旧导航到不了新世界，AI的大航海时代

原创

AI安全迪哥
AI安全迪哥

AI安全迪哥

2026年10月8日 21:00
江苏

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

AI正以前所未有的速度更新人的认知，大航海时代到来

10 月 6 日晚上十一点，OpenAI 把一份清单推上了 GitHub：722 篇数学手稿，一次性发布。这批手稿直接挑战了数学界最核心的难题，包括准黎曼猜想、BSD猜想、霍奇猜想等世界顶级难题的答案。一些困扰了顶尖数学家数十年的问题被AI解决。例如，伦敦大学学院的教授研究“沃尔D(2)问题”长达25年并最终放弃，而AI却给出了答案。

「找到答案」正在变得不值钱。

能力稀缺在发生全方面转移重构。

01

2026，AI大航海时代主航道的元年

为什么这一次要从 2026 年开始算？得先看生产端发生了什么。

漏斗越宽，出口越窄：答案在堆积，共识在排队

9 月 25 日，Anthropic 宣布 Claude 完成了平面 N=4 超杨-米尔斯理论六粒子散射振幅的九圈计算，刷新 Dixon 团队 2023 年的八圈纪录。这是粒子物理里最难算的一类题：人类花了十几年推到八圈，而AI推第九圈只用了几天。

开头提到的OpenAI的数学成果，费马大定理的完整 Lean 形式化，人类原估要十年，AI自主只跑了 11 天。

三件事指向同一处：「做出来」这个事情的成本塌了大约两个数量级。

人类需要花了十几年练出来的东西，正在变得免费。

02

瓶颈换了地方

成本塌到「做出来」不值钱了，瓶颈会跑去哪？它没消失，它换了个地方排队。

先补一个前文欠下的数：OpenAI 发布 722 篇手稿的同时，还公布了 4000 道没解开的题。这就说明稀缺的是提问的思考与共识，而不是答案。4000 道题是输入端，722 篇手稿只是输出端。

它的官网上有一行很短的规则：members do not accept payment for this work。

我核过这句话，核了两遍。一个由 AI 公司出钱、数学家签字的验证体系，是最好卖的背书。我一开始以为这是公关动作，白跑一趟才看清：他们是在把这条路堵死。

AGMAI 官网的四段关键原文，英文未译，作者只按版面折行

此次发布仅仅是人类理解的开始，而非结束。

瓶颈转移定律：约束从来不会消失，它只是换个地方排队。蒸汽机时代的瓶颈是「能不能造出来」，后来是「能不能运出去卖掉」，再后来是「能不能组织起人」。

2026 年，它排到了最不可能的地方：史上最强的答案产能，和史上最弱的确认产能。

答案过剩，共识稀缺。

03

这条尺子量到我自己的安全行业

答案过剩、确认稀缺，这句话我不用推理。迪哥干了十七年安全，这一格我天天站在里面。

2026 年 4 月，Anthropic 发布了Mythos Preview：由模型自身代码能力完成了端到端自主攻击，cybergym测评一度领先。

2026 年 8月，智普GLM单模型跑cybergym 即可达成84.5%成绩，持续入榜。

2026 年 8月，智普发布安全垂域模型GLM-5.3-CYBERSECURITY-FP8。

它在“未使用任何微调、LoRA等技术情况下”，实现了进攻性安全、红队演练、漏洞利用开发、逆向工程、免杀技术、钓鱼与凭证攻击、恶意软件分析等场景等能力跃迁，并大幅降低了模型的拒绝率。

而AI自身安全的格局也在大幅被改写，以内容安全为例，以前说提示词注入，现在你发现很多模型出场即安全，它成了模型出场标准。背后，是AI厂商自己在大幅招聘安全领域人员，解决模型自身安全问题，内容安全先被吃掉，AI护栏也在极速贬值。

MiniMax等AI厂商解决AI自身安全问题

发现问题不再值钱，而是token的治理、安全的决策、企业资产沉淀。

04

入口在悄悄关闭

先发现这件事归了模型，被压掉的不只是资深工程师的溢价，还有最下面那级台阶。它跟一个 22 岁的年轻人有什么关系？背后是人才结构供需画像的巨大转变。

斯坦福的 Brynjolfsson、Chandar 和 Chen 用 ADP 的工资单数据追了数百万美国劳动者，2026 年 8 月更新的论文标题很不客气：《煤矿里的金丝雀？》。ADP 是美国最大的工资代发公司之一，它的数据等于直接翻工资单。

说人话就是：活能被 AI 接走的那类岗位。论文数了 2022 年 11 月到 2026 年 6 月，22 至 25 岁在高暴露职业里的就业下降约 11%，同一年龄段在低暴露职业里反而涨约 10%。

两条线之间是 19 个百分点。一年前这个差距是 13 个百分点。

同一批数据里，35 至 40 岁增长约 11%，几乎不受影响。

同一批年轻人，两条相反的线：被关闭的不是出口，是入口

总就业没有崩塌。失业率上看不出任何异常。变化发生在结构上，而且单向。年轻人进不来，年长者待在原处。

裁员是再就业问题，有人失业，要找工作。入门招聘冻结是管道问题，没人失业，也没人拿到第一年经验。

这两件事在统计报表里长得一模一样。管道问题有延迟，三五年后才看得见：团队里没有人具备三年经验，因为根本没人拿到过第一年。

不是有人被请出去，是工位根本没被填上

被拆掉的不是顶层，是最下面那几级台阶。

05

FDE 正在涨价

入口在关，另一头在开。FDE 这个岗位，一年前没几个人讨论，现在它在涨价。

FDE，Forward Deployed Engineer，官方译法叫前置部署工程师。说白了就是驻场工程师：把人送到客户现场住下来。

这词最早属于 Palantir，2020 年写进它的上市文件。原话我核过一遍：「我们的前置部署工程师去过阿富汗的基地，也去过美国中西部的工厂。」

去现场的那批人，2023 年 8 月被 Palantir 自己砍掉六成。为什么 AI 公司又把这支队伍捡起来？

因为模型这一侧已经没东西可卖了。答案便宜，落地贵。贵在这家客户的系统连不上，数据出不去机房，没人说得清该把 AI 接到哪条流程上。这些活儿一件都没法远程交付。a16z 在 2025 年 6 月写得不客气：企业买 AI 像你奶奶拿到一台 iPhone，她想用，但她要你上门装。

于是价格信号全冒出来了。

《金融时报》数过 FDE 岗位的月发布量，2025 年前九个月涨了 800% 以上。FT 原文我没订到，三个独立转述逐字一致，这一条我按二手处理。

Lightcast 出过一份白皮书，我下载了 PDF，逐条翻过：2023 到 2024 年，写着 forward deployed 的岗位涨 224%。

OpenAI 把「Forward Deployed Engineering」拆成了一个独立部门。我数过它的招聘板：816 个在招岗位里占 30 个，最早一条挂到 2025 年 9 月。

Anthropic 更直接。2026 年 5 月 4 日，它拉着 Blackstone、Hellman & Friedman 和高盛开了一家 AI 服务公司，公开目标是到 2027 年底训练出 10,000 名部署工程师。

三个数放在一起，说的是同一件事：会部署这件事开始按结果定价，不再按人头和工时定价。

六行数字六种口径，唯一向下那行是 2023 年 8 月的 Palantir

卖铲子的开始亲自下场挖了。

06

AI大航海时代，促进的是财富流动的结构性转变

你会发现，做 AI 成功的这批人，跟以前的“财富老登”，风格完全不同。

抓到以前时代红利发财的人，很多很油腻。他们的资产是人脉，是饭局上那两小时，是第三杯白酒之后的称呼变化。一年花在路上的时间，比花在产品上的多。

做 AI 这一批人反着来。今年 5 月，DeepSeek 的梁文锋在一场投资人闭门会上讲了三句。一句是「离商业化还很远」。一句是「没有 KPI」。还有一句是「甚至不用加班」。

这些人，不爱社交，甚至不社交，不爱喝白酒，甚至完全不管什么酒桌文化。

这不算清高，这是算过账：一次部署能复制一百次，一顿饭只能吃一次。

造富的主体正在换。旧的那批人占着人脉网络，新的这批人追求极致的AI价值转化。

旧财富靠关系网，新财富靠价值力。

07

同一把尺子，量到了很多公司身上

岗位在换人定价，公司这一侧呢？坐标真空定律量到组织上，结论更硬。

麦肯锡 2026 年 4 月的 AI 转型调研：全球近九成企业启动了 AI 转型，75% 长期停在零散试点，真正规模化的只有约 10%。也就是说，九成的公司喊了转型，一成真的做成了。缺的就是能把东西装上的人。

它给的组织变革方向里有一条我读了两遍：从中层管理的零散推进，转向自上而下的目标统一。先别看「转型」这两个字，看你所在的公司正在为此招什么人。

同一份调研里，领先银行与落后银行的有形股东权益回报率差 4 到 8 个百分点。ROE 说人话就是：股东投一块钱，一年赚回几毛。银行业平均 ROE 只有约 10%，4 到 8 个百分点的差距相当于把两群银行拉成了两个物种。

做同一个产品，会用AI的节奏极快，1-2天出一个mvp，快速建模快速验证试错，找到有普遍赚钱效应的场景，再专项开发为生产版本提升赚钱效率。

AI Vibe Coding：一套提效流水线实践分享，把AI编程从个人玄学变成团队工程

慢的公司不会立刻死。它会先变得不像同一家公司。

这就是大航海时代最实在的一面：不取决于谁喊了口号，取决于谁的船先离港。

08

这条尺子量到自己家庭

同一把尺子，量到工位上是职场新闻，量到家庭书桌上就是另一个量级的问题。

今年 5 月 27 日，高考前五天。豆包确认拍题答疑功能会在高考时段关掉，腾讯元宝提示同期不可用，通义、夸克、Kimi、DeepSeek 都发了公告。文心和讯飞说没接到通知。全国最会做题的几套系统，在 1290 万考生进场的那三天，主动把自己关了。

答案工厂要给考试让路。这是最诚实的一次定价。

如果标准答案真的不值钱，为什么考试期间必须关掉它？因为考试测的就是「不带工具，能不能把答案做对」。而这恰好是 AI 已经赢了的那件事。

三年三档分数能说明我指什么。

同一张卷子三年三档分数，后两次为厂商与媒体自测，非官方口径

2024 年 6 月那轮，最好的模型总分 303 / 750，数学单科全在 70 到 75 分之间，不及格。批卷的是有高考评卷经验的教师。2026 年 6 月，公开测评里最高的一次是 708 / 750。也就是说，「按标准步骤把已知解法再算一遍」这件事，三年从不及格涨到接近状元。刷题练的正是这一项。

家庭还在按老价格付钱。北大中国教育财政研究所 2025 年 11 月的简报算过：一个孩子一年花掉家里 11,086 元，教育支出占家庭总消费的 17.2%，校外培训是城乡家庭支出分化最主要的原因。这就是把童年买成熟练度的报价单。

还在卷孩子刷题的家长，依然被各种镰刀狠狠收割。

不是说不用练，练有用，但练出来的熟练度不再等于定价能力。

教育部其实早就写了。2022 年 1 月的通知里就有「减少死记硬背和『机械刷题』现象」，2026 年 1 月又加了「加强项目式、探究式的真实情境问题设计」。文件写了四年，执行其实没用，补习班的灯依旧亮了四年。

而有一些「开窍」的家长，正在悄悄改变教育模式，他们让孩子去尝试使用AI创建各种益智游戏、小工具，激发孩子对好奇心以及对AI的认知，走向「AI Native」教育。

09

那么还剩什么值钱

旧的价值体系没消失，它收敛到三个位置。

一、定义问题

物理粒子九圈那件事，第一个动作发生在博客上。科普作家兼粒子物理学家 Matt von Hippel 八月写：AI 要真强，就该用普通学者负担得起的算力，去解决这个悬而未决的难题。Anthropic 两名物理学家把这句挑战翻译成一句提示词。剩下的是模型的事。

4000 道题才是真正的资产，722 篇手稿只是它的输出。

问题比答案值钱，方向比速度值钱。

二、判断与签字

机器能在几小时内生成 722 篇数学论文，但它不会为其中任何一篇署名。

Dixon 花整整两周独立核验一个 AI 算出来的东西，结论是「了不起」。这句评价有分量，恰恰因为说它的人有能力说不。

判断

执行可以外包，判断不能外包，责任更不能外包。

三、思维理解

中科院何颂团队同期也独立完成了九圈计算的大部分工作，并在 Zenodo 公开了数据集。他的判断我认为是这一整轮变化里最准的一句：

现在稀缺的是注意力、科学上的品味和判断力。

这里说的审美不是穿得好。审美是在一万个方案里指出第九千三百个有问题，是在所有人都在冲的时候说一句等等，这不对，背后是思维化的构建与知识利用的场景化。

END

我是迪哥，关注 AI 与安全。以上。既然看到这里了，如果觉得有点用，随手点个赞、在看、转发三连吧，这对我很重要。