真正的信息优势只有一种用法:在别人定价之前先下注。
过去两年,所有人都在焦虑,试图找同一个问题的答案,AI 下一个板块涨什么?
存储、光模块、算力股、能源股等等,每隔几个月换一个叙事,每次都有人踏空,每次都有人说下次一定。
很少有人去问另一个问题,那些最懂 AI 的人,他们在押什么?
从 OpenAI 出走的这批人,身价加起来已经逼近 10000 亿美元。而他们的创业和投资,走在 AI 下一个时代的开始。
Dario Amodei 创立 Anthropic,潜在估值 9000 亿。Ilya Sutskever 的 SSI 没有产品,估值 320 亿。Aravind Srinivas 做了 Perplexity,估值 212 亿。Mira Murati 的 Thinking Machines Lab,估值 120 亿。
所以 OpenAI 这几年最重要的输出,可能不是 GPT-4,而是向社会输出的这批离职员工。
而其中,最年轻被 OpenAI 开掉的 Leopold Aschenbrenner,成为这两年资本市场里被引用最频繁的名字之一。
传奇的纪录,已经被媒体翻来覆去的来回咀嚼:23 岁被 OpenAI 扫地出门,写了一份 165 页的报告《Situational Awareness》,在一年内把对冲基金从 2.25 亿美元撬到 55 亿,重仓核电和燃料电池,全部押中。
故事太完整,反差太强,结果太成功。到现在,但凡聊到 AI 时代的投资逻辑,他几乎是绕不开的人。
但 Leopold 只是这群人里最先被看见的那个。
从 OpenAI 出走的人,陆续走出了两条路。
一条是 Ilya、Mira、Aravind 那条:出来创业,融巨资,冲下一个颠覆性产品,和每一次硅谷天才出走如出一辙。
另一条要安静得多:有一批人选择了押注,把执行交给别人,自己专门做判断。
Leopold 走的是第二条路的极端形式。
他去公开市场,用 AI 行业的操作者视角,在传统能源股里找到了被定价错误的资产,然后重仓买入。他不懂能源,但他知道 AI 要烧多少电,这一点就够了。这种认知没有办法通过读报告或参加行业会议来复制,只有在那个位置上待过,才能积累出来。
这条路之外,还有另一群人,在做同样逻辑但不同形态的事:规模更小的基金,几小时完成别人几个月的尽职调查,否决清单比投资清单更有价值。他们构成了这场大逃亡里最容易被忽视、也最值得深究的那一层。
大多数人离开一家公司,带走的是履历。从 OpenAI 出来的人,带走的是一套别人还不知道自己需要的答案。
一、没有第二个 Leopold
Leopold 重仓的,是核电公司 Vistra 和燃料电池公司 Bloom Energy。
两笔都押中后,他在 2025 年底陆续调仓,清掉了 Vistra,把资金进一步集中在 Bloom Energy 和数据中心基础设施上。
传统能源分析师盯着这两只股票,会拉电网扩容计划,对比碳税政策,建需求增长模型。Leopold 的路径与此完全不同。
他在 OpenAI 见过服务器机房的规模,见过训练一个旗舰模型的电费账单,见过工程师们讨论为什么下一代数据中心必须选址在核电站旁边。这些细节不在任何财报里,不在任何分析师报告里,但它们组成了一个关于能源需求的结论,比任何模型都更真实。
这套打法在投资界叫「跨行业认知套利」:把一个行业的内部信息,翻译成另一个行业里被低估的资产。
过去,这是顶级宏观对冲基金的专利,靠的是全球宏观经济的全局视野。
Leopold 做了一件更精确的事:他用 AI 行业的操作者视角,在传统能源公开市场里找到了定价滞后的漏洞。
这条路很难复制。
二、Zero Shot:最值钱的是那份否决清单
Zero Shot 基金的创始人 Evan Morikawa,也是 OpenAI 出来的,技术背景同样扎实,他去做了 VC。
同样是校友,路径完全不同。
Leopold 的判断力,来自他在 AI 最核心岗位上的具体经历,是对模型训练成本、数据中心规划、能源需求的第一手感知,坐在那个位置上才能积累,没有快进键。OpenAI 核心岗位里,真正有资格做这道题的人,极少。
今年 4 月,一支规模 1 亿美元的新基金悄悄曝光,名叫 Zero Shot。
这是 AI 训练里的一个术语,指模型在没见过任何样本的情况下直接作答。
三位联合创始人来自 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。
他们已经投了三家:AI 企业工作流公司 Worktrace、AI 增强工厂机器人公司 Foundry Robotics,和另一家仍在隐身的项目。
1 亿美元,放在今天动辄百亿的 AI 基金里,是个很小的数字。
但说说他们拒绝投哪些赛道,更能说明问题。
Mayne 公开表示,他看空大多数「氛围编程」工具,那一类帮你用自然语言写代码的产品。
理由也比较直接,他知道 OpenAI 内部在编程方向积累了什么,知道这类工具的护城河会在多短的时间内被基础模型直接消解。Morikawa 则对机器人赛道里大量「以人为中心视频数据公司」保持距离,那些专门收集人类动作数据来训练机器人的企业,在他看来,这条技术路线会撞墙。
这两个判断,普通 VC 给不出来。
他们没有在信息源头待过,没见过那些内部讨论,所以无从判断哪条路是死路。
Zero Shot 的优势藏在否决清单里。在一个所有人都在喊 AI 创业的市场,知道哪里是坑,比知道该押谁更值钱。已经挖过矿的人,拿一份踩雷报告比拿宝藏地图更管用。
他们刻意把规模控制在 1 亿美元,原因很具体。
他们清楚自己的优势在哪个阶段最值钱:技术路线尚未收敛的早期。那个阶段,懂内情的人可以一眼区分哪条路能走通。
等项目走到 C 轮 D 轮,财务数据和公开信息会覆盖掉信息优势,这张牌就打完了。
规模越大,就越需要追逐「确定性大赛道」,越是在用别人的打法打仗。
1 亿,是他们对自己优势边界的诚实判断。
三、当天使是另一门生意
Mira Murati 和 Zero Shot 基金,都投资了前 OpenAI 同事 Angela Jiang 的 Worktrace,一家用 AI 优化企业工作流的公司。
但投资逻辑比「关系好」要扎实得多。
Mira 见过 Angela 在 OpenAI 高压环境下做决策的方式,见过她对 AI 产品边界的判断,见过她在真实约束下的执行力。这些东西,两小时的创始人路演装不出来,再仔细的尽职调查也还原不了。
Angela 不需要说服 Mira 相信她,因为 Mira 早就形成了判断。天使投资的信息成本趋近于零,但信息质量远超市场平均。
更大的飞轮,在 Sam Altman 那里。
据报道,Altman 会在听说老员工创业后数小时内决定是否跟投,再叠加 OpenAI Startup Fund 的资金和大量 API 资源。
他本人不持有 OpenAI 股权,但每一个校友的成功,都在扩大 OpenAI 的数据入口、分发渠道和政策影响力。他是在用资本维系一个不属于他、却持续回报他的生态。这是一种看不见的股权,但实实在在地在复利。
这套生态,让很多人误以为是旧同事之间的抱团取暖。
把它和 PayPal 黑手党放在一起比较,差异会很清晰。
PayPal 黑手党的凝聚力来自共同的苦难:一起扛过支付战争,一起经历 eBay 收购,一起在那段差点死掉的岁月里形成了战壕情谊。这种信任是真实的,但他们对未来的判断是各自的。Thiel 做风险资本,Musk 造火箭,Hoffman 搭社交网络,路是四散的。
OpenAI 校友凝聚在一起的,是对未来的共同押注:AGI 会来,窗口期有限,当下是千载难逢的布局时机。信仰的驱动力比情谊更持久,因为它直接对接利益,每个人的押注方向一旦对了,整个网络都会受益。
这也让这个圈子的准入门槛变得很微妙。
产品足够好,融这批人的钱不成问题。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 还很远」的前提上,即便产品再优秀,也很难拿到这批人的支票。
世界观的分歧,会在握手之前就结束对话。
四、从 Builders 到 Investors
OpenAI 校友的去向,归拢起来是三类。
Ilya、Aravind、Mira 都选择了创业。
但同样是创业,做的完全是不同的事。Aravind 在做一门竞争激烈的消费者生意,Mira 在做工具平台,Ilya 的 SSI 连产品都没有,拿了 320 亿估值,押的是「安全」这两个字本身。
Leopold 和 Zero Shot 选择了投资。
Leopold 去了公开市场,Zero Shot 做早期 VC,两条都是把判断外化成资本,而不是亲自执行。这在 OpenAI 校友里是少数,但这个少数值得单独看一眼:一个人愿意押注而不亲自做,通常意味着他对结果的判断,已经清晰到不需要用行动来探索。
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:当判断足够清晰的时候,把认知分散押在多个方向上,让有执行力的人去建造,是效率更高的选择。
Leopold 的报告书名叫《情境意识》,军事术语,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他两秒后的操作,失去它意味着死亡。这群人从 OpenAI 带出来的,正是对这场 AI 战场的情境意识。他们知道战局走向,知道哪里是高地,知道哪条壕沟通向死路。
他们现在做的事,就是据此布阵。
时代最聪明的那批人开始选择 ALL IN,说明答案在他们看来已经足够清晰,清晰到不需要再靠动手来验证。
