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。
