思考充裕時代的來臨：當「碩士級智力」變成自來水
一小時、零資安背景：我怎麼用 AI 做出能預警 $292M 駭客事件的框架
三週前，我看到 Drift Protocol 被 Lazarus 駭客集團攻擊、損失 2.85 億美金的時候，腦中浮現出一套被迫建立起來的自然框架。
於是我讓 AI 在一個小時內把這套框架寫好，接著用它對一份報告標示出了五十幾個處於危險中的 DeFi 專案。
12 天後，其中一個被標示出來的專案——Kelp DAO——真的被駭，損失了 2.92 億美金（116,500 顆 rsETH），並進一步在 Aave V3 留下 1.77 億美金的呆帳。這成為 2026 年至今最大的 DeFi 攻擊事件。
完整技術分析在這裡：Kelp DAO $292M 漏洞——12 天前就被 AI 框架標示
這份報告後來被產業裡許多大佬轉發，包含 Chaos Labs 創辦人、Unchained Podcast 主持人，以及 TechFlow 等 20 多家國內外媒體——對一個沒有正式資安背景、單純從機制行為觀察出發的個人研究者來說，這個傳播路徑本身就是一個訊號：這個產業正在缺一個「能用第一性原理快速重新定價風險」的視角。
這套框架和具體事件很複雜，我只是簡單的提出，但我真正想講的不是案例本身，而是它背後反映出的時代轉變。
從動物力到電力：稀缺資源的更迭
過去的農業社會裡，動物的力量是稀缺資源。因此人類需要養牛、養馬，依靠這些動物來提供基本的勞動力。
工業革命之後，電力取代了動物力量。電力所能提供的能量遠遠超過農業時代任何一匹牛馬，於是動物作為「勞動力」這件事，就被自然地汰換掉了。
在工業與電力機械時代的初期，新的稀缺資源變成了「人類的思考」。整個現代社會的薪資結構、教育體系、職業階層，本質上都是建立在這個前提之上：人類等級的思考是稀缺的、是有價的。
大型語言模型之後：思考不再稀缺
但在大型語言模型之後的時代，人類等級的思考已經不再稀缺。
我聽完 Reid Hoffman 主持的 Possible podcast 訪問 Notion 共同創辦人 Ivan Zhao（趙以霄）那一集之後，腦中浮現一個非常清晰的想法：我們現在正在經歷的社會轉變，是從一個「思考稀缺」的時代，轉變為一個「思考充裕」的時代。
Ivan Zhao 在那一集裡用了一個我很喜歡的比喻——他把「計算」當作一種材料，像鋼鐵、像蒸汽。當這個材料的產量無限增加，整個產業會被重新組織。
人類等級的思考與做事方式，如今已經可以像電路一樣被自然地分配與調用。
機會與挑戰：碩士級智力變成自來水
我自己的判斷是：現在的大型語言模型後期時代，是「碩士等級智力」開始進入富足的時代。它帶來機會，也帶來挑戰。
而最大的挑戰是——過去我們認為稀缺的資源，現在突然變得富足了，但社會與個人的思維還沒切換過來。
學士、碩士的知識累積，不能說不重要，但它越來越像自來水：打開就有。它是一個基礎設施層，不再是稀缺資產，也就不再能直接定義一個人的價值。
那麼，人類在這個時代要做什麼？我覺得答案是——要有能力去驅動這種智力等級的智能體。
不是和它競爭，而是學會調度它、分配它、把它接到正確的問題上。這件事的門檻，跟「擁有碩士知識」是完全不同的能力。
智力富足只會繼續往上推：AI4Math 是真正的試金石
當然這個時代還在持續往前推。而我認為真正的試金石不是寫程式、不是寫文章，而是「做數學」。
洪樂潼（Carina Hong）——她從 MIT 數學物理雙主修、Oxford 神經科學碩士，一路念到 Stanford 數學與法學雙博士，最後從 Stanford 肄業創辦 Axiom Math，剛完成 2 億美金 Series A，估值約 16 億美金。
她在做的事情就是 AI for Math——目標是打造「AI 數學家」，並透過數學推理自動驗證 AI 寫的程式碼。Google DeepMind 的 AlphaFold 早就把這種「機器智力」推廣到了生物學；而 Axiom Math 嘗試做的，是把 AI 推到研究級數學的邊界。
為什麼「數學」是真正的試金石？
如果把機器的數學能力做一張分級表，大致是這樣：
| Level | 能力描述 | 對應現況 |
|---|---|---|
| L1 | 算術、高中數學 | 2020 年的 GPT-3 已大致掌握 |
| L2 | 數學奧林匹亞（IMO） | 2024 銀牌 → 2025 金牌（DeepMind AlphaProof / Gemini Deep Think） |
| L3 | 大學、研究所程度 | 2025–2026 漸趨成熟 |
| L4 | 研究級數學（推進前沿） | Axiom Math、Terence Tao 等正在嘗試的方向 |
| L5 | 自主發現新定理、解未解問題 | 終極目標（Riemann、P=NP…） |
L4 之所以是「真正的試金石」，有三個理由：
第一，數學是所有科學的共通語言。 如果 AI 能在研究級數學上自由行動，它就能在物理、化學、密碼學、晶片設計、藥物開發每一個領域做出原創貢獻——因為這些學科最後都要落回到數學才能被嚴格驗證。
第二，數學的「自我驗證」特性，是 AI 對齊與 AI 安全的根本解。 形式化證明（Lean、Coq）一旦展開，就是 100% 可機器驗證的——AI 可以自己檢查自己的對錯。這意味著未來 AI 寫的程式碼，可以被 AI 用數學證明它「絕對沒有 bug」。Axiom Math 走的就是這條路：用數學自動驗證程式碼。如果這條路走通了，今天我那個 DeFi 安全框架要解決的問題，會從「機率上找出可疑專案」進化到「數學上證明這份合約絕對安全」——那是質變。
第三，這是「博士級智能」的突破口。 博士的本質就是在前沿創造新知識。而數學是少數「新知識可以被 100% 驗證」的領域——一旦 AI 突破數學研究的天花板，它就突破了「博士級智能」的天花板。剩下的就是把這個能力跨領域複製。
換句話說，Axiom Math 如果成功，意味著機器的認知水平不只達到博士，而是能在博士的最高點上「自我擴張」。那是一個質變，不只是量變。
而未來，一定會有更好的模型、更好的架構，把今天平均碩士水平的 AI agent，進一步推到博士水平，甚至超越博士——而且不只是在某一個領域，而是在每一個領域。
當這個質變發生時，今天我用 AI 在一小時內建立一個 DeFi 安全框架這件事，回頭看可能只是一道前菜。
我們真正該問的問題
當這場智力富足的革命走到這裡，我必須誠實地說一件事：絕大多數人其實並不參與這場革命。
碩士級的問題已經被解決。下一步是博士級，再下一步是超博士級。但這些技術的真正生產者只有極少數的公司、實驗室與資本——一般人只能在生活、職場、消費端「接收」革命的結果，並不在「定義革命方向」的那張桌子旁邊。
從前需要一整個團隊才能做出來的軟體，現在一個人搭配 AI 就可以快速完成；從前需要一個實驗室幾年才能推進的研究，現在能被一個人在幾個月內推進到很遠。問題不再是「哪些工作會消失」，而是「整個社會結構的位移會把我們帶到哪裡去」。當「思考」這個曾經最稀缺的資源變成自來水，整個經濟體的定價邏輯都會被重寫——就像當年電力讓動物勞動力退場一樣。
如果一般人不在桌邊，那至少要問對問題。我覺得有兩個問題，比「我會不會失業」更尖銳。
問題一：我們如何治理「博士等級」的 AI？
當 AI 開始在數學、生物、物理、化學這些原本需要博士訓練的領域產出原創成果，「對齊（Alignment）」就不再只是一個工程問題，而是一個政治問題。
具體要回答的小問題包括：
- 這些 AI 到底為誰服務？ 目前的實際答案是：付費企業、軍方、廣告商，以及極少數有資本參與訓練的人——而不是其資料被拿來訓練、生活被它深度影響的廣大公眾。
- 公眾要怎麼參與？ Anthropic 與 OpenAI 已經與 Collective Intelligence Project 合作執行過 Alignment Assemblies——隨機抽出一群一般公民，給他們完整的專家簡報，讓他們投票決定 AI 的行為邊界。這是一個被嚴重低估、但可能是當代最重要的民主實驗。
- 要不要有「Public AI」？ 就像公立學校、郵政系統、自來水那樣，建立一個公眾持有、公眾治理的 AI 基礎建設，作為對純商業 AI 壟斷的對照組。
- 跨國協調的真空。 截至 2026 年初，約 90 個國家已發布 AI 國家戰略、33 個國家通過 AI 立法，但仍沒有具強制力的跨國框架——這幾乎在重演 20 世紀核武治理失敗的開頭幾年。
這些問題沒有任何一個是純技術問題。但它們會決定這個技術最終為誰服務。
AI 真正能為人類做出什麼貢獻？
回到應用層面。今天市面上絕大多數的 AI 應用，其實都是行銷層面的：更好的客服、更快的內容生成、更精準的廣告、更滑順的工作流。這些都是好事，但也僅僅就是「好事」而已，並不是會改變人類處境的事。事實上，根據 2026 年 Q1 的資料，95% 的企業 AI 試點專案沒有產生實質 ROI——大量算力被花在邊際小改善上。
Anthropic 創辦人 Dario Amodei 在 Machines of Loving Grace 那篇長文裡，列出了 AI 真正可能改變人類處境的五個領域：
- 健康 — 加速治療癌症、阿茲海默症、罕見病；他預測十年內可以把生物醫學進度推進 50–100 年。
- 心理健康 — 把優質的心理治療普及到每一個有手機的人。
- 經濟發展 — 在現在最貧窮的國家直接複製先進國家的醫療、教育、基礎建設。
- 和平與治理 — 可驗證、透明的政府決策；削弱獨裁政權的資訊優勢。
- 勞動與意義 — 重新分配生產力的果實，讓人類有時間做真正有意義的事。
這五個領域裡的任何一個，都遠遠比「再多一個 SaaS 訂閱」重要。
而回到我自己那個小例子——12 天前預警 Kelp DAO $292M 駭客的 DeFi 安全框架。它能不能算「對人類的真實貢獻」？我覺得只能算半個。它確實讓資本市場的風險可以被一個沒有資安背景的個人重新定價，這是好事；但更大的場域，是醫療、教育、科學研究、公共治理——那些真正等著被「重新定價、重新組織」的領域。
我相信這個時代真正有價值的工作，不是去和 AI 競爭碩士級或博士級的能力，而是去回答上面這兩個問題：怎麼治理它，以及把它接到真正重要的問題上。
那個一小時建立框架、12 天後預測到 2.92 億美金損失的故事，只是這個更大轉變裡的一個側影。
而真正的故事，還沒開始寫。
相關閱讀：
- Kelp DAO $292M 漏洞——12 天前就被 AI 框架標示
- Reid Hoffman × Ivan Zhao on Possible — "Notion's Reboot: Ivan Zhao on AI as a New Material" (2026/03)
- Terence Tao at OpenAI Academy — "AI is ready for primetime in math and theoretical physics" (2026/03)
- 聯合報：25 歲洪樂潼創辦 Axiom Math，要打造「AI 數學家」
- Dario Amodei — Machines of Loving Grace
- Brookings — How public AI can strengthen democracy
- Collective Intelligence Project — Alignment Assemblies
