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

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。