你去哪里找，视角决定了什么值得你动手。
对「一年后模型就会排序了」这个反驳，他的回应是别拿 2026 年的 Yash 去比 2027 年的 Claude：2027 年也有一个 2027 年的 Yash，而且他用的也是 2027 年的模型。等式两边都有 2027 年的 Claude，可以约掉，真正在比的是「有责任和视角的 Yash」和「默认 prompt」。而默认 prompt 代表的是平均答案，人人都有，所以不值钱。他说每一天他都选 Yash。
结论落回他写了几年的 allocation economy。模型能力会铺满所有人，等于地板被抬高，而地板就是基线；真正稀缺的 alpha 是你用视角和责任把模型推过基线的部分。所以衡量 AI 的方式也该翻过来：不要只问它在大家都同意值得解的问题上多强，而要问它多擅长做我的工作、从我的视角做。aggregate 为了测量模型的进步，必须把人冻结在 2020 年；intimate 才能让你看见自己可能造出什么、成为什么样的人。
（今日 feed 中无官方博客更新。）
通过 Follow Builders 生成: https://github.com/zarazhangrui/follow-builders