undefined
关联
🎧 本集中文精华音频
一句话 TLDR
Dan Shipper 预测：AI 不会消灭工作，而是把工作重塑为人机协同——驾驭模型者通吃。
预测未来的唯一方法：泡在未来里
这一集的嘉宾是 Dan Shipper，他是内容与软件公司 Every 的创始人。一年前他曾精准预测「人们忽视了 Claude Code 在非技术工作上的潜力」。当时大家只把编码智能体当编程工具，Dan 却用它来整理文件、写文章，把终端（Terminal，一种用文字命令操控电脑的界面）变成了日常工作的主战场。
主持人 Lenny 请他回来，让他对未来一年的工作方式再做几个大预测，并约定 2027 年 5 月回来复盘打分。Dan 认为，预测未来的关键不是空想，而是让自己和团队提前「泡在未来里」。
【背景】Dan Shipper 创办的公司 Every 是一家结合了内容与软件孵化器的初创公司。他们极度全员使用 AI，能提前拿到模型公司的新产品进行测试。这让他比身处旧金山（AI 硅谷中心）的人更早看到 AI 在真实工作中的应用样貌。他目前在纽约布鲁克林办公，约 30 名员工。
Dan 坚信一个检验新工具是否好用的标准叫「触及测试」（reach test）：当你早上醒来，你会不会自发地去伸手拿它？他尝试让 Claude Code（Anthropic 推出的命令行编程智能体）介入自己的写作流程，发现它正变得让人难以抗拒 [06:24 Dan Shipper]。
预测一：公司的 AI 架构会从「人人一个」退回「全公司一个超级智能体」
随着异步智能体（你可以发指令让它自己去后台干活的 AI）流行，很多人最初设想的是「每个人都会有一个自己的专属智能体」。Dan 自己最初也深信不疑，觉得这就像小说《黄金罗盘》里灵魂化作的小精灵跟着每个人一样 [13:05 Dan Shipper]。
但他现在已经完全反转了看法。他认为目前的模式将变成：全公司共用一个「超级智能体」。像 Shopify 和 Ramp 这些公司现在就是这么做的 [13:42 Dan Shipper]。
为什么？因为「养」一个个人专属智能体实在太折腾了。现在的 AI 智能体动不动就会出错，需要人频繁去修。Dan 发现，一旦那个关心它、维护它的人撒手不管，这个智能体立刻就废了。所以现实的最优解是：公司专门设一个岗位，去维护那个供全公司使用的公共智能体。
不过他仍认为个人智能体终会到来，只是要等模型足够聪明、不需要人天天去折腾它的内部逻辑时才会普及。这些工作用的智能体交互将主要发生在 Slack 里 [16:38 Dan Shipper]。
预测二：大部分工作将搬进 Codex 或 Claude Code 里
这是 Dan 最兴奋的预测。Anthropic 发现，如果把一个智能体直接装在你的电脑上，它通过终端就能访问你电脑里的一切，这产生了极其强大的编程能力。而把这种能力扩展到「非编程工作」上，是目前正在爆发的范式转移。
他提到，Codex 桌面应用现在是他每天工作的主战场。他甚至用 Codex 来处理邮件，连续 10 天保持收件箱清零——这是他以前从未做到过的。他会在 Codex 的应用内浏览器里打开他自己写的一个在线编辑器 Proof 写文档，Codex 就像旁边的工作伙伴一样看着他操作，两人能来回沟通 [21:32 Dan Shipper]。
他以前以为 AI 的最佳形态是把 AI 塞进浏览器里，但他现在意识到反过来了：把你平时用的 AI 智能体拿过来，在它里面装一个浏览器，让它能看清你在做什么，这才是真正的魔法组合 [23:04 Dan Shipper]。
这种模式带来了一个极其深刻的二阶效应：SaaS 工具将不再需要自己掏钱内置 AI 了。
当用户在你的网页里操作时，用户电脑上的 Codex 会自动接管 AI 工作。用户用的是自己的令牌（tokens，调用 AI 模型的计费单位）。这意味着 SaaS 公司不仅省下了 AI 成本，还能迎来需求的暴涨——因为会有海量的智能体涌入你的产品里替人干活 [24:02 Dan Shipper]。
这也带来一个巨大的基础设施挑战：智能体在三秒内就能发出上亿个请求，GitHub 现在正是因为成山的智能体涌入而面临压力。他预言，SaaS 工具将开始为「人与智能体同时在线协作」而设计，甚至会有「智能体直接给智能体提 Bug」的闭环出现 [29:34 Dan Shipper]。
很多人为了用 AI 转向了命令行界面（CLI，纯文字的电脑操作界面）。但 Dan 断言：CLI 时代结束了。人类终究需要图形化界面（GUI）。
【背景】此处文中提及的 GPT 5.5 系列模型与 2027 年复盘等字样，均来自本集访谈的原始语境（如 Dan 拿自己测出的「高级工程师基准测试」举例），体现了嘉宾对模型快速进化的推测。
预测三：「自动化是个谎言」，我们创造了一种新工作
当别人都在喊 AI 末日（jobpocalypse）时，Dan 的公司过去一年人数却翻倍了。原因在于：「自动化是个谎言」。
每次你弄了一个自动化智能体，就必须得派一个人天天盯着它，确保它没搞砸。Dan 称之为「分配经济」：人类越来越像智能体的经理，天天跟它们核对工作。而基准测试（benchmarks，给 AI 打分的考试）让人觉得 AI 已经能全自主干活了，这是一种错觉 [39:15 Dan Shipper]。
Dan 自己做了一个基准测试：他之前用 Vibe coding（完全不碰代码，纯靠自然语言跟 AI 对话生成的开发方式，Dan 甚至因为狂写而得了肘部滑囊炎）搞出了一个经常宕机的应用。他让两个真正的高级工程师去重构，然后拿他们的答卷去考各个新模型 [40:51 Dan Shipper]。
他发现，即使是最新的 GPT 5.5 模型，在这个测试里也只拿了 62 分，而人类高级工程师能拿 80 多分。更关键的是，模型永远只会头痛医头地打补丁，真正的人类高级工程师看一眼就会说：「这代码就是一坨屎，我们必须推倒重写。」
这就催生了一种全新的核心岗位：前置部署工程师（forward deployed engineer）[53:52 Dan Shipper]。他们的工作不再只是写代码，而是主要在 Slack 里跟公司的智能体对话，纠正它的错误，搭建一套让公司其他人可以无脑使用的系统。这些团队不仅不会消失，还会不断壮大。
那么，什么岗位受 AI 影响最小？Dan 认为是销售，因为太依赖面对面的沟通。但他同样坚信：CEO 绝对不能把懂 AI 这件事假手于人，公司能走多远，全看 CEO 自己对 AI 的直觉 [59:23 Dan Shipper]。
预测四：PM（产品经理）和全栈设计师的黄金时代
这也是 Dan 最具反主流色彩的预测。他认为，在接下来的 AI 时代，最吃香的就是 PM 和全栈设计师。
他举了自己团队里的 PM Marcus 的例子：Marcus 懂一点技术，但以前绝不可能去当工程师。但现在有了 Cursor、Claude Code 这些工具，他能把自己对产品的敏锐直觉和这些工具结合起来，发布功能的速度比任何人都快 [68:56 Dan Shipper]。
而设计师也终于迎来了能直接实现自己想法的时代。以前设计师做出酷炫的交互，工程师嫌麻烦不愿做；现在，设计师可以直接用 AI 搞定一切并直接提交拉取请求（pull requests，提交代码修改的请求）[71:15 Dan Shipper]。Dan 认为，那些具有锋芒和创意的人，将极其容易从一堆千篇一律的 AI 生成产物中脱颖而出。
这引出了 Dan 对未来的核心定调：模型的作用是让昨天的旧能力变得廉价。 所有人都能轻易做到的事，就不再有价值了。而人类的作用，是拿这些廉价的能力去拼凑出全新的东西。所以只要你能驾驭新模型，就永远不用担心失业 [73:56 Dan Shipper]。
这也是他对所有听众最后的终极建议——「驾驭模型」（ride the models）。只要有新模型出来，就去翻翻以前做不到的事，拿着新模型去试。最前沿的 AI 其实并不在旧金山，而在 AI 与真实人类的具体工作相遇的地方。
金句(中英对照 · 过机器闸门三联校验)
智能体做的是增加 SaaS 的用户数量，而不是摆脱它。
What agents do is increase the number of users of SaaS, not get rid of it.
—— Dan Shipper · [01:20]
而一旦你切断那个连接，所以一旦有人说，“啊，我不想维护这个愚蠢的 OpenClaw，”就是智能体真的不再那么有用的那一刻。
And the minute you sever that connection, so the minute someone’s like, “Ah, I don’t want to maintain this dumb OpenClaw,” is the minute the agent is not really that useful anymore.
—— Dan Shipper · [15:01]
自动化是个谎言，从某种意义上说，每次你自动化某样东西时，为了确保自动化运行良好，你需要一个人在上面确保它运行良好。
Automation is a lie, in the sense that every time you automate something, in order to make sure the automation is working well you need a human on top of it making sure that it’s working well.
—— Dan Shipper · [39:15]
基准测试让 AI 看起来比实际上更自主。
benchmarks make it look like AI is more autonomous than it is.
—— Dan Shipper · [40:15]
我的经验是，你的公司的发展程度只能达到你的 CEO 在 AI 方面的发展程度，而且这是你不能委托的事情。
My experience is that your company’s only going to go as far as your CEO goes in AI and it’s not something you can delegate.
—— Dan Shipper · [59:27]
我现在会买入 SaaS 股票。
I would buy SaaS stocks right now.
—— Dan Shipper · [37:09]
模型总体上做的是让昨天的人类能力变得廉价。
What models do in general is they make yesterday’s human competence cheap.
—— Dan Shipper · [73:51]
我认为 AI 的前沿是 AI 遇到真实的人做事情的地方，因为在旧金山的人，他们在制造它，但他们实际上并不太知道如何使用它。
I think the edge of AI is wherever AI meets a real human doing something because the people at San Francisco, they’re making it, but they don’t actually know a lot about how to use it.
—— Dan Shipper · [78:48]
如果 IBM 发明了 AI，你可以肯定它不会是这样，它得花上十亿美元，只有顶级公司能使用它，他们会以最奇怪、最无趣的方式使用它。
If IBM had invented AI, you can bet it would not be like this, and it would be a bajillion dollars and only the top companies could use it and they would be using it in the weirdest, most uninteresting ways.
—— Dan Shipper · [80:14]
我们在布鲁克林，但我真的认为我们，我认为我们远远领先于旧金山的人，因为我们把 AI 用于一切。
We’re in Brooklyn, but I really think of us, and I think we are quite far ahead of people in San Francisco because we just use them for everything.
—— Dan Shipper · [79:15]
相关单集
- 《OpenClaw创始人：为何80%的应用将消失》 —— 同公司:Claude Code、Codex · 同概念:智能体 (agent)
- 《2026-04-19-lennys-why-half-of-product-managers-are-in-trou》 —— 同公司:Codex、Anthropic · 同概念:智能体 (agent)
- 《神话之后的红队评估 — Zico Kolter与Matt Fredrikson，Gray Swan》 —— 同公司:Anthropic · 同概念:智能体 (agent)
- 《2026-05-03-lennys-why-cultivating-agency-matters-more》 —— 同公司:Anthropic · 同概念:智能体 (agent)
- 《赋予AI智能体计算机——Daytona创始人Ivan Burazin》 —— 同概念:智能体 (agent)
- 《Satya Nadella：Microsoft Build特别跨界对谈》 —— 同概念:智能体 (agent)
- 《为什么前沿生态必须开放》 —— 同概念:智能体 (agent)
- 《为什么 AI 基础设施必须为「Agent 体验」进化》 —— 同概念:智能体 (agent)
- 《2026-06-29-lennys-no-figma-no-jira-no-docs-how-gusto》 —— 同概念:智能体 (agent)
- 《2026-07-19-lennys-netflix-cpto-on-ai-and-the-future》 —— 同概念:智能体 (agent)
中文精华由 GLM-5.2 从官方转写稿全译→浓缩产出,金句经机器闸门(逐字命中转写稿+时间戳区间+说话人)三联校验。英文原稿/全译存档于项目仓库、本页不展示(可事后核对);上云后迁 R2(C7)。