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。

　　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。

　　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。

　　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“。

　　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。

　　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。

　　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。

　　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。

　　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。

　　“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%。

　　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。

　　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。

　　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。

　　7.OpenAI又一高管离职！深扒98名前员工去向，探秘万亿估值AI巨无霸乱局(智东西）返回搜狐，查看更多