OpenAI离职精英身价暴涨榜：揭秘顶级AI人才的财富飞跃

过去两年，整个科技和投资圈都在被同一个问题反复拷问：AI的下一个爆发点，到底在哪里？

从存储、光模块到算力股、能源股，市场叙事每隔几个月就切换一轮。每一次浪潮涌动，都有人踏空，也总有人信誓旦旦地说“下次一定”。

然而，很少有人换个角度追问：那些最懂AI、亲手推动这场变革的人，他们自己正在押注什么？

从OpenAI出走的那批核心成员，其身价总和已逼近万亿美元量级。他们的创业与投资动向，或许正勾勒出AI下一个时代的早期轮廓。

Dario Amodei创立的Anthropic，潜在估值高达9000亿美元；Ilya Sutskever的SSI虽无具体产品，估值已达320亿；Ara vind Srinivas的Perplexity，估值212亿；Mira Murati的Thinking Machines Lab，估值120亿。

某种意义上，OpenAI这几年最重要的“输出”，可能并非某个模型，而是这批带着顶级认知离职、并持续搅动市场的“毕业生”。

其中，最年轻且戏剧性被开除的Leopold Aschenbrenner，已成为近两年资本市场中被引用最频繁的名字之一。

他的传奇经历已被媒体反复咀嚼：23岁被OpenAI扫地出门，随后撰写165页的报告《Situational Awareness》，并在一年内将所管理的对冲基金规模从2.25亿美元撬动至55亿美元，重仓核电与燃料电池公司，全部押中。

故事的反差足够强烈，结果也足够成功。如今，但凡讨论AI时代的投资逻辑，他几乎是一个无法绕开的坐标。

但必须看到，Leopold只是这群人中最早被聚光灯捕捉到的那一位。

从OpenAI出走的人，逐渐走出了两条差异明显的路径。

一条是Ilya、Mira、Ara vind选择的道路：创业，融资，冲击下一个碘伏性产品，这与每一次硅谷天才的出走剧本如出一辙。

另一条则要安静得多：有一批人选择了“押注”，将执行交给他人，自己专注于做判断。Leopold走的是这条路的极端形式——他杀入公开市场，用AI行业操作者的独特视角，在传统能源股中找到了被错误定价的资产，然后重仓。他或许不懂能源产业的细枝末节，但他亲眼见过训练顶级模型所需的电力规模，知道下一代数据中心必须选址在何处。这种认知无法通过阅读报告或参加行业会议获得，唯有在那个核心位置上待过，才能积累。

在这条路之外，还有另一群人，以更小、更敏捷的形态实践着同样的逻辑。他们管理的基金规模不大，却能在几小时内完成别人数月的尽职调查，他们的“否决清单”往往比“投资清单”更具价值。他们构成了这场“大迁徙”中最容易被忽视、却也最值得深究的一层。

大多数人离开一家公司，带走的是履历。而从OpenAI出来的人，带走的是一套市场尚未完全理解、却已迫切需要的“答案”。

一、没有第二个Leopold

Leopold的重仓标的，是核电公司Vistra和燃料电池公司Bloom Energy。

在这两笔押注均获成功后，他在2025年底开始调仓，清空了Vistra，将资金进一步集中于Bloom Energy及数据中心基础设施相关资产。

传统能源分析师研究这些股票，会梳理电网扩容计划、对比碳税政策、构建复杂的需求增长模型。但Leopold的决策路径与此截然不同。

他在OpenAI亲眼见过服务器机房的物理规模，看过训练一个旗舰模型的真实电费账单，听过工程师们讨论为何下一代数据中心必须紧邻核电站选址。这些细节不会出现在任何财报或分析师报告中，但它们共同拼凑出一个关于未来能源需求的图景，比任何预测模型都更接近真实。

这套打法在投资界被称为“跨行业认知套利”：将一个行业的内部信息与真实体感，转化为另一个行业中尚未被充分定价的资产价值。

过去，这是顶级宏观对冲基金的专利，依赖于对全球经济体的全局视野。而Leopold做了一件更精准的事：他用AI行业最前沿操作者的视角，在看似传统的公开市场中，找到了因认知滞后而产生的定价漏洞。

这条路，极难复制。

二、Zero Shot：最值钱的是那份否决清单

Zero Shot基金的创始人Evan Morikawa同样出自OpenAI，技术背景扎实，但他选择了风险投资。

虽是校友，路径却大相径庭。Leopold的判断力源于其在AI核心岗位的具体经历，是对成本、规划和需求的第一手感知，这需要时间的沉淀，没有捷径。而在OpenAI核心圈，真正有资格做这道题的人，凤毛麟角。

今年4月，一支规模1亿美元的新基金Zero Shot悄然进入公众视野。其名称源于AI训练中的一个术语——“零样本学习”，意指模型在未见任何示例的情况下直接完成任务。

三位联合创始人均来自OpenAI：前DALL-E和ChatGPT应用工程负责人Evan Morikawa，OpenAI最初的提示词工程师Andrew Mayne，以及前研究员兼工程师Shawn Jain。

目前，他们已投资了三家公司：AI企业工作流公司Worktrace、AI增强工厂机器人公司Foundry Robotics，以及另一家仍处于隐身状态的项目。

1亿美元的规模，在当今动辄百亿的AI基金浪潮中，显得相当克制。但看看他们明确拒绝投资的领域，反而更能说明其独特价值。

Andrew Mayne曾公开表示，看空大多数“氛围编程”工具，即那些帮助用户用自然语言生成代码的产品。理由很直接：他深知OpenAI内部在编程方向的技术积累到了何种程度，也清楚这类工具的护城河将在基础模型的快速迭代下以多快的速度消融。

Evan Morikawa则对机器人赛道中大量依赖“人类动作视频数据”的公司保持距离。在他看来，这条技术路线很快就会撞上天花板。

这两个关键判断，普通风险投资机构很难给出。因为他们未曾置身于信息源头，无缘参与那些决定技术走向的内部讨论，自然无从分辨哪条路前方是断崖。

Zero Shot的核心优势，恰恰隐藏在这份“否决清单”里。在一个所有人都在高喊“All in AI”的市场中，知道哪些是坑，比知道该押注谁更为珍贵。这好比已经挖过矿的人，手中一份详实的“雷区地图”远比模糊的“藏宝图”更有价值。

他们刻意将基金规模控制在1亿美元，背后有非常实际的考量。他们清楚自己的优势在哪个阶段最具杀伤力：技术路线尚未收敛的极早期。在那个阶段，懂行的人能一眼看穿哪条路真正走得通。一旦项目发展到C轮、D轮，财务数据和公开信息将逐渐覆盖掉这种信息差，这张王牌便失效了。

规模越大，就越被迫追逐“确定性的大赛道”，反而是在用别人的游戏规则打仗。1亿美元，是他们对自己优势边界的一次诚实划定。

三、当天使是另一门生意

Mira Murati和Zero Shot基金，都不约而同地投资了前OpenAI同事Angela Jiang创立的Worktrace。但这笔投资背后的逻辑，远比“同事关系好”要扎实。

Mira亲眼见过Angela在OpenAI高压环境下如何做决策，如何判断AI产品的边界，以及在真实约束中展现出的执行力。这些特质，在两小时的创始人路演中无法伪装，再细致的尽职调查也难以完全还原。

对Angela而言，她不需要费力说服Mira相信自己的能力，因为Mira早已形成了自己的判断。这类天使投资的信息成本趋近于零，但信息质量却远超市场平均水平。

更大的飞轮效应，在Sam Altman那里运转。据报道，Altman在听闻老员工创业后，往往能在数小时内决定是否跟投，并可能叠加OpenAI Startup Fund的资金与API资源支持。

他本人虽不持有OpenAI股权，但每一位“校友”的成功，都在无形中扩大着OpenAI的数据入口、分发渠道与政策影响力。他是在用资本维系一个虽不属于自己、却持续产生回报的生态系统。这是一种看不见的“股权”，却在实实在在地产生复利。

这套生态，常被外界误解为旧同事间的“抱团取暖”。但将其与著名的“PayPal黑手党”对比，差异便清晰可见。

“PayPal黑手党”的凝聚力源于共同的苦难记忆：一起挺过支付战争，经历eBay收购，在濒临死亡的岁月里结下战壕情谊。这种信任是真实的，但他们对于未来的判断和选择是发散的——Peter Thiel做风险投资，Elon Musk造火箭，Reid Hoffman搭建社交网络。

而凝聚OpenAI校友的，是对未来的共同信仰：AGI（通用人工智能）必将到来，且窗口期有限，当下是千载难逢的布局时机。这种信仰的驱动力比私人情谊更为持久，因为它直接与巨大的利益相连。网络中任何一个人的押注方向一旦正确，整个网络都将受益。

这也使得这个圈子的准入门槛变得非常微妙。如果你的产品足够出色，获得他们的投资并非难事。但如果你对AI的未来持怀疑态度，或者你的创业逻辑建立在“AGI还很遥远”的前提之上，那么即便产品再优秀，恐怕也很难拿到他们的支票。世界观层面的根本分歧，往往在握手之前就已终结对话。

四、从建造者到投资者

梳理OpenAI校友们的去向，大致可归为三类。

Ilya、Ara vind、Mira都选择了创业。但同是创业，方向却截然不同：Ara vind投身于竞争白热化的消费者市场，Mira聚焦工具平台，而Ilya的SSI甚至没有具体产品，仅凭“安全”这个命题就获得了320亿美元估值。

Leopold和Zero Shot则选择了投资。Leopold进入公开市场，Zero Shot专注早期风投。两者都是将认知判断外化为资本配置，而非亲自下场执行。这在OpenAI校友中属于少数派，但这个少数派值得特别关注：当一个人选择押注而非亲手建造，往往意味着他对结果的判断已经清晰到无需再用行动去探索和验证。

人们通常认为，天才的最高表达形式是创造。但这群人给出了另一个答案：当判断足够清晰时，将认知分散押注在多个有潜力的方向上，让具备执行力的人去完成建造，是效率更高的选择。

Leopold那份著名报告的名字《Situational Awareness》（情境意识）源自军事术语，特指飞行员对战场全局的实时感知能力。飞行员的情境意识决定其下一秒的生死操作。

这群人从OpenAI带走的，正是对这场席卷全球的AI“战争”的情境意识。他们清楚战局的走向，知道战略高地何在，也明了哪条壕沟通往绝路。他们现在所做的一切，就是依据这份独一无二的“作战地图”，开始排兵布阵。

当一个时代最聪明的那批人开始选择“ALL IN”，往往意味着答案在他们眼中已经足够清晰——清晰到不再需要通过亲手建造来验证其正确性。

来源：互联网