ARTICLE · 1195653
AI 把「阅读成本」降到零,软件公司和软件工程师的护城河又被踏破一层
它做的事情，是把大模型和 Ghidra、Hopper、IDA 这些专业二进制工具，通过 MCP 协议接在一起。接入成本只有一条命令：npx rea-agents setup。
开发者对 AI 说一句，「帮我把某款软件的某项功能逆向出来」。AI 就能钻进二进制，把汇编代码嚼碎，理解逻辑，重写一份功能复刻代码。整个开发者社区沸腾了，冒出了大量逆向软件和游戏，包括黑神话悟空（网页端的还原，地址：https://wukong.cnmwx.com/?chapter=blackwind）
两个官方公开案例：
Notion 的剪贴板功能——AI 沿着桌面客户端的代码追踪到进程间写入 《东方幻想乡》TH04——PC-98 平台上的 16 位老游戏，从 16 位汇编指令里恢复了固定角度和瞄准角度两套弹幕计算逻辑，还把重建结果和历史编译器输出做了交叉验证。
1、软件公司的护城河不只是法律，还有软件的阅读成本
商业软件大多靠的是知识产权法和加密壳在存活。
所谓加密壳的其实就是：保护一家软件公司的，主要是别人重新把它拆开、看懂、再还原出来的成本太高。软件经过编译器打包，所有人类看得懂的命名、注释、上下文全部被剥离干净，变成一串串冰冷的机器指令与内存寻址偏移量。
源代码背后二进制指令
把一个几百兆的安装包拆开，摆在眼前的是成千上万个失去名字的函数碎片。
想要还原它，过去哪怕是顶级逆向团队，也得像考古学家拼凑古瓷器一样，一段一段猜逻辑、补符号表。
2019 年，一群技术极客为了把《超级马里奥 64》逆向反编译成 C 语言，足足干了两年 2021 年，《塞尔达传说·时之笛》，几十个人又熬了将近两年
因为付出的精力远超重新买一份授权，商业软件才能在黑盒里安安稳稳卖上十几年。
但现在AI 推平了商业软件的阅读成本
REA 的三步流程其实不复杂。
反编译——靠工具把机器码还原成可读的伪代码、字符串、符号名 理解——AI 顺着调用链往下追，直到它能用人话解释清楚，某个功能到底是怎么实现的 复刻——把理解，转化成你自己项目里的一段实现
每一条结论都附证据，每一条发现都标来源。 它会明确告诉你，AI 基于多少处交叉引用得出了什么判断，哪一块因为上下文缺失所以没还原。
「有证据，有局限」。这一下就把「AI 是不是在胡说八道」这个最大的疑虑给按住了。
基本上，你电脑里、手机里凡是以「装好的程序」形式存在的东西，它都可以掰开揉碎了看！
一个叫 Brandon Thomas 的工程师干了件狠事。他被 Adobe 的取消订阅违约金恶心到了，一怒之下，用 Claude Opus 5.5 把 Adobe 全家桶重写了一遍。Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign、Acrobat，七个，全部开源，全部免费。
他 5031 次代码提交里，有 3876 次把 AI 标成了共同作者。七成以上的代码是 AI 敲的。
他自己给这套东西做完体检，自评功能覆盖度 76%，能拿来做活的成熟度 45%，25 项性能预算只满足 3 项。
是个半成品。但他还是很自信地说了句话。
Software is over. 软件已死。
开放源代码运动的旗手埃里克·雷蒙德做了个更直白的实验。他拿一个老的 DOS 共享软件，喂给 AI 分析，AI 不但认出来是 Borland Pascal 写的，还还原出了命名合理的可读源码，然后转译成了 Rust。
他的判断是，任何以可执行文件或固件形式分发的代码，保密性已经终结。
一位开发者试图逆向 2009 年的《使命召唤：现代战争 2》。三个月烧掉 6000 到 7000 亿 Token。最终游戏 99% 的底层函数被完整重建，83% 与原版机器码逐字节完全一致。
REA 这个项目的真正价值，不在技术有多新（从技术上来讲，它不自研反编译引擎，而是做一个 MCP服务器，把 Hopper、Ghidra、IDA、JADX 这些已有工具包装成 Agent 能直接调用的接口，然后让agent发挥），而在让 Agent 学会逆向工程的方法论。
接口化——做 Ghidra、Hopper、IDA 这些工具的统一接口 证据可追溯——Agent 给的是一条能回放的证据链。函数在哪个地址、被谁调用、伪代码是什么、置信边界在哪 流程编排——逆向的调查流程被固化进工作流指令，Agent 自主决定下一步，工程师只负责提问和核实
逆向工程的门槛，从「会用工具」降到了「会提问」。
这是 Agent 时代一个反复出现的模式。代码生成、网页制作、设计绘图，每一个过去依赖专业工种的领域，都被MCP接口，agent分析运行，用户提示词这三件套攻破了。逆向工程只是最新被「Agent 化」的一个！
软件公司和软件工程师的护城河又被踏破了一层！怎么办？
2、科斯 1937 年那篇论文预言了今天
科斯在 1937 年那篇《企业的性质》里其实早就讲清楚了。
科斯问了一个问题。市场里有那么多独立的小作坊，为什么还要存在公司这种东西？
答案不是效率，是成本。
市场交易有成本。找客户、谈价格、签合同、防对方毁约，每一步都要花时间花精力。当外部交易成本高于内部组织成本，企业就出现了。公司存在的全部理由，就是把一部分交易内部化，省掉外部交易成本。
这个框架拿来套软件行业，逻辑惊人地一致。
软件公司过去能躺着收钱，本质上不是因为它的代码有多值钱，而是因为外部逆向的成本太高，外部交易（包括抄袭、复刻、替代）被「阅读成本」这道墙挡在外面。
这家软件公司存在的全部合法性，建立在「外面看不懂」这个前提上。
现在 AI 把「阅读成本」压到接近零。
软件公司突然发现，它存在的那个核心前提，消失了。
按科斯的逻辑推下去，会发生两件事。
第一，公司的边界要重新画。 内部可以代码化的部分，因为不再有保密优势，会被外部化、被社区化、被开源化。软件不再有秘密了！
第二，公司存在的意义，要从「持有代码」转向「别的东西」。
3、边界：软件可能会退化成一层壳
一个猜想：未来的软件为了防逆向，会变得越来越排斥本地计算。核心逻辑、关键资产、算法数据会被全部锁进云端服务器。你装在电脑里的应用，最后只是一张嵌着网络流的显示皮囊。
所有权彻底消亡。
你以为你买断了一个软件，实际上你只是租用了一个在线账号。只要断网，或者厂商服务器关停，你手中的工具立刻变砖。
为了防止被 AI 拆解，软件公司正在剥夺用户对软件的一切控制权。
注意到Anthropic 和 OpenAI 手里都捏着安全模型没放出来。GPT-6、Fable 5 这些前沿模型接到逆向请求时，会直接拒绝。这是 AI 公司主动竖起的一道新墙。
这意味着，「AI 能不能做」和「AI 会不会做」是两件事。模型能力可以无穷，但模型对什么任务动手，厂商可以随时调。整个软件行业也因此多了一条防线：不是「你的代码能不能被读懂」，而是「AI 厂商愿不愿意帮你读」。
但攻防还在动态博弈。有一门新生意叫「破甲」——让模型绕过自家安全限制的技术，从而「越狱」！
这不是第一次软件行业出现「客户端变薄」的迁徙。十年前开始的 SaaS 革命，已经让软件从一次性买断变成了订阅服务。
但两次迁徙的性质完全不同。
上一次，是商业模式主动升级。 订阅制让厂商有持续收入，让用户有持续更新。交易成本被重新设计，大家各取所需。
这一次，是被动防御。 迁徙的起因是厂商害怕自己被逆向，是恐惧驱动。
SaaS 那一次，厂商赌你的产品十年不衰退，用户就会一直续费 AI 时代的这次防御性迁徙，厂商赌用户在断网、变砖、数据丢失时不会彻底翻脸
软件公司为了防住一道 AI 推不动的墙，把自己关进了一个信任更稀缺、信息更不透明的笼子里。
4、不可复刻的两样东西
到这里，可以回答一个问题了：如果你的软件明天就被开源，除了代码本身，你还有什么能留住用户？要从「持有代码」转向「别的东西」
代码，从来不是软件的护城河。它只是软件存在的一种形式。
护城河从来不在代码里。
回答这个问题，要请出哲学家波兰尼。他在 1958 年提出过一个至今没有被超越的概念，叫「隐性知识」。
波兰尼的核心判断是，我们知道的比能说出来的多。
一个外科医生做手术，他知道下刀的角度和力度，但他写不出算法。一个音乐家听一段旋律，他知道哪里跑调了，但他列不出规则。
这些「知道但说不出来」的东西，叫隐性知识。
波兰尼进一步指出，能被语言、公式、代码明确表达的知识，叫显性知识。
能编码的，都能逆向。显性知识能装进代码里，所以也能被 AI 从代码里挖出来。
隐性知识装不进代码，因为代码本身就是显性的语言。
不可复刻的两样东西，正好都是隐性知识。
第一，是真实世界里的物理锚点与信任关系。
哪怕别人把你的软件逻辑一比一复制了，但用户在这个平台沉淀的私人数据、对你这个品牌建立起来的深层信任，无法通过一行命令打包克隆。
一个用 10 年的CAD画图师，和一个新用户，对平台的依赖天差地别。
代码和技术本身其实并不值钱。 可以复刻一个拼多多的壳，但你永远复刻不了拼多多商业版图。你可以复刻美团客户端，但美团十几年积累的骑手、用户、商户数据，以及背后那套运营策略和流量打法，搬不走。AI 强的地方在执行层面，它没法凭空带来流量，用户，销售，运营，业务增长等等。
复刻解决的是 shell。复刻不了 用户数据 + 运营 + 品牌 + 设计的整体护城河。
第二，是持续发现真实需求的人类洞察力。
AI 可以用惊人的速度把 1 变成 100，也可以把别人的 1 拆回 0，但它依然无法替人类去感知这个世界上那些隐秘的、尚未被言说过的痛苦与渴望。
这一条尤其关键。因为它不是「AI 暂时做不到」的事，是它结构上就做不到。
这两个能力，是过去所有伟大产品与商业创新真正的源头。从乔布斯做 iphone，到张一鸣做今日头条，黄峥做拼多多，每一步都是从「我注意到一个别人没注意到的痛点」开始的。
5、尾声
过去十年，我们看着 AI 一座一座攻破人类的「最后堡垒」。
2016 年，AlphaGo 4 比 1 横扫李世石。围棋曾被认为是最考验直觉的领域 2026 年，REA 让任何人都能把任意软件逆向出可读代码。代码壁垒被压到接近零 同年 10 月，OpenAI 一次性放出 722 份数学手稿，平均每份仅消耗 3 小时算力。数学曾被认为是人类智力的纯粹形态
每一次 AI 攻破一个领域，我们都说「球门往后挪」，然后宣布下一个 AI 绝对做不到。
围棋不行，就挪到软件。软件不行，就挪到数学。数学不行，就挪到物理、化学、生物。
但这种安慰有个结构性的问题。
每一次 AI 胜出的领域，都有一个共同的特征：答案是可判定的。
围棋有输赢，代码能跑通，数学证明对就是对，错就是错。
在这些封闭的、可验证的系统里，AI 是个完美的玩家。它可以无限次试错，快速逼近最优解。
球门还能往后挪到哪。
物理、化学、生物。这些学科依赖真实世界的实验。AI 暂时进不了实验室，因为实验室要的不是聪明，是手。
但这个「暂时」能撑多久，随着机器人和 AI 的成本下降，答案不容乐观。
可以预见，这场迁徙会沿着同一个逻辑展开。每一个「AI 暂时做不到」的领域，最终都会被某种「硬约束」攻破。 一旦某个事可以被机器精确判定，AI 就会赢。
那么，该怎么办？拥抱AI，做Ai指挥官，别跟它卷了！全面和眼下的工作结合提高效率与生产力，然后发挥创造力去做产品！
文中 REA 项目数据综合自 GitHub 仓库 morluto/rea 官方 release notes、仓库元数据与公开报道（Star 数为 2026 年 10 月 15 日实时数据）；使命召唤逆向案例综合自开发者 Maurice Heumann 10 月 9 日公布的项目报告及多家媒体报道。
