你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!

硅谷正在崛起“OpenAI黑帮”

HelloKitty • 2025-03-04 14:08

扫一扫在手机阅读、分享本文

1017

本文由硅兔君撰写/授权提供，转载请注明原出处。

以下文章来源于：硅兔君

作者：旗舰

编辑：伊凡

“OpenAI 前员工”的名头，在市场上到底有多值钱？

当地时间 2 月 25 日，据 Business Insider 报道称，OpenAI 前首席技术官 Mira Murati 刚刚官宣的新公司 Thinking Machines Lab，正在以 90 亿美元估值启动 10 亿美元融资。

目前，Thinking Machines Lab 尚未透露任何产品、技术的时间表或具体细节，这家公司的公开的信息只有超过 20 人的 OpenAI 前员工团队，以及他们的愿景：构建“每个人都能获得知识和工具，让 AI 为人们的独特需求和目标服务”的未来。

Mira Murati和Thinking Machines Lab

OpenAI 系创业者的资本号召力已形成“滚雪球效应”。在 Murati 之前，OpenAI 前首席科学家 Ilya Sutskever 创立的 SSI 就已经仅凭 OpenAI 基因和一个理念和就拿到了 300 亿美元估值。

自 2018 年马斯克退出 OpenAI 以来，前 OpenAI 员工创办了超过 30 家新公司，总融资额超过 90 亿美元。这些公司形成了覆盖 AI 安全（Anthropic）、基础设施（xAI）、垂直应用（Perplexity）的完整生态链。

这让人不禁想起 2002 年 PayPal 被 eBay 收购后，马斯克、彼得·蒂尔等创始人出走，形成的那波硅谷创业浪潮——"PayPal 帮"，在这波浪潮中崛起了特斯拉、LinkedIn、YouTube 等传奇公司。OpenAI 的出走员工们也在形成他们的“OpenAI 帮”。

只不过“OpenAI 帮”的剧本更为激进：“PayPal 帮”用 10 年缔造了 2 家千亿企业，而“OpenAI 帮”在 ChatGPT 推出之后，仅用两年就催生了 5 家百亿估值的公司，其中 Anthropic 估值 615 亿美元，Ilya Sutskever 的 SSI 估值 300 亿美元，马斯克的 xAI 估值 240 亿美元，未来三年内“OpenAI 帮”中很可能会诞生千亿美元独角兽。

“OpenAI 帮”掀起的新一轮硅谷"人才裂变"，影响整个硅谷，甚至重塑全球 AI 的权力版图。

OpenAI 的裂变路径

OpenA 的 11 位联合创始人中目前仅 Sam Altman 和语言与代码生成团队负责人 Wojciech Zaremba 仍在职。

2024 年是 OpenAI 的离职高峰。这一年中，Ilya Sutskever（2024 年 5 月离职）、John Schulman（2024 年 8 月离职）等相继离职。OpenAI 安全团队从 30 人缩减至 16 人，减员 47%；高管中首席技术官 Mira Murati、首席研究官 Bob McGrew 等关键人物先后离职；技术团队中，GPT 系列首席设计师 Alec Radford、Sora 负责人 Tim Brooks（加入谷歌）等核心技术人才出走；深度学习专家 Ian Goodfellow 加入谷歌， Andrej Karpathy 则二度离开后创办教育公司。

“聚是一团火，散是满天星”。

2018 年前入职 OpenAI 的核心技术骨干中，超过 45% 都选择了另立门户，这些新的“门户“也将 OpenAI 的技术基因库拆解重组成了三大战略集团。

首先是延续 OpenAI 基因的“嫡系部队”，他们可以说是一群 OpenAI 2.0 的野心家。

Mira Murati 的 Thinking Machines Lab 几乎完整移植了 OpenAI 的研发架构：约翰·舒尔曼（John Schulman）负责强化学习框架，Lilian Weng 主导 AI 安全系统，甚至 GPT-4 的神经架构图被直接用作新项目的技术蓝图。

他们的“开放科学宣言“直指 OpenAI 近年来的封闭化趋势，计划通过技术博客、论文和代码的持续公开，打造”更透明的 AGI 研发路径“。这也在 AI 业界引发了一些连锁反应：谷歌 DeepMind 的 3 名顶尖研究员带着 Transformer-XL 架构跳槽加入。

而 Ilya Sutskever 的 Safe Superintelligence Inc.（SSI）则选择了另一条道路。Sutskever 与另两位研究人员 Daniel Gross 和 Daniel Levy 共同创立公司，他们放弃所有短期商业化目标，专注于构建”不可逆的安全超级智能“——这个近乎哲学命题的技术框架，公司刚刚成立，a16z、红杉资本等机构就决定投资 10 亿美元为 Sutskever 的理想”买单“。

Ilya Sutskever和SSI

另一个派系则是 ChatGPT 之前就已经离开的“颠覆者“。

Dario Amodei 创立的 Anthropic，已从“OpenAI 反对派“进化为最危险的竞争者。其 Claude 3 系列模型在多项测试中与 GPT-4 不分伯仲。此外，Anthropic 还与亚马逊 AWS 建立了排他性合作，这意味着 Anthropic 正在算力方面逐步侵蚀 OpenAI 的根基。Anthropic 与 AWS 联合开发的芯片技术，则有可能进一步削弱 OpenAI 在英伟达 GPU 采购中的议价能力。

这一派中另一位代表人物是马斯克，虽然马斯克在 2018 年就已经离开了 OpenAI，但其创办的 xAI 的创始成员中也有一些曾就职于 OpenAI，其中包括 Igor Babuschkin 和后来重返 OpenAI 的Kyle Kosic。由于有马斯克的强大资源助力，xAI 在人才、数据、算力等多个方面都对OpenAI形成了威胁。通过整合马斯克旗下 X 平台的实时社交数据流，xAI 的 Grok-3 能即时抓取 X 平台的热点事件生成答案，而 ChatGPT 的训练数据截止至 2023 年，时效性差距显著，这种数据闭环是 OpenAI 依赖微软生态难以复制的。

不过，马斯克对 xAI 的定位并不是 OpenAI 的颠覆者，而是要找回“OpenAI“的初心。xAI 坚持“最大限度开源”策略，例如 Grok-1 模型以 Apache 2.0 协议开源，吸引全球开发者参与生态建设。这与 OpenAI 近年来的闭源倾向（如 GPT-4 仅提供 API 服务）形成鲜明对比。

第三派则是一些重构产业逻辑的“破局者”。

OpenAI 前研究科学家 Aravind Srinivas 创办的 Perplexity，是最先用 AI 大模型改造搜索引擎的公司之一。Perplexity 通过 AI 直接生成答案取代了搜索页面的链接列表，如今每天搜索量超过 2000 万次，融资规模也超过了 5 亿美元（估值 90 亿美元）。

Adept 创始人是 OpenAI 的前工程副总裁 David Luan，他参与了语言、超级计算、强化学习的技术研究，以及 GPT-2、GPT-3、CLIP 和 DALL-E 项目的安全和政策制定。Adept 专注开发AI Agent，目标是通过大模型结合工具调用能力，帮助用户自动化完成复杂任务（如生成合规报告、设计图纸等）。其开发的 ACT-1 模型能直接操作办公软件、Photoshop 等。目前这家公司的核心创始团队，包括 David Luan 已经转投了亚马逊的 AGI 团队。

Covariant 是一家具身智能创业公司，估值 10 亿美元。其创始团队均来自 OpenAI 解散的机器人团队，技术基因源于 GPT 模型研发经验. 专注开发机器人基础模型，目标是通过多模态 AI 实现机器人自主操作，尤其聚焦仓储物流自动化。不过，目前 Covariant 的核心创始团队中的三位“OpenAI 帮“成员 Pieter Abbeel、Peter Chen 和 Rocky Duan，均已加入亚马逊。

部分“OpenAI帮“创业公司

资料来源：公开资料，整理：旗舰

AI 技术从"工具属性"向"生产力要素"的跃迁，催生了三类产业机遇：替代型场景（如颠覆传统搜索引擎）、增量型场景（如制造业智能化改造）、重构型场景（如生命科学底层突破）。这些场景的共同特征是：具备数据飞轮构建潜力（用户交互数据反哺模型）、与物理世界深度交互（机器人动作数据/生物实验数据）、以及伦理监管的灰度空间。

而 OpenAI 的技术外溢，正在给这种产业变革提供底层动力。其早期开源策略（如 GPT-2 部分开源）形成了技术扩散的"蒲公英效应"，但当技术突破进入深水区后，闭源商业化成为必然选择。

这种矛盾催生了两个现象：一方面，离职人才将 Transformer 架构、强化学习等技术迁移到垂直场景（如制造业、生物科技），通过场景数据构建壁垒；另一方面，巨头通过人才并购实现技术卡位，形成"技术收割"闭环。

当护城河变成分水岭

“OpenAI 帮”在高歌猛进，老东家 OpenAI 却“举步维艰”。

在技术和产品方面，GPT-5 发布日期屡次推迟，主流的 ChatGPT 产品则被市场普遍认为创新速度跟不上行业发展。

在市场方面，后来者 DeepSeek 已经开始逐步赶超 OpenAI，其模型性能接近 ChatGPT 但训练成本仅为 GPT-4 的 5%，这种低成本复现路径正在瓦解 OpenAI 的技术壁垒。

不过，“OpenAI 帮”的迅速壮大，很大一部分原因在于 OpenAI 公司的内部矛盾。

目前 OpenAI 的核心研究团队可以说已经分崩离析，11 位联合创始人仅剩 Sam Altman 与 Wojciech Zaremba 在职，45% 的核心研究员已经外流。

Wojciech Zaremba

联合创始人 Ilya Sutskever 离职创立 SSI 公司，首席科学家 Andrej Karpathy 公开分享 Transformer 优化经验，Sora 视频生成项目负责人 Tim Brooks 转投谷歌 DeepMind。在技术团队中，超过半数 GPT 早期版本作者已离职，其中的多数都已经加入到 OpenAI 竞争对手的行列中。

与此同时，据跟踪招聘信息的 Lightcast 汇编的数据，OpenAI 自己的招聘重点似乎也变了。2021 年，该公司 23% 的招聘信息是一般研究职位。2024 年，一般研究仅占其招聘信息的 4.4%，这也从侧面反应了科研人才在 OpenAI 中的地位正在发生变化。

商业化转型带来的组织文化冲突愈发明显，员工规模三年扩张 225% 的同时，早期黑客精神逐渐被 KPI 体系取代，有研究人员直言"被迫从探索性研究转向产品迭代"。

这种战略摇摆导致 OpenAI 陷入双重困境：既需要持续产出突破性技术维持估值，又不得不面对前员工利用其方法论快速复刻成果的竞争压力。

AI 产业的胜负手不在实验室的参数突破，而在于谁能将技术基因注入产业毛细血管——在搜索引擎的答案流、机械臂的运动轨迹、生物细胞的分子动力学中，重构商业世界的底层逻辑。

是硅谷要分裂 OpenAI？

“OpenAI 帮”、“PayPal 帮”的迅速崛起，在很大程度上是托了加州法律的“福”。

加州自 1872 年立法禁止竞业协议以来，其独特的法律环境成为硅谷创新的催化剂。根据《加州商业与职业法典》第 16600 条，任何限制职业自由的条款均属无效，这一制度设计直接推动了技术人才的自由流动。

硅谷程序员平均任职周期仅 3-5 年，远低于其他科技中心，这种高频流动形成了"知识溢出"效应——以仙童半导体为例，其离职员工创立了英特尔、AMD 等 12 家半导体巨头，奠定了硅谷的产业基础。

禁止竞业协议的法律，看似对创新公司保护不够，实则却更加促进了创新。技术人员的流动，加速了科技的扩散，降低了创新的门槛。

2024 年美国联邦贸易委员会（FTC）预计，2024 年 4 月全面禁止竞业协议后，美国的创新活力将进一步释放，政策实施首年或将新增企业 8500 家，专利数量激增 17000-29000 项，新增专利 3000-5000 项，未来 10 年中，每年专利增速为 11-19%。

资本也是 OpenAI 帮崛起的重要推手。

硅谷风险投资规模占全美 30% 以上，红杉资本、凯鹏华盈等机构构建了从种子轮到 IPO 的完整融资链条，这种资本密集型模式催生了双重效应。

首先资本是驱动创新的引擎，天使投资人提供的不只是资金，还包括行业资源整合。优步创立时的种子资金只有两位创始人的 20 万美元，仅有 3 辆注册出租车。在接受了 125 万美元的天使投资后，开始了快速融资，到 2015 年估值已达 400 亿美元。

风险资本对科技产业的长期关注，也促进了科技产业升级。红杉资本 1978 年注资苹果、1984 年代投资甲骨文，奠定其在半导体和计算机领域的影响力；2020 年则开始深度布局人工智能，参与 OpenAI 等前沿项目。国际资本（如微软）对 AI 的百亿美元级投入，都促使生成式 AI 技术商业化周期从数年缩短至数月级。

资本还为创新公司提供了更高的容错能力。加速器筛选失败项目的速度与成功项目同等重要，据初创企业分析机构 startuptalky 统计全球范围内的初创企业失败率为 90%，硅谷的初创的失败率为 83%，虽然初创企业不容易成功，但在风险资本的投资网格中，失败经验可以快速转化为新项目的养分。

图片来源：startuptalky.com

不过，资本也在一定程度上改变了这些创新公司的发展路径。

头部 AI 项目未发布产品即获超十亿美元估值，这变相导致了其他中小创新团队资源获取难度成倍增加。这种结构性失衡在区域分布中更为凸显，数据库管理公司 Dealroom 的调研结果显示，美国湾区单季度获得的风险投资（247 亿美元）相当于全球第 2-5 名风投中心（伦敦、北京、班加罗尔、柏林）的总和。与此同时，印度等新兴市场虽然实现 133% 的融资增长，但 97% 的资金流向估值超 10 亿美元的"独角兽"企业。

此外，资本有很强的“路径依赖“，资本更喜欢可量化回报的领域，这也导致了很多新兴基础科学的创新在资金层面难以得到有力支撑。比如量子计算领域，国内量子计算创业公司本源量子的创始人郭国平，在创业初期就曾因为资金不足，卖房创业。郭国平第一次拉融资实在 2015 年，当年科技部公布的数据显示，我国在科研方面的总投入不足 GDP 的 2.2%，其中基础研究经费在研发投入里只占 4.7%。

不光是缺乏支持，大资本也在通过“金钱“的诱惑，来锁定顶尖人才，这使得初创企业 CTO 级岗位薪酬基本锁定在七位数（美国公司则为美元，中国公司则为人民币），形成"巨头垄断人才-资本追逐巨头"的循环。

不过，这些“OpenAI 帮”的估值大幅前置也存在着一定的风险。

Mira Murati 和 Ilya Sutskever 的两家公司，都是在仅有一个理念的情况下，就拿到了数十亿美元融资。这都来自于他们对 OpenAI 顶尖团队技术能力的信任溢价，但这种信任也存在风险——AI 技术能否长期处于指数增长阶段，其次是垂直场景数据能形成垄断性壁垒。当这两个风险遭遇现实挑战（如多模态模型突破放缓、行业数据获取成本激增），资本过热可能引发行业洗牌。