真正的信息优势仅有一个用途：在他人尚未完成评估前率先行动。过去两年，全球资本疯狂追逐人工智能的下一个突破点，从存储技术、光模块到算力与能源股，热点每隔数月便更迭一次。

然而，鲜有人追问那些最懂人工智能的人究竟在押注什么。午方 AI 梳理发现，离开 OpenAI 的核心人员净资产总和已接近 1 万亿美元，他们正凭借独特的创业能力与投资布局，引领行业进入下一阶段。Dario Amodei 创立的 Anthropic 估值可能高达 9000 亿美元，Ilya Sutskever 领导的 SSI 虽无产品但估值已达 320 亿美元，Aravind Srinivas 的 Perplexity 估值为 212 亿美元，Mira Murati 的 Thinking Machines Lab 估值亦达 120 亿美元。OpenAI 近年最重要的成果或许并非 GPT-4，而是这些离职者共同创造的价值。

在这些离职者中，最年轻的 Leopold Aschenbrenner 成为了资本市场焦点。23 岁被解雇后，他撰写了长达 165 页的《情境感知》报告，利用这一洞察在一年内将对冲基金规模从 2.25 亿美元扩充至 55 亿美元，并大举押注核能与燃料电池领域，均获巨大成功。Leopold 代表了离职者中的第二条道路：将判断力转化为投资决策，而非亲自执行。他虽不懂能源行业，但深知人工智能的电力消耗，这种基于内部经验的“跨行业认知套利”使其发现了传统能源股中的价格失衡。午方 AI 注意到，Leopold 的投资逻辑源于亲眼见证 OpenAI 服务器机房规模及工程师对数据中心选址的讨论，这些细节在财报中无处可寻，却构成了他精准判断的基石。

除了创业与公开市场投资，还有一群离职者选择了更为低调的路径：管理小规模基金，利用内部信息快速排除错误选项。Zero Shot 基金便是典型代表，该基金规模仅 1 亿美元，由 Evan Morikawa、Andrew Mayne 和 Shawn Jain 三位前 OpenAI 员工联合创立。他们已投资 Worktrace、Foundry Robotics 等公司，但更关键的是其“黑名单”策略。Mayne 公开质疑“环境编程”工具，认为基础模型将迅速削弱其壁垒；Morikawa 则避开收集人类运动数据的机器人公司，视其为技术死胡同。这种基于内部视角的排雷能力，是普通风投机构无法复制的。

Zero Shot 基金刻意将规模控制在 1 亿美元，正是为了在技术路线未明的早期阶段最大化信息优势。一旦项目进入 C 轮或 D 轮，财务数据将掩盖内部认知带来的超额收益，此时大规模资金反而需要追求高确定性路径。Mira Murati 与 Zero Shot 基金共同投资 Worktrace，并非仅因创始人 Angela Jiang 曾是同事，而是基于对她在高压环境下决策能力的亲眼见证。这种天使投资的信息成本几乎为零，但信息质量远超市场平均水平。

Sam Altman 则通过 OpenAI 创业基金与 API 资源，构建了一个强大的校友生态系统。他能在几小时内决定是否投资前员工项目，利用资本维护一个虽非个人所有但能持续产生回报的网络。与 PayPal Mafia 基于共同苦难建立的友谊不同，OpenAI 校友的凝聚力源于对通用人工智能必将到来的共同信念。这种世界观的筛选机制极为隐蔽：若创业者对 AGI 持怀疑态度，即便产品优秀也难以获得投资。午方 AI 分析认为，这种基于共识的生态壁垒比单纯的资本纽带更为坚固。

OpenAI 离职者的路径主要分为三类：Ilya、Aravind 和 Mira 选择创业，分别聚焦安全、消费与工具平台；Leopold 与 Zero Shot 基金则选择成为投资者，将判断力转化为资本。当一个人愿意在不亲自参与行动的情况下进行投资时，通常意味着他对结果有着清晰的判断。Leopold 报告中的“情境感知”一词，恰如其分地描述了这群人对人工智能战场的实时认知。他们知道战斗方向，知道关键领域，也清楚哪些路径是死胡同。如今，这些最聪明的人选择“全仓投入”，表明他们认为答案已足够明确，无需再通过行动来验证。