今天加入我们：Thesis: 2027
今天，Every 首届大会 Thesis: 2027 举行，创始人、建设者和研究者将分享他们在与 AI 协作中的所学。美国东部时间上午 9 点到下午 5 点，可随时观看直播。我们将向随机抽选的已注册直播观众送出价值 20,000 美元的 Notion、Anthropic 和 OpenAI 积分与权益。
你已经设法让 AI 自动化了更多工作。然后呢？
随着模型进步，人会有一种感觉：你要么在追赶它们能自动化的边界，要么只是在努力理解它们对你的工作意味着什么。今天，在 Every 首届大会 Thesis: 2027 上，我们把一群正在检验自动化之后会发生什么的人聚在一起。他们在创办企业、改变团队运作方式，也在探索当更多执行工作可以交给机器时，哪些事情变得可能。
我们之所以想把这群人聚在一起，是因为我们关于 AI 的许多学习仍然分散。听别人讲什么有效，可以帮你决定下一步试什么；也可能给你一个你原本不会想到去尝试的想法，无论你的工作或组织是什么样子。
以主舞台的两场对谈为例。中午，独立创始人 Julian Weisser 和 Ben Cera 将讨论 AI 能帮助一个人独自走多远，以及他们仍然需要在哪些地方求助于另一个人。随后不久，微软的 Katy George 将谈论如何把 AI 带进一个 23 万人的团队。这些是规模两端截然不同的运营问题，但把它们放在一起看，能为你思考自己的问题、以及选择如何使用 AI 解决这些问题，提供一种有用的方式。
其他场次会进入随之而来的决策。当构建软件变得容易得多时，你如何判断哪些软件值得构建？OpenAI 的 Andrew Ambrosino 将与 Every CEO Dan Shipper 一起探讨这个问题。而当需要软件的人可以自己创造软件时，又会发生什么变化？Lovable 的 Lauren Rhode 和 Nursa 创始人 Curtis Anderson 将讨论“当每个人都能构建”之后的情况。
我们不只是整理值得效仿的组织所提供的专业经验，也分享我们自己的经验。在 Every，我们相信写作在 AI 时代仍然同样重要，专职撰稿人 Katie Parrott 将讲解她的复合写作（Compound Writing）方法。工程师 Kieran Klaassen 和 Trevin Chow 将探讨复合工程（Compound Engineering）中的一个相关问题：随着智能体承担更多编码工作，人类判断在哪些地方最重要？以及，你如何知道你的智能体在你关心的任务上，以你重视的方式做得更好？评估负责人 Mike Taylor 将解释如何超越直觉，去测试它。
今天，我们中有 400 多人聚集在布鲁克林，但我们免费直播所有场次，因为我们相信这些讨论同样适用于无法到现场的人。无论你是在创办公司、带领团队，还是在自己的工作中试验 AI，如果能彼此对照笔记，我们都会学到更多——我们也很想听到你的声音。
应用 AI 工程师 Yash Poojary、工程负责人 Andrey Galko 和我将全天待在直播聊天区。欢迎随时加入，参加 25 场场次中的任意一场或全部场次。来打个招呼，告诉我们你正在尝试什么，并在场次进行时加入对话。收看直播，你就有机会赢得我们价值 20,000 美元的 Notion、Anthropic 和 OpenAI 积分与权益的一部分。
Thesis: 2027 直播日程一览
2026 年 11 月 5 日，星期四 | 所有时间均为美国东部时间（ET）
直播：上午 9:00–下午 5:00 ET
上午与中午
| 开始时间（ET） | Agora | Classroom | Salon |
|---|---|---|---|
| 上午 9:10 | 欢迎来到 Thesis: 2027 Dan Shipper · Every CEO |
— | — |
| 上午 9:20 | Clackety-clack Josh Miller · The Browser Company 联合创始人兼 CEO |
— | — |
| 上午 10:10 | 成熟公司如何成为 AI 公司 Hugh Wimberly · Ode with Anthropic 资深软件工程师 Jeremy Hadfield · Anthropic 研究产品经理 |
继续前进：Autoresearch 与学习环境 Alex Duffy · Good Start Labs 联合创始人兼 CEO；Every 特约撰稿人 |
机器的艺术 Micah Springut · Monumental Labs 创始人兼 CEO Dustin Yellin · 艺术家、Pioneer Works 创始人 |
| 上午 10:45 | AGI 之后的媒体 Nicholas Thompson · 《大西洋月刊》CEO Kevin Roose · Machine Gods 联合主持人 |
从“感觉检查”到 Evals Mike Taylor · Every 评估负责人 |
为公众而建：来自 IRS 的经验 Sahil Lavingia · 美国国税局（IRS）信息技术专家 |
| 上午 11:30 | 已经计入价格了吗？AI 市场错在哪里 Lauren Reeder · 红杉资本合伙人 Will England · Walleye Capital CEO 兼首席投资官 |
人类在复合工程中的位置 Kieran Klaassen · Every 前沿团队成员 Trevin Chow · Every Compound Engineering 维护者 |
— |
| 中午 12:00 | 独立创始人能走多远？ Julian Weisser · Solo Founders CEO 兼创始人 Ben Cera · Polsia 创始人 |
— | — |
| 中午 12:05 | — | 如何微调你自己的模型 Naveen Naidu · Every 旗下 Monologue 总经理 |
— |
| 下午 1:00 | 把 AI 带进 23 万人团队需要什么 Katy George · 微软负责劳动力转型的企业副总裁 |
复合写作：如何让你的 AI 知道你所知道的 Katie Parrott · Every 专职撰稿人 |
— |
| 下午 1:30 | 泡沫、繁荣，还是两者皆是？ Allie Garfinkle · 《财富》高级撰稿人兼编辑 Dan Shipper · Every CEO |
— | — |
| 下午 1:35 | — | 把 AI 当作你的操作系统 Arielle Shipper · Every 运营负责人 Natalia Quintero · Every 企业 AI 采用负责人 |
— |
下午
所有时间均为美国东部时间（ET）
| 开始时间（ET） | Agora | Classroom | Salon |
|---|---|---|---|
| 下午 2:10 | 在 AGI 时代构建产品 Andrew Ambrosino · OpenAI 技术团队成员 |
智能体系统是品牌的未来 Emmett Shine · Little Plains 创始人 |
当创意工作变快，谁赢？ Shane Hegde · Air 联合创始人兼 CEO |
| 下午 2:45 | 当每个人都能构建时会发生什么？ Lauren Rhode · Lovable 收入负责人 Curtis Anderson · Nursa 创始人兼 CEO |
如何用 Notion 和智能体运营一场大会 Jordan Miller · Notion 客户营销负责人 Brandon Gell · Every 首席运营官 |
青少年创始人教我们如何与 AI 协作 Nat Eliason · Alpha School 旗下 Founders School 联合负责人 |
| 下午 3:25 | 当视频成为界面 Alejandro Matamala-Ortiz · Runway 联合创始人兼首席创新官 |
— | — |
| 下午 3:55 | AI 时代的思想工具 Ivan Zhao · Notion 联合创始人兼 CEO |
— | — |
| 下午 4:25 | 自动化之后人类工作的新愿景 Dan Shipper · Every CEO |
— | — |
核心启示：当 AI 接手更多执行，真正重要的不是谁把自动化做得更快，而是个人、团队和组织如何重新划分判断、协作与验证的边界。
《Join Us Today for Thesis: 2027》的发芽报告
材料核心
Every 举办首届大会 Thesis: 2027，25 场直播，把一个人的独奏创业者与微软 23 万人的组织放在同一张日程表上，讨论的是同一个问题：当执行可以越来越多地交给机器，接下来人该干什么、组织该怎么重排、散落各处的经验该怎么被聚拢和比较。
发芽 01：规模的两端，其实是同一道算术题
种子
文章的编排很值得注意：中午 12:00 是 Julian Weisser 和 Ben Cera 谈“一个独奏创业者能走多远”，下午 1:00 是微软的 Katy George 谈“把 AI 带进 23 万人的团队”。作者只给了一句解释——“规模两端的运营问题”。
但这句轻描淡写里，藏着一条 1967 年的定律。Gene Amdahl 在 AFIPS 会议上提出后来被称为阿姆达尔定律的加速比上限：一个系统里如果有不可并行的串行部分，那么无论你加多少并行算力，整体加速比都会被这个串行比例限制住。
把这条定律当类比来看（不是等价），两端就通了：
- 一个人的公司几乎是全并行的——他就是全部流程，AI 的杠杆接近线性增长，边际成本几乎为零。
- 23 万人的组织，绝大部分工作不是“做事”，而是协调：对齐、审批、跨部门信任、谁向谁汇报。这些恰恰是串行部分。
所以“把 AI 带给 23 万人”表面是部署问题，实质是降低串行比例的问题。而串行比例为什么随规模上升？Fred Brooks 在 1975 年的《人月神话》里已经算过：n 个人之间的沟通路径是 n(n-1)/2。人数翻倍，路径是四倍。
这也解释了为什么这两场必须放在一起看：单点提效的故事在两端都成立，但一端的天花板是“你今天还有几个小时”，另一端的天花板是“这条队列前面还排着多少人”。
Aha 瞬间
“AI 让快的部分更快，但一个组织的速度，永远由它最慢的那条队列决定——而那条队列通常叫‘等某个人看一眼’。”
发芽 02：“自动化之后”其实是 1890 年代的问题
种子
文章开头那句问话——“你已经让 AI 自动化了更多工作。然后呢？”——几乎是 1987 年那句话的翻版。Robert Solow 当年写道：“你到处都能看到计算机时代，唯独在生产率统计里看不到。”
三年后，经济史学家 Paul David 在《美国经济评论》上发表《发电机与计算机》，给这个悖论一个解释。电气化在 19 世纪末就已成熟，但工厂的生产率红利延迟了约四十年才出现。原因不是电不好用，而是工厂还是围着蒸汽机建的：一台巨大的中央蒸汽机，一根贯穿车间的传动轴，皮带垂下来带动每台机器。机器的位置由传动轴决定，而不是由生产流程决定。
真正的跃迁发生在“单元驱动”（unit drive）：每台机器自带一台小马达。传动轴消失了，车间第一次可以按工序重排，可以采光、可以流水线化。David 的结论很硬：新技术本身不产生红利，重排产生红利。
回头看这份日程表，几乎每一场都在处理“拆传动轴”这件事：Compound Writing 是把写作流程重排，Compound Engineering 是问“agent 写了大部分代码之后人该站哪里”，Arielle Shipper 那场干脆叫“把 AI 当操作系统”——不是给旧流程配个助手，是换一套流程。而“How to Run a Conference With Notion and Agents”这场最有意思：他们连办会这件事本身都重排了一遍。
Aha 瞬间
“自动化不是换个更强的引擎，是拆掉那根传动轴，然后承认：车间得重画一遍，而你现在的工位，是围着那根轴建的。”
发芽 03：散落的知识，和不肯变成文档的手艺
种子
作者给出的办会理由非常朴素：“我们学到的关于 AI 的东西，仍然太分散了”；“如果能互相对笔记，我们会学得更多”。
这里有个值得追问的地方：既然知识散落，为什么是直播 25 场，而不是发 25 篇文档？文档成本更低、覆盖更广。
因为有一类知识无法被完整写成文档。Michael Polanyi 在 1966 年的《隐性维度》里给了一个后来被引用了半个世纪的判断：“我们知道的，多于我们能说出来的。”你会骑车，但你说不清自己是怎么保持平衡的；你能一眼看出这篇文章“味道不对”，但你要花二十分钟才能勉强说出为什么。这类知识只能靠示范、模仿、并肩工作来传递——也就是靠“在场”。
历史上有过一模一样的解法。17 世纪中叶，Robert Boyle 那批人分散在牛津和伦敦，靠通信交换实验细节，自称“无形学院”（invisible college）；他们发现信件写不清蒸馏时火候的微妙差别，于是开始互相登门、当面演示。这个网络后来长成了皇家学会。直播加聊天室，是当代的无形学院。
而 Mike Taylor 那场“From Vibe Checks to Evals”是这个动作的反向版本：把“手感”尽可能翻译成可以跑、可以比、可以传的东西。两件事不矛盾，它们是一枚硬币的两面——能外显的，外显成 eval；外显不掉的，只能靠一起看、一起做。这大概也是 “Where Humans Belong in Compound Engineering” 那个问题的真正答案：人待在“还没被翻译出来的那部分”里。
Aha 瞬间
“Evals 是把品味翻译成别人能跑起来的东西；翻译不掉的那一段，正是你还必须亲自在场的理由。”
你的思考空间
- 你工作里哪一步是“围着传动轴”建的？把它删掉，是真的会塌，还是只是从来没人试过？
- 你所在组织的串行比例最高的是什么——审批、排期，还是“等某个人有空看一眼”？如果只能砍掉一个，砍哪个？
- 你有哪些判断从来没写下来过？挑一个，试着把它变成一条可执行的 eval：写不出来的那一部分，是什么？
- 当“人人都能造”之后（Lovable 与 Nursa 那场要谈的），你的稀缺性落在“造得出来”，还是“被人找到、被人相信”？
- 如果让你自己办一场只有五个人的“对笔记”会，你会请谁来讲他们的失败，而不是成功？