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。
