antirez 说 AI 安全不是算力竞赛，而是智力竞赛 —— 他说对了
Redis 之父 antirez 昨天发了一篇短文，标题是 “AI cybersecurity is not proof of work”。文章不长，但切中了一个被大多数人忽略的要害。
核心论点：AI 在网络安全领域的攻防，不是谁 GPU 多谁赢。
Proof of Work 的类比为什么不成立
很多人直觉上认为，AI 安全就像比特币挖矿 —— 攻击方和防御方比拼算力，谁的 GPU 集群更大谁就占优。这个类比听起来合理，但 antirez 指出了一个关键区别：
哈希碰撞是确定性的。给足够的算力，你一定能找到满足条件的解。N 越大越难，但本质上是资源问题。
Bug 不是。
代码的状态空间是有限的。当你用 LLM 反复采样同一段代码找漏洞时，模型能探索的分支最终会饱和。跑一百万次和跑一千万次，结果可能没有区别。真正的瓶颈不是采样次数 M，而是模型的智力水平 I。
OpenBSD SACK Bug：一个完美的反例
antirez 用了一个具体的例子 —— OpenBSD 的 SACK 漏洞。这个 bug 的触发需要理解三个独立条件的组合：
- 窗口起始值缺少验证（看起来无害，因为有 start < end 的检查）
- 整数溢出问题
- 一个理论上不应该进入的分支实际被执行了
弱模型面对这段代码会怎样？它会幻觉出一个漏洞 —— 模式匹配到”缺少验证”这个特征，然后声称发现了问题，但完全不理解为什么这三个条件组合在一起才构成真正的威胁。
更有意思的是 antirez 观察到的一个悖论：模型越强（但还不够强到真正理解），越不太可能报告这个 bug。因为更强的模型幻觉更少，它能看到单独每个条件都不构成问题，于是判断代码是安全的。只有真正达到某个智力阈值的模型，才能把三个条件串联起来，理解组合效应。
这不是一个连续的能力曲线，而是一个阶跃函数。
对 AI 安全行业的启示
如果 antirez 是对的（我认为他是对的），那么 AI 安全的竞争格局会和大多数人预期的不同：
不是军备竞赛，是智力竞赛。 堆 GPU 跑更多次扫描不会让你发现更多 0day。你需要的是更聪明的模型，而不是更多的模型实例。
先发优势属于模型能力领先者。 谁先训练出能真正理解复杂漏洞链的模型，谁就在攻防两端都占据优势。这不是靠钱能砸出来的 —— 至少不是线性关系。
防御方可能天然处于劣势。 攻击方只需要找到一个漏洞，防御方需要找到所有漏洞。如果发现能力是阶跃式的，那么在模型能力跨过阈值之前，防御方基本是盲的。
弱模型不只是”没用”，可能是”有害”的。 弱模型的幻觉会产生大量误报，消耗安全团队的精力去验证不存在的漏洞。这比没有 AI 辅助可能更糟。
一点个人看法
antirez 这篇文章让我想到一个更大的问题：我们是不是在很多 AI 应用场景里都犯了同样的错误 —— 用”更多算力”的思路去解决本质上是”更高智力”的问题？
代码审查、架构设计、技术决策 —— 这些领域的 AI 应用，可能都存在类似的阶跃函数。不是跑得更多就更好，而是要跨过某个理解力的门槛。
这也是为什么在选择 AI 工具时，模型能力比价格更重要。便宜的模型跑一万次，不如聪明的模型跑一次。
如果你也在不同模型之间做选择和对比，推荐试试 OfoxAI（ofox.ai）— 一个账号接入 Claude、GPT、Gemini 等主流模型，方便在不同智力水平的模型之间快速切换和验证。
原文：AI cybersecurity is not proof of work — antirez, 2026-04-16