文 | 硅基观察

当一家顶级实验室的创新红利接近上限，人才与理念的外溢几乎成为自然规律。

就像硅谷当年的“PayPal帮”一样，自ChatGPT爆发以来，OpenAI正在成为AI世界的“黄埔军校”。

据乌鸦君不完全统计，2022至2025年间，共有25人离开OpenAI。其中，9人选择创业，创办了8家AI公司，即使不计入尚未披露估值的三家公司，其余6家的累计估值已接近700亿美元。此外，另有16人加入了Meta等其他AI公司

这些人几乎覆盖了OpenAI的所有关键岗位：模型研发、训练系统、对齐与安全、产品工程与工具链。他们不仅是GPT系列的构建者，也亲历了从研究原型到亿级用户产品的全过程。

这是一轮极具组织穿透力的人才外溢。

在商业世界里，他们没有选择“复制OpenAI”，而是试图重构某个曾经只存在于OpenAI内部的系统逻辑：有人强调安全为先，有人重做工具链，有人直接落地智能体应用；有的公司成立三个月，估值已达50亿美元，有的还未有产品，就完成了上亿美元融资。

某种程度上，这些人的离开，并没有切断OpenAI的影响力，反而让它的技术路径与组织经验，借由新的公司被扩散到了更广泛的产业层面。

OpenAI系创业者，撑起700亿

当一家顶级实验室的创新红利接近上限，人才与理念的外溢几乎成为自然规律。

就像硅谷当年的“PayPal帮”一样，2022年至2025年间的OpenAI，也正在成为AI世界的“黄埔军校”。

据乌鸦君不完全统计，这三年间，已有9名核心成员离开OpenAI，创办了8家AI公司，即使不算两家未披露估值的公司，累计估值已经在700亿美元左右。

他们并非普通工程师，大多在离职前担任研究负责人、首席科学家或团队核心人员，主导的方向涵盖模型结构、训练体系、安全机制与产品部署，几乎覆盖OpenAI的技术中枢。

从他们创业方向看，主要集中在AI安全、智能体以及AI应用。

首先，是围绕“AI 安全”的创业潮。

2024 年5 月，OpenAI 联合创始人、长期担任首席科学家的 Ilya Sutskever 选择离开，成立 Safe Superintelligence （SSI）。这是一家纯研究导向的公司，主张将“监管即服务”作为超级智能的前提，为全球 AI 开发者提供能力评估、风险建模与可解释性框架。

▲ Ilya Sutskever、Paul Christiano、aniel Kokotajlo（从左到右）

SSI 的创始团队包括前 Alignment 负责人 Paul Christiano 与策略研究员 Daniel Kokotajlo，成立数月即获红杉资本与 Founders Fund 联合投资，首轮融资超 5 亿美元，成为全球估值最高的 AI 安全公司之一。

与此同时，前 CTO Mira Murati 与 OpenAI 联合创始人 John Schulman 共同创立了 Thinking Machines Lab，试图重建“科研即平台”的基础设施，面向高校和企业。

▲Mira Murati

这家公司复用了 OpenAI 工具链的理念，强调数据治理、模型复现与 AI 责任追踪。今年 7 月完成 20 亿美元 seed 轮融资，10 月估值已达 200 亿美元。

第二类，是围绕“智能体”与人机交互的创业。

Adept AI由前工程副总裁David Luan创立，主攻“能操作电脑的AI助手”。他曾主导GPT-2与GPT-3的训练体系，离职后迅速组建团队并获得超4亿美元融资。

Inflection AI则由DeepMind联合创始人Suleyman和前OpenAI战略顾问Simonyan创办，35人核心团队中包含多位GPT项目的工程师。该公司强调“对话即智能体”，其产品Pi被认为是“最具人格温度”的AI助手，目前估值近40亿美元。

Perplexity AI的创始人Aravind Srinivas曾在OpenAI负责推理系统与多模态搜索。他带领的团队大多来自OpenAI工具链小组，目前已完成15亿美元融资，估值超过200亿。其“对话式搜索+引用溯源”的模式，被视为AI搜索的关键转折点。

第三条，是将通用模型能力迁移至垂直场景。

Eureka Labs由Karpathy创办，专注AI教育与自适应学习系统，打造自动生成课程、反馈与评测的教学平台。团队多为OpenAI工具链出身，首轮融资达4亿美元，估值超过50亿。

Covariant由Pieter Abbeel创办，主打通用机器人操作系统；Periodic Labs聚焦材料科学与实验室AI自动化，2025年完成A轮融资，估值达8亿美元。

相比其他创业公司，从OpenAI走出的创业者更容易在短时间内获得高估值。

• Ilya Sutskever的SSI，没有产品、没有用户，仅用三个月时间，就完成了10亿美元融资，估值达50亿美元；

• 前CTO Mira Murati成立的Thinking Machines Lab，在创业5个月后就拿到了20亿美元的种子轮融资；

• 前OpenAI研究副总裁Liam Fedus创办的Periodic Labs，仅成立3个月，就获得了a16z领投的2亿美元融资。

这些公司的共同点是：尚无明确产品路径，但创始人来自OpenAI的核心管理团队。他们还未开始构建收入模型，估值已经被推到了数十亿美元。

这是一种罕见的市场信号。在资本看来，只要出发点够接近OpenAI，就足够值得押注一轮。

从Meta到xAI，OpenAI何以成为全球AI人才库？

除了创业之外，OpenAI正在悄然成为整个AI产业最重要的人才“蓄水池”。据乌鸦君不完全统计，自2022年以来，已有至少16位核心成员离开OpenAI，加入其他AI公司。

不少企业已将OpenAI视为顶尖技术能力的“供应源”，而过去半年，动作最激进的，是Meta。

6月至7月，一支成建制的队伍从OpenAI苏黎世与旧金山研究团队集体迁往Meta——这并非个人行为，而是一次成建制、成团队的集体迁移。

据统计，OpenAI有多达11人加入Meta新组建的“Superintelligence Labs”，其中包括Shengjia Zhao、Jason Wei、Lu Liu、Shuchao Bi、Allan Jabri、Alexander Kolesnikov、Xiaohua Zhai、Jiahui Yu、Lucas Beyer、Hongyu Ren等人。

他们几乎覆盖了OpenAI在多模态、模型对齐、训练优化与底层系统等关键能力：

• Shengjia Zhao成为Meta的首席科学家，重建团队的核心研究路线——从模型对齐、推理框架到视觉Transformer的再训练；

• Jason Wei接手模型科学工作，专注多任务泛化与推理一致性；

• Allan Jabri与Jiahui Yu延续DALL·E图像生成与视觉-语言融合的研究，把OpenAI的多模态积累嫁接到Llama体系上。

• 苏黎世出身的Xiaohua Zhai与Lucas Beyer，在PyTorch的FSDP/DTensor等分布式能力上深调优，使Meta在分布式训练和数据分片上追上OpenAI内部架构。

这是一支“纯血OpenAI班底”，Meta正在用它复刻并升级自己的AGI研究体系。

而Meta并不是唯一的“受益方”。

Kyle Kosic作为xAI的首批创始成员，2023年从OpenAI跳槽至xAI并担任基础设施负责人，主导相关模型开发工作。他帮助马斯克的团队在短时间内搭建出与OpenAI相似的推理框架，不过在2024年5月，他选择重返OpenAI。

在DeepMind，前OpenAI开发者生态负责人Logan Kilpatrick接任Gemini的开发者与社区负责人。他曾主导GPT API的生态建设，如今延续类似路径，强化Gemini产品的开发者接口与商业化反馈机制。

OpenAI系出身者为何成为市场上最抢手的一批人？

答案并不复杂。他们是少数亲历过GPT-4、GPT-4.5、GPT-5、Sora等模型从训练、评估、安全对齐到全球上线全过程的人。他们知道如何将前沿算法转化为面向亿级用户的商业系统，这种能力稀缺且不可快速复制。

更关键的是，OpenAI极其扁平的组织结构，给了他们一个高度复合的实践场。

在OpenAI内部，分为两条主干：研究团队和工程团队。其中，研究团队负责模型原型、安全策略与对齐机制，工程团队构建稳定的上线系统。

两者中间没有明显割裂，研究员可以直接影响产品决策，开发者也参与模型验证。团队以“小组制”运作，每组几乎具备端到端从研究到部署的全流程权限，类似微型创业单位。

这种高自由度、高耦合度的研发体系，催生出一批“杂而深”的人才：他们既熟悉底层算法，也具备工程实现与产品化思维。

为了找到这样的人，OpenAI的用人标准与主流研究机构明显不同。它有两条明确的“不看”：

一是不看学历。博士学位并不是进入门槛，很多核心研究员甚至只有本科背景。比如DALL·E作者Aditya Ramesh，仅有纽约大学的学士学位。

二是不看资历。OpenAI习惯让新人挑大梁。Sora项目负责人Bill Peebles是2023年刚刚毕业的博士，加入不到一年就开始带队。

这种机制锻造出一批具备跨学科知识结构、强落地导向、愿意对最终产品负责的人。他们熟悉前沿技术，也懂如何把技术推向规模化产品。

对Meta、xAI以及更多新兴公司来说，他们争抢的，从来不只是技术履历本身，而是OpenAI那套组织机制与产品哲学下沉淀出的关键人才。

这些人能将使命驱动的研究精神，与可交付的产品标准融合在一起。而这，正是构建下一代AI公司最需要的能力。