硅谷正在崛起“OpenAI 黑帮”

Bitget App

交易“智”变

Bitget

资讯中心

硅谷正在崛起“OpenAI 黑帮”

硅兔赛跑2025/03/03 13:18

作者:硅兔赛跑

新一轮硅谷人才裂变

作者｜旗舰编辑｜伊凡

OpenAI 的裂变之路

“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。