Every 是 Dan Shipper 自己创的媒体和软件公司，从 2020 年 GPT-3 时代开始到现在 6 年多。
1/7
Every 是 Dan Shipper 自己创的媒体和软件公司，从 2020 年 GPT-3 时代开始到现在 6 年多。
他们从 GPT-3 那刻起就把 AI 塞进每个工作流：写稿、编辑、客服、设计、营销、工程。Codex 和 Claude Code 是默认界面，新模型 alpha 阶段他们就先拿到。理论上这是「自动化到极致」最彻底的样本。
结果 2026-05-21 他发报告《After Automation》，标题直白：「我们什么都自动化了，但人却变多了」——从 4 人扩到 30 人。
几天后上 Lenny's Podcast，扔出一组明显反主流的预测。我挑 3 个最有实质意义的分享。
2/7
第一个是反直觉的事实本身。
Dario Amodei 公开预测 AI 几年内会让 50% 入门级白领工作消失。Citadel 的 Ken Griffin 也说看到「极高技能职位正被自动化」。
Every 的数字却反着走。
Dan 的解释是结构性的：AI 训练数据是「过去人类专家做出来、能被明文记下来的东西」。模型最擅长压缩并重现这些，压缩得越好，默认输出就越像别人。「跟其他人的 AI 输出长一样」成了新常态。
当默认品质烂大街，人对「不一样」的需求就暴增。而「不一样」目前只能靠人判断。瓶颈从生产移到了审查和判断。
Apollo 首席经济学家 Torsten Slok 也在跟踪这个现象。他叫它劳动市场版的 Jevons Paradox：服务成本下降，市场规模反而扩大，就业人数跟着增加。
Every 把这个机制变成了内部可观测的数字：6 年从 4 人到 30 人，自动化程度和人数一起上升。
3/7
第二个是 Forward Deployed Engineer (FDE) 这个职位的崛起。这跟第一个机制是同一件事的延伸。
Google CEO Sundar Pichai、Box CEO Aaron Levie 最近都公开说，FDE 是 2026 年最难招的职位。
Lightcast 数据：FDE 职位从 2024 年底约 200 个，到 2025 年底翻了 5 倍以上。TeamLease Digital 估计全球 FDE 需求年增 800%。
原因在 MIT NANDA 2025 那份报告：95% 的企业 GenAI pilot 没有可衡量的商业影响。问题出在部署层，而不是模型本身。
能写一个会跑的 LLM API call 是一回事；能在客户的 RBAC、合规、旧系统、脏数据、人为流程里让 agent 真正产生价值，是另一回事。这需要一种混血工程师——既懂模型，又愿意进客户办公室 debug 五个礼拜的整合问题。
4/7
Palantir 早在 2009 年就发明了这种角色。直到 2026 Q1 法说会报出 85% 年增、商业营收 133% 年增，市场才真正重视「派驻客户现场部署模型」这件事能做到多大规模。
OpenAI 直接成立 Deployment Company，把 FDE 业务独立出来。
Google Cloud CEO Thomas Kurian 也宣布在 GTM 团队里新设 AI 专责 FDE 组织，面试流程从 4-6 轮压到最少 2 轮。
同一份 Lightcast 数据显示：mid-level FDE 起薪 30 万美元总包，senior 超过 50 万。FDE 已经是 AI 时代 staff engineer 级别的稀缺资源。
5/7
第三个是 SaaS 不死。这条最违背主流认知。
主流说法是：agent 会绕过所有 SaaS 界面直接 call API，SaaS 公司要被取代了。
Dan 的看法完全相反，他说「我现在就会买 SaaS 股票」。
Every 自己的 SaaS 开支过去三年一路成长，而不是下降。原因是每个 agent 都是一个高频 SaaS user。
一个人类员工可能一天开几次 Salesforce，但 agent 可以一秒打十次 API、一天填 200 个工单、自动产出带完整 reproduction step 的 bug report。
GitHub 2026 年因为 agent PR 暴增，已经吃力到要重写底层。
这就是 SaaS 厂商现在最具体的信号：谁能处理「人类和 agent 同时用」的并发场景，谁就是接下来几年的赢家。
产品该走的方向是：把 UI 分成「人类版」和「agent 版」、加 rollback log、加 approval inbox、开 BYO token 让用户把自己的模型 token 带进来，而不是自己贴一层 AI 还扛 token 成本。这个方向反而能提升 SaaS 毛利，因为 AI 算力成本不在你家。
6/7
Dan 真正想说的是：AI 自动化把「执行」变便宜，但同时把「判断」「框问题」「在组织里让模型真的有用」这三件事的价值提高了。
Every 那 30 人里多出来的位置是写手、编辑、FDE、盯着 agent 输出做判断的人——不是行政，不是 PM。
他在 podcast 里有一句话我认为这集最重要：
「Data is the visible residue of competence.」
模型学的是过去专家留下的痕迹。等模型学会的时候，活着的专家早就走到下一个地方了。
这个结构不会在某个版本停下来，就算到了 AGI 阶段也一样。只要模型训练的是过去，现在的判断力就还有人类的位置。
7/7
Dan 跟 Lenny 约好一年后回节目对答案。
一年前他预测 Claude Code 对非工程师会起飞、被很多人当热话，后来 Anthropic 推 Cowork、OpenAI 推 Codex Desktop，印证了他的判断。
这次他的预测范围更大，涵盖 SaaS 不死、CLI 过时、Codex 是新 OS、FDE 是新核心工程角色、自动化越多人越多。
我不知道一年后哪些对、哪些错，但这几个都值得放进今年自己的工作判断里。
如果你在组织里能扮演 framer、能把模型输出变成有人会买的东西、能在客户现场让 AI 真的跑起来，今年到明年你的价值将会非常高。