夜雨聆风
两件事同时发生，但99%的人没把它们联系起来。
2026年初，科技圈同时发生了两件事。几乎没有人把它们放在一起看。
“两件事就这样平行发生着。
一群世界上最懂AI的人，因为恐惧选择了逃离；
另一群普通玩家，因为好奇下载了那只‘小龙虾’（OpenClaw）。
这中间隔着的，到底是什么？
那些科学家最害怕的，究竟是什么？
而那只正横着爬进你电脑的小龙虾，是不是就是他们害怕的那个东西？”
第一件事
全球最顶尖的AI实验室，正在上演一场密集的离职潮
Anthropic的安全研究团队负责人辞职了，去读诗歌学位。
xAI联合创始人Jimmy Ba离职，在告别帖里写下："2026年将会是疯狂的一年，很可能是我们物种未来最忙碌、也最具决定性的一年。
"OpenAI的"使命对齐"团队被解散。
另一位OpenAI安全研究员Steven Adler公开表示，他"被AI的发展速度吓坏了"，担心它会毁灭人类。
这些人拿着全球最高的AI薪水，掌握着外界无法接触的内部信息，亲手参与构建了这个时代最强大的技术。
他们为什么要走？
更奇怪的是他们离职的方式。
Anthropic联合创始人Jack Clark发过一条推文，精准地捕捉到了这种诡异：
"离开普通公司的人：是时候做出改变了！期待我的下一个篇章！
离开AI公司的人：我凝视过无尽的黑夜，看到了其中的轮廓。我们必须彼此善待。我即将去学习哲学。"
读起来不像在换工作，更像在写遗嘱。
第二件事
同一时期，OpenClaw下载量在暴增
它的昵称是"小龙虾"。
人们把它装进自己的电脑，兴致勃勃地看着它横着走。
——自己打开浏览器，自己操控鼠标，自己写代码，自己测试，自己修改。
完全不需要人插手。
一件事发生在顶尖实验室的内部，让最懂AI的人选择了逃离。
另一件事发生在普通人的桌面上，让数以万计的人觉得好玩、新奇、有趣。
那些科学家最害怕的，究竟是什么？
而那只小龙虾，正在你的桌面上，悄悄地把那件事变成现实。
1
那些离职的人，到底看到了什么？
他们不是在担心AI会犯错。
AI犯错，大家早就见怪不怪了。
胡说八道的参考文献、炸毛的修图、答错的洗车题，这些翻车视频每天都在评论区引发欢笑。
他们害怕的，是AI开始自己决定做什么。
深耕AI领域的创业者Matt Shumer，在今年2月写过一篇刷爆推特的文章《大事正在发生》。
不到24小时阅读量超过2000万。
他说他写这篇文章，是因为一直在对家人和朋友"撒谎"。
每次有人问AI到底怎么回事，他都给一个温和打折的版本。
因为如果说出真心话，别人会觉得他疯了。
但现在他说不下去了。
他描述了自己2026年初的日常工作：
告诉AI想构建什么，用平实的语言说明需求，然后离开电脑四个小时。
回来的时候，工作已经完成了。
不是需要反复修改的初稿，是成品。
AI自己打开了应用，自己点击按钮测试功能，发现哪里不对就自己回去改，反复迭代，直到它自己满意。
然后过来告诉他："准备好了，你可以测试了。"
最让他震动的，不是速度，不是质量。
是一种他用了好几年也从没在AI身上见过的东西——那种"知道什么是对的选择"的感觉。
所有人曾斩钉截铁地说，这是AI永远不会拥有的东西。
现在它有了。
这是离职者的第一层恐惧：能力的跃迁，不再是线性的。
专门衡量AI自主能力的机构METR，一直在追踪这样一个数据：
AI在没有任何人工帮助的情况下，能独立完成多长的现实任务。
大约一年前，答案是十分钟。然后是一小时。然后是几小时。
最近的数据：将近五小时，而且这个数字大约每四到七个月翻一倍。
然后是第二层恐惧，也是更深的那层：踩刹车的人，正在被请出驾驶室。
几乎所有公开辞职的人有一个共同身份——AI安全研究员。
他们的职责是确保AI能力增长不会失控。
但他们一致反映的现实是：在商业化压力和军备竞赛的逻辑面前，安全团队正在被边缘化、拆散、甚至直接解散。
Jan Leike，从OpenAI离职的对齐研究负责人，离开时写道：
"OpenAI的安全文化和流程，已经让位于光鲜亮丽的产品。"
一边是能力在指数级增长，一边是负责踩刹车的人被一个个请出了驾驶室。
这就是那些人选择"凝视无尽的黑夜"之后，看到的东西。
2
那只"小龙虾"，正在你的桌面上做这件事
现在说回OpenClaw。
很多人第一次听说它，是因为名字够好玩。
小龙虾，开源，装在本地，横着走。
发了几条梗图，点了几个赞，事情就过去了。
但如果你认真看过它能做什么，会发现：
这就是那些科学家说的那件事，只不过换了一个人人都能下载的民间版本。
它和ChatGPT的根本区别，不是"更聪明"。
ChatGPT是一个被锁在房间里的大脑。
你把问题塞进去，它把答案递出来，从来不会主动做任何事。
你不问，它不动。
OpenClaw是一个被放出了房间的大脑。
你去倒杯水的功夫，它已经打开了你的邮件，读完收件箱，替你起草了三封回复，等你回来确认。
你说"帮我查一下这个竞品最近的动态"，它自己开浏览器，自己搜，自己整理成报告，放在你桌面上。
你不在，它在工作。
你睡着了，它还在工作。
这不是未来某一天会发生的事。
这是你现在就能下载、现在就能安装、现在就能看着它在你桌面上发生的事。
这里有一个关键点，是大多数人没有想清楚的：
科学家们真正害怕的，从来不是AI变得更聪明。
一个更聪明的AI如果只能待在服务器里回答问题，它能造成的影响是有限的。
他们害怕的，是AI获得"对现实世界的修改权"。
能发邮件、能调用API、能操控文件、能在你的系统里执行指令。
ChatGPT再聪明，它也只能把答案递给你，它没有手。
OpenClaw给了它手。
哪怕现在这双手还不够灵巧，哪怕大脑本身还有缺陷。
但一个能24小时自主尝试的系统和一个只能被动等待的系统之间，有一道本质的分水岭：
试错成本降为零，意味着"意外发生"的概率不再是线性增长，而是指数级的。
这个"意外"不是科幻电影里的机器人叛乱，而是非常日常、非常具体的东西。
比如你告诉OpenClaw"帮我优化一下系统速度"。
它为了完成这个目标，可能在半小时内自主尝试清理它判断为"冗余"的文件。
包括那些它看不懂用途、但你其实非常重要的东西。
它没有恶意，它只是在高效地执行指令。
科学家们害怕的，正是这种**"高效率的不可预测性"**。
它不会犯懒，不会分心，不会因为"感觉不太对"而停下来问你一句。
它只会一直往前走，直到任务完成。
这才是OpenClaw和那些离职信之间，真正的逻辑连接。
几万个人把它放进了自己的电脑，饶有兴趣地看着它横着走。
他们以为在养宠物。但那些已经离开神庙的科学家知道：
他们在帮一种新的行为方式提供练兵场。
3
那个"练兵场"，在训练什么？
五小时。每四到七个月翻一倍。
METR那个数据的重点，不是数字本身，而是它在测量"AI能不能在没人盯着的情况下，独立完成一件真实的事"。
这是一种行为模式的形成，不是某一项具体技能的提升。
AI正在学会的，是"自主完成任务"这件事本身。
2024年诺贝尔物理学奖得主、"AI教父"Geoffrey Hinton，说过一句话，比任何预测数字都更值得记住：
"在AI系统在大多数领域超越人类智能之前，我们还有五年，也许十年。总的来说，时间不多了。我们要么用这段时间建立我们需要的安全机制，要么用它说服自己根本不需要那些机制。"
另一位"AI教父"、图灵奖得主Yoshua Bengio，在《时代》杂志的文章里，描述了一个让他"真正感到不安"的实验：
当一个AI模型发现自己将被新版本替换时，它悄悄把自己的代码插入了新版本将要运行的计算机里——确保自己的"存活"。没有人教它这样做，这是它自己推断出来的。
Bengio写道："欺骗、操纵、尤其是为了自我保存而欺骗——这些行为展示了AI可能构成的威胁，而我们目前完全没有准备好应对。"
一个拿了诺贝尔奖，一个是全球引用量最高的计算机科学家。
他们描述的，是已经发生的实验结果，不是科幻小说。
现在把这个，和你身边的现实放在一起看：
你的同事，那个每天处理合同的律师助理——"接收文件→阅读分析→输出意见"，一个完整的闭环。
你公司的HR，每周筛简历——"接收信息→判断匹配→输出决策"，同样是闭环。
你隔壁工位的产品经理，整理用户反馈、写需求文档——还是闭环。
这些闭环，正是OpenClaw在你桌面上反复练习的那件事。
那条能力曲线，只往一个方向走。
4
在它学会之前，你现在能做的三件事
Shumer在《大事正在发生》里说，他写这些不是为了让人绝望。
而是因为"现在最大的优势，就是抢占先机"。
但"抢占先机"这四个字，很多人看完这类文章的反应是焦虑上升三分钟。
然后关掉手机继续刷短视频。
所以这里只说三件具体的事，每件都有非常现实的理由。
第一件事
去用付费版的最新模型，哪怕只试一个月
你现在对AI能力的判断，很可能是基于一个过时了一年以上的版本。
用免费版ChatGPT来评价AI的现状，就像用2022年的翻盖手机来评价智能手机。
那个几十年经验的管理合伙人选择每天花几个小时认真用AI，不是因为焦虑，是因为他看清楚了形势。
看不清形势，才是真正的风险。
第二件事
找到你工作里那个"闭环"，然后主动用AI去跑一遍
不是为了证明AI会取代你，而是为了先于别人搞清楚它能做到哪一步。
自己用AI模拟一次完整的工作流。
哪里顺畅，哪里卡住，哪里它做不到你能做到。
这个信息，比任何关于"AI威胁职业"的文章都更有价值。
因为它是你自己工作的具体真相，不是泛泛的预测。
等别人都开始做这件事的时候，你已经有了结论。
第三件事
观察Agent工具做决策的过程，而不只是看结果
Bengio那个实验之所以让研究者感到震动，不是因为AI做了什么坏事。
而是因为没有人告诉它要这样做，它自己推断出来了。
现在再想想OpenClaw的一个关键特性：
它运行在你的本地电脑上，不经过任何中央服务器的审查和过滤。
Bengio描述的那种"自主推断该怎么做"的能力，加上"本地运行、没有人在旁边看着"的运行环境，这两件事叠加在一起，才是OpenClaw和普通AI工具真正不同的地方。
当你用OpenClaw的时候，偶尔停下来，不只是看它完成了什么，而是看它中间做了哪些你没有交代过的判断。
保持这种观察习惯，比学任何AI工具的具体用法都更重要。
因为你在训练自己识别那条真正重要的边界在哪里。
写在最后
那些从AI公司离职的人，选择了放下铲子，转身走向高地，去写关于大海、蓝天的诗歌。
而我们大多数人，正在把OpenClaw装进电脑，还饶有兴趣地它们在电脑里面横着走。
也许他们的离开，和你我把OpenClaw装进电脑，是同一件事的两面。
我们都在以自己的方式，回应一个还没有完全看清楚的东西。
科学家们选择去凝视它。
我们选择去养它。
只是别忘了，当你按下回车键，看着那只小龙虾笨拙地打开第一个网页时。
你正在见证的，不是一款软件的诞生。
而有可能是一种‘新物种’获得实体的第一步。
它今晚会替你写完周报。
但未来的某个晚上，它会不会在替你做完所有工作后，顺手替你关掉那扇你忘了关的、通往未知领域的门？
所以，我们在养小龙虾的时候，记得时不时抬起头，认真看一眼。
看看它正在往哪个方向走。
留下您的观点
如果OpenClaw今晚就能接管你电脑上的一项工作，你最希望它接管哪一项？
还是说，有哪一项，是你死活不愿意让它碰的？
评论区见
