为什么仅靠领域专长已不再是护城河
一份在硅谷停留三周后的现场报告，用 Time Gap × Domain Gap 两个轴，梳理市场向前沿实验室凝聚的趋势：时间差距正快速缩小，剩下的只有领域差距。到这里是熟悉的结论——模型人人可用，最终深谙该领域的人握有护城河。
但前沿实验室宣布要亲自去做这些领域：编程、法律、生物。连选择领域的标准都很明确——优先瞄准 RLVR（可验证奖励的强化学习）能够运转的领域。手法也很直白：把专家的隐性知识作为 post-train 数据买下来，用钱把只存在于人脑中的判断放进模型。
如此一来，领域专长不再是护城河，而成了收购标的。当二十年积累的判断被当作数据集卖出、被模型吸收的那一刻，仅凭「懂这个领域」已无法构成防线。
AI 已经多深地进入了领域？
生物是这一变化最戏剧化显现的领域。在传统研究者仍普遍怀疑之际，OpenCRISPR 被作为 AI 已在该领域产生实质创新的证据——AI 重新设计出了一种基因编辑工具。
更令人印象深刻的场景出现在个人层面：有人用 Codex 三天就做出了个人基因组分析流水线。过去需要长期积累领域知识与工程能力才能着手的事，对握有工具的人被压缩到了三天。这是领域进入成本本身正在崩塌的信号。
问题被反转——谁先弥合差距
于是报告抛出一个挑衅性的框架：是说服领域专家，还是战胜他们。这个问题颠覆了我们此前提问的方向。此前我们问的是「领域专家会学习 AI 吗」，但真正的胜负也许在另一侧。
两种速度在竞争：领域专家熟悉 AI 的速度，与握有 AI 的人追赶领域知识的速度。在领域知识被当作数据买入、被工具三天复现的世界里，后者的速度远比预想更快。护城河不由「你知道什么」决定，而由「谁先弥合这道差距」决定。
那么现在的护城河是什么
顺着这个视角，护城河的定义就变了——从静态资产（领域知识、模型可及性）转向动态速度（弥合差距的能力）。你所知道的会被复制、被买走，而快速弥合自身差距的习惯不易被复制。
从 AX（AI 转型）的角度，这引出具体的处方。若你是领域专家，就应把「将你所懂的流程转译为 AI 语言」的速度放在首位。明明懂流程却拒绝工具，你的知识会在被当作 post-train 数据卖出的同时，让你一人掉队。反之，若你是 AI 原生者，对领域的谦逊会成为你的护城河——你能三天做出流水线，但那个领域真正畏惧什么，仍只能在现场学到。
我对这个问题还没有确定的答案。但护城河正从「拥有」转向「速度」的感觉是明确的。哪一方先弥合差距，那结果正是我好奇的。