AI 让找漏洞便宜了、确认贵了：从一个月薪 2800 起步的摄影师转行，看安全工程师该练什么
我在 B 站看了一个 45 分钟的访谈：一个月薪 2800 起步的中专生，靠摄影做到月入近 3 万，后来离开了这一行。拆完他的经历再看安全行业：AI 让找漏洞变便宜，值钱的位置移到了“确认”。
最近在 B 站看了一个 45 分钟的访谈视频，《这哥们强到可怕！这段访谈深入人心，对普通人启发很大》，看完觉得值得拆一下，分享出来。
受访者中专毕业，第一份工作修机顶盒，月薪 2800。没摸过相机，转去拍幼儿园毕业照，一年做到摄影主管；后来接私单、做工作室、接品牌活动，月入将近 3 万。2020 年工作室停了半年，加上常年站着拍、熬夜落下的伤，再加上他觉得 AI 迟早会取代视觉类工作，他离开摄影，转去做新媒体。
整段访谈里，有一件事他自己没点破：决定他进步速度的，不是勤奋本身，而是身边有没有一个能分辨好坏的人。 他入行时的老板说他拍的照片是”狗屎”，而且说得出哪里不好；他给”认知”下的定义，是”你知道什么东西是好的了”。
这件事放到 AI 时代更要紧。AI 让”产出”越来越便宜，图片是这样，漏洞报告也是这样；值钱的变成了判断产出好不好、是不是真的。放到我所在的安全行业，就是标题那句话：AI 让找漏洞便宜了，让确认漏洞贵了。
这篇先拆他的经历，哪些做法能用、哪些说法该丢；再看安全工程师接下来该练什么。
他的路线：换了 5 次工作，收入涨到约 10 倍
| 阶段 | 做了什么 | 收入 |
|---|---|---|
| 修机顶盒 | 做了 3 个月，一单套餐没卖出去，自认太内向 | 2800 / 月 |
| 拍幼儿园毕业照 | 零基础，培训几天上岗，一年升摄影主管 | 老板给到 6000，接私单后到 8000 |
| 独立做摄影 | 先和两位年长同事合伙，后来自己带团队接品牌和集团活动 | 将近 3 万 / 月 |
| 转做新媒体 | 母婴私域 → 二手奢侈品手表 → 国风女装，按他的说法每段工作都是裸辞 | — |
收入都是他本人口述，没有旁证。“将近 3 万”是他自己做工作室时的说法，和最初的固定工资不完全是一个口径，“约 10 倍”只能当个量级看。
能用的 5 条
一、选岗位，先看多久能摸到核心工具
想当摄影师，主流路径是去影楼，但影楼要实习 4–6 个月才让碰相机。他嫌太慢，找了一家拍幼儿园毕业照的公司，那里人员流动大、活多，培训几天就让上岗。
他没选更体面的平台，选的是最快能拿到相机的位置。
放到安全岗位上：评估一个机会时，与其比公司名气，不如问一句”我第几周能独立处理一起真实事件、独立复测一个漏洞”。排队半年才碰到真实事件，和第二周就开始值班，一年后的手感差距非常大。
前提是那个工具值得练。上手快、但永远只做报表的位置，是死胡同。
二、学一周、用一周，拿给最挑剔的人看
做六休一。休息那天他除了吃饭睡觉，全在学修图；下周就用到拍摄里，再拿给老板看。
据他说，老板是国内最早一批做摄影的人，对他作品的评价长期是”狗屎”。他说当下很难受，但事后承认对方确实有本事：老板会指出”这棵树往右挪一点会更好看”，这种细节他当时完全看不出来。他后来的总结是，大框架谁都能学，高级的审美体现在细节上，细节要靠大量经验堆出来。
这个循环里最值钱的不是勤奋，是评审者的眼光。被一个看不出问题的人夸，只会越练越偏。
放到安全岗位上：找你能接触到的最严格的人，审你的事件报告和漏洞结论。结论被推翻的次数，比写了多少份报告更能说明你在进步。
三、让交付质量自己去拉客户
工作室刚开始，三个人拍同一个客户，客户最后选的照片几十张来自他，另外两人各几张。慢慢地，转介绍的客户都冲着他来，另外两人干脆不拍了，只负责谈单。结果足够好、又能被看见，它自己就是渠道。
这里也有他的盲区：客户和交付都到了他手上，钱还是三人平分。他的理由是对方当初拉他入伙，“不能忘本”，这是人情上的选择。但从职业角度看，贡献变了而分配没变，就是没有把贡献换成权益。
放到安全岗位上，常见的版本是：活是你干的，汇报是别人讲的。复盘里写清证据链和分工，让”这类事找他”成为别人的第一反应，这件事要主动做。
四、先看懂，再做成，再被托付
他提了”三个圈”：认知圈、资源圈、社交圈，一层比一层难破。按他的解释：
- 认知：你知道什么东西是好的了，但还不知道怎么做；
- 资源：做成了，手里有能跟人交换的东西；
- 社交：不光自己觉得行，还有人认可你行，而且”认可你行的人要行”。
放到安全岗位上，可以换成三个自查问题：
- 你能不能说清楚，一个漏洞结论要成立，需要哪些证据？
- 你有没有别人能独立复现的结果，而不只是”我会”？
- 出事的时候，有没有人第一个想到找你？
他自己在第二层吃过亏：他攒过一个 200 多人的摄影交流群，嫌大家问的问题太重复，直接解散了。主持人提起时，他承认当时没想到这是资源。
五、找高一层的人，前提是让人觉得值得带
收入到 8000 以后，他靠接触收入一万多、甚至更高的人，学他们怎么做事、怎么想问题，才继续往上走。他的比喻是：在海上迷茫的时候，看见一座岛，就知道往哪开了。
他也说了另一面。他前后带过 200 多个摄影师，最受不了嘴上说想学、一遇到困难就放弃的人。他的意思是：你可以没天赋、基础差、学得慢，但要让教你的人看到希望。
放到安全岗位上：向上请教，别空手去问”安全该怎么学”。带上你试过的方案和卡住的样本，对方才愿意花时间。
这 5 条凭什么能信
它们都出自他的自述，和一个成功故事绑在一起；他讲的几乎全是成功，被拒的那几次试拍到底差在哪，没讲。
我把这 5 条留下，不是因为他成功了，而是因为每一条都能在你自己的工作里检验。比如第二条，你可以数一数，这个季度你的结论被比你强的人推翻过几次。检验不了的说法，下一节单独拎出来。
他没做到的，和该丢掉的
他讲”第二曲线”，自己却是在低谷里裸辞
访谈后半段，他讲周期，讲”反者道之动”：往上爬的时候就要想好下坡怎么办，提前布局第二曲线。道理没错，但他自己离开摄影的方式正好相反。
他不是在最顺的时候布局下一步，而是在 2020 年工作室停了半年、身体也扛不住之后，“索性跳出这个赛道”。之后换新媒体的工作，按他自己的说法，“每段工作都是裸辞”。他没讲这些空窗期靠什么撑过去，也没讲失败了打算怎么退回来。
他说”2019 年就判断 AI 会取代视觉”，也要打个折扣。他自己的原话是”反正就那两年""我是有这个感觉”。2019 年最出圈的 AI 图像，是 StyleGAN 生成的假人脸（来源）；Stable Diffusion 开源、AI 画图真正普及，要到 2022 年 8 月（来源）。
以下是我的推测，访谈中没有说明。 他对时间的记忆可能往前挪了；也可能他 2019 年确实看到了 AI 人脸，从而有了这个预感。两种都说得通，但都不能当成一种可以学的预判能力。
值得带走的是他讲的道理，不是他的做法：主业稳定的时候，拿出一部分时间做下一条曲线上能验证的小项目；真要转向之前，先算清楚能承受几个月空窗。
三个说法别带走
审美看出身地。 他说出生在上海的人，审美整体会比云南、山西高，因为见得多，主持人当场就提醒这话风险很大。“见识影响审美”可以成立，推到地域上，就是一个没法检验、也没法据此行动的结论。
“知识付费最后全是骗局”。 一刀切了。他有价值的是后半句：讲课的人一旦脱离一线，内容更新跟不上，最后只能靠营销换包装。保留”脱离一线，内容就会过期”就够了。
“成长就一定会失去朋友”。 他举了不少例子，主持人也讲了初中同学主动断联的故事。但这是把个人经历说成了规律。更有用的说法是：注意力是稀缺资源，要主动决定分给谁。
放到安全行业：AI 让找漏洞便宜了，让确认漏洞贵了
先把他担心的事说准确。AI 并没有成为更好的摄影师，它做的是让”一张图片”变得便宜。摄影师的危机不是被比下去，而是自己卖的东西不值钱了；剩下值钱的，是他那位老板身上的东西：一眼看出哪张好、哪里不对。
安全行业正在发生同样的事。变便宜的是”声称找到漏洞”：一份报告、一条告警结论、一份扫描结果。至于这个漏洞是不是真的，确认的成本一点没降，有时还更高了。
同一个 curl，两种结局
curl 的漏洞赏金计划从 2019 年开始，累计确认了 87 个漏洞。历史上，提交的报告有 15% 以上能被确认；2025 年起 AI 生成的垃圾报告大量涌入，确认率跌到 5% 以下。维护者在 2026 年 1 月 31 日停掉了赏金。（来源）
几乎同一时期，curl 也收到了另一种 AI 报告。2025 年秋天，研究者 Joshua Rogers 用带 AI 能力的代码分析工具 ZeroPath 扫了 curl，交上来一份很长的潜在问题清单。curl 团队从这第一份清单里，合入了大约 50 个修复。维护者为此专门写了一篇博客，标题叫《A new breed of analyzers》（一类新的分析器）。（来源）
同一个项目、同一段时间，AI 既带来了逼停赏金的噪音，也带来了几十个真修复。
机器能判真假的地方，AI 已经在帮防守方
另外两件公开的事有一个共同点：漏洞是真是假，机器自己就能判定。
- Google Big Sleep，2024 年 11 月公布。 Project Zero 和 DeepMind 的 AI Agent 在 SQLite 里找到一个可利用的栈缓冲区下溢，赶在正式发版前修掉了。它的找法是变体分析：把一次历史修复的提交说明和代码改动交给 Agent，让它去当前代码里找类似的问题。确认靠的是程序断言失败、直接崩溃。OSS-Fuzz 的测试入口没有开启出问题的那个扩展，团队事后补跑了 150 CPU 小时的 AFL，也没找到这个洞。（来源）
- DARPA AIxCC 决赛，2025 年 8 月。 规则要求，证明一个漏洞存在，必须提交一个能让测试程序触发 sanitizer 报错的输入（sanitizer 是编译时插入的运行时检测，能自动发现内存越界这类错误），光说”这里有漏洞”不算（规则说明）。在这个规则下，参赛的自动化系统在 63 个人工植入的漏洞里找到 54 个（86%），修补了 43 个，另外挖出 18 个真实存在的漏洞；一年前半决赛时，发现率只有 37%。（来源）
把这几件事放在一起看：有自动判据的地方，AI 的”找到”就是真找到；没有判据、全靠人判断的地方，AI 先制造的是噪音。 判据，就是一个不需要人看、就能判断结论真假的标准，比如程序崩溃。
curl 的两种结局，我的理解也是同一回事：赏金那一侧，判断真假的成本全压在维护者身上；那份 50 个修复的清单，至少说明提交的一方先把结果筛到了值得维护者去看的程度。区别不在用没用 AI，在于确认这一步由谁来做。
没有判据的地方，攻击方更占便宜
AI 的输出天然会出错。同样的错误率，落在两边的代价不一样：
- 攻击方只需要成功一次。比如让 AI 生成 100 个尝试，错 95 个也无所谓，试错几乎免费；
- 防守方的每一个误报都要有人去看，每一个漏报都可能变成事故。
但这个不对称有条件。Big Sleep 和 AIxCC 说明，在防守方掌握代码、又有自动判据的地方，AI 是帮防守方的。所以更准确的说法是：有判据的地方，防守方用 AI 占便宜；没有判据的地方，攻击方占便宜。 防守方要做的，是把越来越多的工作变成”有判据”的。
我们踩过的两次：难的是”怎么确认”
第一次是做漏洞挖掘 Agent。最初把整个代码仓库交给大模型去找漏洞，误报很多，在大仓库上还会跑飞。
后来把分工倒了过来：静态分析工具负责”宁可多报”，大模型只判断静态工具判不了的那一小部分，比如自定义的过滤函数、调用到底可不可达、能不能真的利用；最后再加一轮专门挑错的复核。在一个故意埋了 2 个真漏洞、2 个诱饵（已转义、已参数化）的示例项目上，这套流程 4 条全部判对。示例项目证明不了真实效果，但方向是清楚的：让模型少”找”、多”判”。
做下来最难的，还是判定结果是不是真的。C/C++ 有现成的判据，内存检测工具报崩溃就是真问题，这也是 Big Sleep 和 AIxCC 能成的前提。Web 漏洞没有这么干净的判据，要有能跑起来的实例、真实的数据库、能观测到的副作用，很多结果最后只能停在人工复核。
第二次是复测一个服务的登录态能不能伪造。脚本跑出来的结论是”伪造成功”，差点写进报告。查下来，是 HTTP 客户端默认跟随了 302 跳转：伪造的请求被拒绝后跳到登录页，登录页返回 200，脚本把这个 200 当成了”认证通过”。改成不跟随跳转、按原始状态码判断之后，7 种伪造方式全部被拒，结论整个反过来。
Web 场景下，判据要自己造。这次补上的是两组对照：“不带 Cookie”和”带垃圾 Cookie”。没有这两组，你分不清脚本是真的通过了认证，还是只是被重定向了。以后 AI 写的测试脚本会越来越多，能给结论设计对照组的人，会越来越值钱。
新人去哪”摸相机”
回到第一条方法：选最快能摸到核心工具的位置。
安全新人过去的”幼儿园毕业照”，就是告警初筛、扫描结果复核、按模板写报告。而这些恰恰是 AI 最先接手的活。入门台阶被吃掉之后，新人从哪里积累手感？
我的看法是：把新人放到”确认 AI 输出”的位置上。复核 AI 的研判结论，给它的输出逐条标注对错，为一类漏洞搭对照实验。这比当年手工看告警更难，但练出来的正是接下来最稀缺的能力：判断一个结论是真是假。新人在这里遇到的”最挑剔的老板”，是一份带标准答案的样本集。
AI 本身也成了要守的资产
安全团队自己也在把 Agent 接进研判和响应流程。有一种常见、也很危险的组合：
- 扫描器抓回来的远端响应，也就是攻击者可以控制的文本，被直接拼进 prompt；
- 这个 Agent 有执行命令的权限，而且为了跑得顺，执行前的确认被关掉了；
- Agent 和它自己的运行日志属于同一个系统账号。
三条凑齐，攻击者只要在自己的网页里写一段话，就有可能指挥你的 Agent 在你的机器上执行操作，而且它有权限改掉自己留下的痕迹。所以评估”我们会不会被新型攻击打到”时，Agent 本身要当成一个资产来审，和服务器、数据库放在同一张清单里。
落到个人：把上个月的工单分成三类
他凭感觉转了行，我们可以先拿证据。
把自己过去一个月的工单或任务列出来，每一条问两个问题：AI 能不能做？做完之后，有没有判据能确认它做对了，没有的话，要人花多久确认？
- AI 能做，确认也便宜：这就是你的”摄影”，该准备转移了。
- AI 能做，但确认很贵：这是接下来的主战场。学会给它造判据：对照组、样本集、能复现的验证环境。
- AI 做不了：继续加码。
结尾
他从修机顶盒走到月入近 3 万，最关键的一段，是遇到了一个把他的照片叫作”狗屎”、又说得出哪里不好的老板。
AI 时代，产出会越来越便宜，照片如此，漏洞报告也如此。值钱的是那位老板身上的能力：知道什么是好的，能判断什么是真的。对安全工程师来说，就是把”找到”变成”确认”的能力。
更新说明（2026-10-07）：初版有几处与访谈原文不符，已更正。初版写他”在摄影做得最顺的时候主动离开”，实际是在 2020 年工作室停工半年后离开，身体劳损和对 AI 的担心两个原因都有；初版推测他”家里有托底”，访谈中没有依据，已删除。另修正了一处引语和一处数字口径，按”有没有判据”重写了安全行业一节，标题随之调整。