AI不会抢饭碗，只会武装你的对手

最吵闹的 AI 焦虑是："机器会不会抢走我的饭碗？"

但还有一种更安静、也更致命的焦虑：机器未必来抢你的工作，它只是先给坐在你对面的人，装上了一台不知疲倦的发动机。

过去，一个没做完的想法，是被"落地的极高难度"保护着的。你指了个方向，对方还得自己找文献、搭班子、写代码、排几十个错误——繁琐的执行细节，就是你天然的护城河。

但在 AI 智能体时代，这道防线正在坍塌。你在面试间随手画的一张草图、午饭时随口提的一句观察、论文脚注里放弃的一条支线，对方转头就能分发给上万个 AI 智能体，在你睡觉时把剩下的几千步全部跑完。

很多时候，最值钱的根本不是"具体怎么做"，而只是向对方确认了一件事：这条路，"行"。

闭嘴不谈，你就无法证明能力、拿不到机会；倾囊相授，你可能亲手把未竟的构想送上流水线，给最强的对手递了刀子。

这正是我正在写的新书《守住雷达》(Keep the Radar) 的核心命题：如何在 AI 时代展示能力，却不交出护城河。

这本书从 2026 年 9 月 OpenAI 那场 88 小时、一万个智能体的千禧年数学难题争议切入，一路穿行于对冲基金的内部博弈、大厂面试间的心理攻防、物理奥赛国家队仅有的 6 个席位之争……

📖 新书引子《八十八小时》全文已放在上方 18 张图片里，欢迎翻看阅读。

📌 这本书我会在这个账号全文连载，后续章节包括：
《在不泄露 IP 的前提下……》
《突然沉寂的策略》
《六个席位》
《秘密仅仅在于"可行"》
《胡萝卜、鱼油与雷达》
《巧克力算法》
……

关注我，第一时间读到后续连载。

💬 也想听听你的经历：在面试或工作中，你有没有过"不得不展示肌肉、又怕泄露底牌"的瞬间？评论区聊聊。

引子：八十八小时
八十八小时，差不多够过一个挺像样的长周末。
周四晚上离开办公室，周五耗在机场，在陌生城市认真吃上两顿饭，周一早晨再坐回工位。
可按数学界的日历，八十八小时实在太短。别说在数学史上留名，连热身都嫌不够。
2026 年 9 月，OpenAI 宣布，他们拿出了一份经过机器检验的纳维–斯托克斯千禧年难题候选证明。按公司的说法，整个过程调用了大约一万个 AI 智能体，运行了八十八小时。[^1]
一万个。
如果这是一万个真人数学家，光是把他们聚到一起，就足以挤满一座小镇。要是把一百万美元奖金按人头平分，每人能拿一百美元。好在软件进程暂时还不会争第一作者。
当然，这并不是一万个天才各坐在一间虚拟办公室里，等着各自灵光一现。
所谓 AI 智能体，有时并没有那么神秘：给模型分配一项任务，配上工具，再放手让它去试。它们会重复劳动，也会信心十足地沿着错误方向一路走到底。一万个智能体，完全可能整整齐齐地犯一万个相同的错误。
但它们也可以同时失败。
一条路撞墙，并不妨碍另外几条路继续往前。一个智能体查论文，另一个验证引理，第三个专门找漏洞，第四个则试着把整套证明推翻。
只要失败足够便宜，试错就可以按批发价来。
差不多同一时期，纽约大学数学家特里斯坦·巴克马斯特（Tristan Buckmaster）和合作者莱文特·阿尔珀格（Levent Alpöge）也在准备相关研究。当时阿尔珀格正在 OpenAI 的竞争对手 Anthropic 工作。
随后，一场争议爆发了。争议涉及研究优先权、几次私下谈话，以及谈话里的信息是否帮助 OpenAI 启动了这次大规模尝试。Buckmaster 认为对方的做法有失公平；OpenAI 否认了这一说法，坚持结果是独立完成的。[^2]
事情经过至今仍有争议，那份证明也仍在接受审查。
但有一件事，不必等任何人裁决。
过去只能由少数专家一点点推进的探索，如今竟能以工业化的规模，在一个长周末里全面铺开。
他们挑战的是一组描述流体运动的方程。水流绕过石头，烟雾卷进空气，血液穿过动脉，乱流摇晃机翼，背后都有纳维–斯托克斯方程。工程师每天都在使用这组方程。
真正悬而未决的问题是：在三维空间里，一个原本光滑的解会不会永远保持光滑，还是会在某一刻形成奇点，让某个量变得没有上界？
克雷数学研究所把它列为七个千禧年大奖难题之一。谁能真正解决它，除了得到一百万美元，还将获得一个更罕见的成就：名字留在数学史里。
OpenAI 的公告，并不等于这道题已经正式解决。
所谓“机器检验”，是指软件根据已经编码的定义和规则，逐步核验一套形式化证明。它不代表数学界已经接受了这套论证。数学界的免疫系统一向反应很慢，而且是故意的。专家还要审查前提，检查论证被翻译成形式语言的过程，再看看有没有哪个不起眼的小步骤，实际上撑着半座证明。
当事人会继续争论究竟发生过什么。
数学家会继续争论证明究竟对不对。
这些都很重要。
但对其他人来说，还有一件事已经发生了：
寻找答案这件事，已经上了流水线。
在这一代 AI 出现以前，一个没做完的想法，往往自带一层古怪的保护壳。
你可以透露往哪儿走，却不等于把终点拱手送人。因为听见的人还得自己理解它、相信它、找到合适的人、翻完相关文献、做完计算、写出代码、扔掉一大批失败方案，最后还得在一堆失败里，认出那一次真正有用的失败。
一个模糊的想法并非毫无价值。
但它还不能直接拿来干活。
很多时候，真正替你保密的，就是把它做完有多麻烦。
. check 1point3acres for more.现在，这把锁没那么牢了。
AI 不需要独自想通每个关键环节，也足以改变一句提示的价值。它只要让接下来的几百步、几千步都便宜一点，就够了。
一次简短的谈话，可以把搜索范围砍掉一大块。一句随口的评论，可以指出哪件工具值得试。一张草图，可以告诉一支资源充足的团队，究竟该爬哪座山。
大多数尝试仍然会失败。判断力仍然重要，数据、时机、验证和执行也仍然重要。钱和算力都不是无限的。
但这笔账已经变了。
别人顺着你的提示往下试，成本越来越低；你被追上以后付出的代价，却越来越高。
如今，真正该守住的，可能不只是细节。
还包括方向本身。
一句提示，不再只是提示。
它可以直接变成机器的任务清单。
我们经常把 AI 讲成一场人与机器的比赛：机器会不会替你写报告、作诊断、设计产品，或者干脆抢走你的工作？
这是 AI 焦虑最响亮的版本。它当然不是杞人忧天。
但还有一种焦虑，安静得多。
机器未必来抢你的饭碗。
它也可能先给坐在你对面的人装上一台发动机。
同事可以把你午饭时提到的观察多试几百遍。竞争对手可以顺着你脚注里放弃的残破方案继续往下走。一家公司可以把一份面试记录变成一张实验清单。
对方未必比你更会想。
也许只是因为对方算力更多、私有数据更好，或者更舍得让机器把每一条岔路都跑一遍。
所以，那些过去听起来很稳妥的保护办法，突然显得有些过时。
“不要透露细节”这条建议，背后有个假设：最贵的是细节。
“只讲概念，不讲实现”也有个假设：实现仍然是一条足够宽的护城河。
. 1point 3acres 有时确实如此。
可有时，你送出去最值钱的东西，只是告诉别人：这个概念值得做。
真正让人不安的，不是我们说出的每句话都会被偷走。
而是我们往往要等到话已经说完，才知道究竟哪一句最值钱。
有时候，那句话里真正重要的，只有一个字：
行。
我第一次在工作中看清这道难题，并不是因为我把想法交给了外面的竞争对手。
我把它交给了自己的上司。
听起来本该很安全。
其实没那么安全。
他有自己的交易组合，也有专属的研究员和工程师。我独立管理另一套组合，只是团队小得多。两个组合的盈亏都会汇入公司的整体业绩，彼此又要争夺资金，各自的表现还会直接影响奖金。
同时，他能影响我的资金额度、绩效评价和晋升。
每周一对一时，我下意识地把“上司”两个字当成了句号，仿佛有了这层关系，其他关系就不必再提。
有一次，我给他讲了一套表现很好的策略背后的研究方法。
我没有交出可以直接拿去交易的完整配方。我讲的是，我们如何判断一个漂亮结果到底是真的，还是过拟合做出来的海市蜃楼。
这套研究扛住了他的追问。他说，这足以支持一次大幅提高资金额度，还给了我一个具体数字。
额度后来确实加了一些，却远没到他说的数字。后面的加额一次次推迟，每次也都有合情合理的原因。
几个月后，策略开始走弱。又过了一阵，我在一次内部会议上，听他团队汇报项目时，认出了那套研究方法。
把这些事实排在一起，很容易讲出一个完整的故事。
可事实并没有替这个故事盖章。
我从未弄清策略为什么变弱，也无从证明另一个团队的项目对它产生过什么影响。
但有一点我很确定。
方法一旦讲出口，我就再也决定不了它往哪儿走。
信息没有撤回键。
另一次，我去另一家公司面试。谈话越聊越投机，也越聊越深——这种时候，很容易让人觉得录用通知已经在路上。对方每追问一次，我就离那些安全的原则远一点，离真正能让答案站住脚的细节近一点。
最后，那家公司没有录用我。
我得到的解释是，团队选择了一个“与他们的方向更一致”的人。
对一个刚刚用整场面试讨论研究究竟该往哪里走的候选人来说，“方向”实在是个不太走运的词。
当然，这次拒绝完全可能与我们的技术讨论无关。
问题恰恰在这里：我看得到面试结果，却看不到我的话出了会议室以后去了哪里。
那场谈话留下了一个我始终甩不掉的问题：
为了证明自己能够创造价值，一个人究竟应该先交出多少价值？
其实，我第一次碰到这道难题，还要早得多。
高中时，我和一群很强的学生一起准备国际物理奥林匹克竞赛的国家队选拔。
我需要他们。
他们会很多我不会的解法，也能一眼看出我解题时漏掉的步骤。他们既是我的学习伙伴，也和我出现在同一张排名表上。一个人埋头学，看似安全，实际只会让我越来越弱。
可这些同学和其他顶尖学校的学生一样，也在争夺国家队仅有的六个席位。最终入选的六个人，将代表国家参加国际物理奥林匹克竞赛。
让我变得足够强、有资格争一席之地的，恰恰也是和我争这六个名额的人。
拒绝合作，极可能因坐井观天而被版本淘汰；
倾囊相授、毫无保留，却又可能亲手打造出将自己一击致命的终极对手。
那时我还说不清这到底是什么，只觉得两个极端都不对，却早早明白了一件事：
合作与竞争不是反义词。
很多时候，它们就坐在同一张课桌上。
后来，课桌换成了交易台。如今，有些人的身后又多了一支机器大军。可这道难题一直没变。
我们需要别人的头脑。
也需要守住自己的边界。
迟早会有人坐在你对面，客客气气地提出一个自相矛盾的要求：
不要透露任何专有信息，但请让我看看，你究竟是怎么把事情做成的。
这个要求完全合理。
也正因为合理，才难办。
面试官完全可能出于善意。可公司仍然会留下笔记。候选人离开以后，他们可以比较答案，可以继续讨论，也可以顺着某个有意思的方向往下试。
候选人这边，却只有几秒钟思考时间、一阵不太舒服的沉默，以及一段说出去就再也收不回来的回答。
双方都没有恶意，这个难题也不会自动消失。
讲得太少，像是在躲。讲得太多，留在对方手里的东西，可能比一场漂亮的面试表现值钱得多。
最自然的办法，是讲思路，藏配方。
从前，这样还算安全。
现在，配方里缺掉的部分可以交给机器搜索，变体可以自动生成，实验也能在人睡觉时继续跑。一句在会议室里听起来相当模糊的话，甚至还没等面试结果出来，就可能长成一项像样的研究计划。
当然，闭嘴也不是策略。
沉默无法证明能力，无法吸引合作者，无法建立信任，也无法让别人指出你的想法错在哪里。
而我们的想法，大多数起初都是错的。它们之所以后来有价值，常常是因为另一个人质疑了某个前提，发现了我们漏想的一种情况，或者把它和我们从没见过的东西连在一起。
同一场谈话，可能让一个想法泄了底，也可能恰好救它一命。
所以，我们还是得开口。
问题是，到底该说到哪儿？
这道难题出现在面试、实验室、创业公司和学校里，也出现在两个都想做成点事的朋友的一顿午饭里。
AI 没有发明它。
AI 只是把时钟拨快了。
过去的问题是：
我到底透露了多少？
现在的问题是：
到周一早上，他们能用这些话做出什么？
资料来源（草稿）
[^1]: OpenAI，《On the Navier–Stokes Millennium Prize Problem》，2026 年 9 月，https://openai.com/index/navier-stokes-solution/。智能体规模和运行时间均采用 OpenAI 对其系统和实验过程的描述。
[^2]: 关于公告及相关争议的同期报道，见 Science，《How an AI Math Breakthrough Ignited Controversy》，https://www.science.org/content/...ignited-controversy；MIT Technology Review，《What OpenAI’s Latest Controversy Tells Us About the Future of Math》，https://www.technologyreview.com...the-future-of-math/；以及 Nature，《OpenAI Claims Huge Maths Breakthrough on a Famed “Millennium Problem”》，https://www.nature.com/articles/d41586-026-02842-5。本稿写作时，相关事件和主张仍在发展之中。