AI Builders 每日摘要 · 2026-11-13

Dan Shipper、Aditya Agarwal、Guillermo Rauch、Nikunj Kothari、Claude 和 Thariq 今天分别谈到 AI 提升人类判断的方式、frontier AI 创业、底层性能、AI-native 公司的基础设施，以及 coding agent 的下一步。AI & I by Every 播客则从真实团队的案例出发，解释为什么模型能力普及后，人的视角与责任仍然决定工作价值。

X / TWITTER

Every CEO Dan Shipper

Dan Shipper 用 Every 的客户调查说明，AI 生成可能性很便宜，但判断哪些可能性值得行动仍然困难。同一份数据交给不同成员后，他发现了团队销售机会，Yash 找到首月流失问题，Douglas 发现读者的孤独感，Jack 则把结果做成了 Claymation 游戏节目；每个人的责任范围和视角都改变了他们从模型输出中挑出的重点。

他认为，随着模型能力成为所有人的默认配置，真正稀缺的不是基线答案，而是用自己的责任和经验把模型推向特定问题。他写道：“The aggregate can show us the capability curve. The intimate helps us see what we might build, and who we might become, as we ride it.”

来源：https://x.com/danshipper/status/2120539547620790424

SPC 普通合伙人、Bevel Health 联合创始人 Aditya Agarwal

Aditya Agarwal 把当前值得建设的公司分成两类：一类是把 AI 推近真实工作现场的“AI diffusion”，包括 FDE、rollup 和垂直产品；另一类是用 AI 加速科学进步，再从新发现中构建产品的 frontier AI。他列举了蛋白质化学构件、基因组学驱动的自身免疫疗法、毒液药物发现和半导体多物理建模等例子，并判断第二类目前被低估，却可能产生大部分 model-driven returns。

来源：https://x.com/adityaag/status/2120578134177464356

Vercel CEO Guillermo Rauch

Guillermo Rauch 分享了一个让 fx 启动速度与高度优化 assembly 版本竞争的 benchmark，说明 AI 时代的性能工程仍然会落到具体实现和测量上。他同时提醒，做出优秀产品仍需要大量专注、努力、动机、热爱和持续注意力，生成能力不会自动替代产品判断与执行。

来源：https://x.com/rauchg/status/2120598652825809186

来源：https://x.com/rauchg/status/2120601000176439478

FPV Ventures 合伙人 Nikunj Kothari

Nikunj Kothari 更新了对 803 家 AI-native 公司 subprocessor 清单的分析：列出两个以上模型供应商的公司比例从 33% 升到 44%，列出 inference provider 的比例从 22% 升到 33%；Anthropic 的增长速度高于 OpenAI，Modal 仍是突出的 inference 供应商，中文模型更多出现在视频场景。他也提醒，subprocessor 清单是滞后指标，但能提供公司实际使用基础设施的可核验信号。

来源：https://x.com/nikunj/status/2120669243918418237

Claude

Claude 分享了艺术家 Mariko Mori 在 “All That Shines” 回顾展中使用 Claude 编写计算机生成动画代码的案例。作品最终以新的视频装置呈现，重点在于把模型当作创作过程中的编程工具，而不是只展示一个脱离实际作品的 demo。

来源：https://x.com/claudeai/status/2120669165316915259

Claude Code 工程师 Thariq

Thariq 说，他的分享聚焦于“明年使用 coding agents 的体验会是什么样，以及我们如何塑造它”。虽然没有展开具体功能，但这条信息把讨论重点放在 agent 交互体验和产品设计方向，而不是单次代码生成能力。

来源：https://x.com/trq212/status/2120621112807866620

OFFICIAL BLOGS

今天没有来自官方博客的新文章。

PODCASTS

AI & I by Every：A New Vision for Human Work After Automation

一句话结论： 当 AI 能力成为所有人的默认配置后，人的责任范围、经验和判断会决定哪些输出真正值得推进。

Every 联合创始人兼 CEO Dan Shipper 以团队最近分析客户调查的经历，解释了“aggregate”和“intimate”两种看待 AI 的方式。前者看能力曲线：GDPval 中 AI 击败人类专家的比例从 2024 年的 12.4% 上升到 2026 年约 83%；后者则把镜头拉近到真实工作，观察不同的人如何从同一份数据中发现完全不同、但都能推动业务的洞见。

同一份调查里，Dan 找到团队销售机会，Yash 找到首月流失原因，Douglas 发现读者的孤独感，Jack 把结果做成游戏节目。模型可以生成大量候选答案，却很难替团队成员承担“哪个发现值得负责并采取行动”的判断。Dan 的核心表述是：“Great work is the perspective you bring to the model.”

他因此认为，模型升级会不断抬高所有人的能力下限，也会让默认答案迅速变成商品。更有价值的问题不是模型在统一 benchmark 上有多强，而是它能否从你的工作视角出发，帮助你推进真正重要的事情。

播客链接：https://www.youtube.com/playlist?list=PLuMcoKK9mKgHtW_o9h5sGO2vXrffKHwJL

Generated through the Follow Builders skill: https://github.com/zarazhangrui/follow-builders