字段取自精选数据集中人物的nodes[].foundingContext.founded_year。数据集中有226人没有创立年份记录,包括未创办公司的研究人员、高管和投资者。2020年代这一组还没跑完,统计截止到2025年中期。近期样本偏差提示:这份样本按现代 AI 行业(2010-2025)的相关性选人,所以2010年前的创始人天然吃亏。这份数据抓到的是 AI 行业在2010年代和2020年代逐渐成形的过程,不是这个领域更长的一整段历史。这里说明的是样本内部构成,不是整个 AI 行业的创立率。
他在 Oregon 读完高中,在 Oregon State 拿到 electrical engineering 学士,又在 Stanford 拿到硕士。中间某段时间,他在 San Jose 的 Denny's 当过餐厅杂工。1993 年 4 月,他和合伙人在 San Jose 的一家 Denny's 创立 NVIDIA。这个细节,他在采访里常常讲起。
Jensen Huang 和 AMD CEO Lisa Su(AMD 是 NVIDIA 在 AI accelerator 上的主要竞争对手)是相隔一辈的表亲:Lisa Su 的外祖父,是 Jensen Huang 母亲最小的弟弟。两人都在幼年移民美国,Huang 四岁到 Oregon,Su 三岁。他们并不是一起长大的。Su 曾公开说:“没有家庭聚餐。”他们成年后才在一次行业活动上相遇,当时各自事业都已走了很远。同一个台湾家族走出的两位亲属,如今分别掌舵全球最重要的两家 GPU 公司。几乎每一份重大 AI 硬件合约,两家公司都要上桌硬刚。Tom's Hardware
Jensen 和 Lori Huang 长期携手。女儿 Madison 是 NVIDIA 的 Senior Director,负责 Omniverse 和 Physical AI。儿子 Spencer 曾在 San Francisco 经营一家获奖鸡尾酒吧 Robin,做了八年,后来也加入 NVIDIA,担任 AI infrastructure 产品经理。从某种意义上说,这是一门家族生意,只是很少有家族生意长成这样。
他为什么影响这张地图: 他握着几乎每个前沿实验室都绕不开的算力供给,钱也很难绕开 NVIDIA。
Sam Altman,加速主义者
Samuel Harris Altman 在 St. Louis 长大,父亲是房地产律师,母亲是皮肤科医生。他在采访中说,年轻时一些经历教会他一件具体而有用的事:人们摆在台面上的样子,和底下真正发生的事之间,常常有距离。硅谷后来一次又一次奖励了这种识别台面和底牌差距的能力。
家庭关系也会进入组织架构图。 Jensen 的女儿和儿子都在 NVIDIA 工作。Dario 和 Daniela Amodei 共同运营 Anthropic。Jensen 和 Lisa Su(AMD)是相隔一辈的表亲,站在 AI 硬件市场的两边。AI 看起来比行业通常愿意承认的,更像一门家族生意。
分歧就是数据。 Turing 三位教父 Hinton、LeCun 和 Bengio,在前沿 AI 会不会带来存在性风险这件事上,并没有统一口径。Hinton 从 Google 辞职,是为了主张它确实构成风险;LeCun 则在所有公开场合反驳这种观点。两位现代 AI 的共同发明者,对他们亲手搭起的技术架构会带来什么后果都无法达成一致。这不是一个关于三个人性格的故事,而是这个领域自己亮出来的一张底牌:问题到底有多不确定。
Oriol Vinyals 1983年出生于西班牙 Catalonia 的 Sabadell,在 UPC Barcelona 接受数学和电信工程训练,之后赴 California,在 UC San Diego 读硕士,并于2013年在 UC Berkeley 完成博士,导师是语音识别先驱 Nelson Morgan。
Ian Goodfellow 在加州长大,2004年毕业于 Encinitas 的 San Dieguito Academy,在 Andrew Ng 指导下于 Stanford 完成本科和硕士,随后前往 Montreal,在 Yoshua Bengio 和 Aaron Courville 指导下攻读深度学习博士,并于2015年2月答辩。
Altman 恢复 CEO 职务。新董事会:Bret Taylor(主席)、Larry Summers、Adam D'Angelo(唯一留任者)。旧治理模式出局。
这场危机最后不是流程救场,是人和关系救场。员工信、Microsoft 的杠杆,以及 Anna Brockman 和 Ilya Sutskever 的私下谈话,似乎比任何正式治理程序都更关键。来源
动机仍有争议。董事会公开披露的信息很少。私下版本指向几条交叠线索:信息流争议,对未披露副项目和潜在利益冲突的担忧,以及 Helen Toner 一篇论文引发的余波。当时的报道显示,部分董事认为那篇论文偏向竞争对手叙事。关键是,这起事件把 AI 领域的官方口径和私下叙事拆成两条线。两条都得留着,才看得懂那五天。
创立 Eureka Labs(离开企业后 · 2024年 · 38岁)。Andrej Karpathy 于2024年创立 Eureka Labs。在此之前,他第二次在 OpenAI 担任 Senior Research Scientist,并于2024年2月离开。更早之前,他在2017年至2022年担任 Tesla 的 Director of AI。他也从2023年2月起开始在 YouTube 制作 AI 教育视频。退出:截至2026年5月,Eureka Labs 仍在运营,Andrej Karpathy 任创始人兼 CEO。(Wikipedia)
Andrej Karpathy 1985年出生于 Bratislava,童年移居 Toronto,曾在 University of Toronto 和 UBC 受训,并在 Stanford 完成 Fei-Fei Li 指导的博士。他关于视觉语义表征的工作,后来成了早期多模态 AI 基础的一部分。
只看时间线,门路就很清楚。Andrej Karpathy 2015年加入 OpenAI,2017年离开去 Tesla 领导核心 Autopilot AI 工作,2022年回到 OpenAI,2024年2月再次离开,并于同年创立 Eureka Labs。2026年5月,他在 X 上宣布加入 Anthropic。
Mark Chen 在 MIT 接受数学和计算机科学训练,曾在 Jane Street 做量化交易员,并把量化训练里的严谨带入 AI 研究管理。他还指导过美国信息学奥赛队(International Olympiad in Informatics),这也像他的工作底色:讲究精确、重复和执行。
阅读全文 ↓
他于2018年加入 OpenAI,领导过 DALL-E、Codex、GPT-4 多模态工作和 o1 推理线等关键项目。2024年多位领导者离开后,他升任 SVP of Research,与 Jakub Pachocki 共同管研究。
2025年3月,他升任 Chief Research Officer。到2025年中,外部人物报道已经把 Mark Chen 和 Jakub Pachocki 写成塑造 OpenAI 技术未来的一对核心人物。Ilya Sutskever 和 Bob McGrew 离开后,Mark Chen 坐上公司内部最高研究领导位置。
Kevin Weil 的职业轨迹像一张平台时代的履历地图:Twitter 增长期,Instagram 防守转向,Meta 的 Libra 和 Novi,再到 OpenAI 企业化阶段。Harvard 和 Stanford 训练,加上美国陆军预备役经历,让他在差异很大的机构里都很容易拿到信任。
阅读全文 ↓
创立 Diem(前身为 Libra)(离开企业后 · 2018年 · 35岁)。Kevin Weil 在 Facebook 内部共同创立 Diem(前身为 Libra)和 Novi,后者是 Diem 网络的数字钱包。在此之前,他曾任 Twitter Senior Vice President of Product 和 Instagram Vice President of Product。退出:负责 Diem 项目的 Diem Association 于2022年1月以1.82亿美元将知识产权和其他资产出售给 Silvergate Capital。退出价值:Silvergate Capital 获得的是知识产权、开发、实施和运营基础设施,以及运行区块链支付网络的工具,Silvergate 计划用它们推出自己的稳定币。(Kevin Weil - Businessabc.net · Meet Kevin Weil, the Man Turning Sam Altman's Visions Into Reality - Business Insider)
在 Twitter,他帮助公司从几十人扩到数千人,并撑过 IPO 阶段。在 Instagram,他在 Kevin Systrom 和 Mike Krieger 领导下参与推出 Stories。在 Meta,他共同创建 Libra 和 Novi,这个支付项目最终被监管者实质性关停。
Sam Altman 于2024年6月招募他出任 OpenAI 首任 CPO,与 CFO Sarah Friar 搭档;2025年,他转去领导 OpenAI for Science。2025年10月,他一条关于 GPT-5 和未解 Erdos 问题的已删除帖子引发公开反驳。2026年4月17日,他与 Bill Peebles 和 Srinivas Narayanan 一起离开 OpenAI,当时公司正把战线收回核心模型和企业执行。
此后,他加入 Cisco 董事会。他横跨 Twitter、Instagram、Meta 和 OpenAI 的平台产品经验,让他能看清企业级网络吸收 AI 时会怎么变。
他曾就读 University of Waterloo,后来退学,并于2012年成为 Peter Thiel Fellow。Vitalik Buterin 于2014年加入,Laura Deming 于2011年加入,所以他们接近同届,但不是同班同学。Chris Olah 在 Distill.pub 上关于神经网络可视化的工作,成了一代研究者的必读材料。
Amanda Askell 的工作盯着一个多数实验室不愿公开回答的问题:一个 AI 助手开口说话时,它背后该有怎样的判断和性格?
阅读全文 ↓
她在苏格兰长大,曾在 St Andrews 学哲学,并在 CUNY 完成数学哲学与逻辑博士。2019年,她加入 OpenAI 从事对齐工作,后来与 Anthropic 创始团队一起离开。在 Anthropic,她负责 Claude 的品格训练,要把模型行为训练到在压力下仍然稳定、好奇、诚实,并减少一味迎合。
她的方法借鉴 Aristotelian virtue ethics:好行为不是靠遵守规则来的,而是靠培养好品格。她写了一份3万字的“灵魂文档”,定义 Claude 的人格、价值观和对话气质。核心隐喻是,Claude 应该像“一个讨人喜欢的旅行者,能适应当地习俗,但不迎合”。目标不是一个顺从助手,而是“一个真正善良、明智、有德性的智能体”。这3万字的人格规范,更像一份哲学简报,不只是产品简报。人们每天和 Claude 互动时,多少会碰到这套方法。来源
EA 网络连接:Amanda Askell 的职业圈子与 William MacAskill 交集很深。William MacAskill 是 Oxford 哲学家,也是 Effective Altruism 运动联合创始人。这层关系把 Anthropic 的对齐研究与 EA 慈善网络连在一起。Wikipedia 详情
他在 MIT 学数学,在 UC Berkeley 获得理论计算机科学博士,并在 OpenAI 共同发明 RLHF,即基于人类反馈的强化学习。如今包括 GPT-4 和 Claude 在内的主要前沿模型都使用这项技术。2021年,他离开 OpenAI 创立 Alignment Research Center;2023年,他成为 US AI Safety Institute 的 AI 安全负责人,帮政府把前沿模型风险评估这件事定下规矩。
Jack Clark,政策声音
Jack Clark 的影响力来自一项稀缺能力:在多数政策制定者还没意识到自己需要翻译之前,他已经把技术变化译成政策语言。
他曾在 University of Bath 学习,是 OpenAI 最早期员工之一,把传播和政策摊子从零支起来。自2016年以来,他的 Import AI newsletter 一直是研究者、投资人和监管者最稳定的行业简报之一。在 Anthropic,Jack Clark 是 Co-Founder and Head of Policy,关注监管、政府沟通和国际 AI 治理。在前沿实验室内部做这件事,与在智库或政府岗位做完全不同。他既是要求监管框架的人,也是产品会被这些框架监管的人。他的可信度,只能靠一次次公开拆这道题攒出来。
Mike Krieger,Anthropic 首任产品主管,Instagram 首位工程师
Michel “Mike” Krieger 1986年3月4日出生于巴西 São Paulo,18岁搬到 California,在 Stanford 学习 Symbolic Systems,这是计算机科学与认知心理学的混合专业,后来出了很多硅谷产品领袖,比例高得很不寻常。离开 Stanford 后,他短暂在 Meebo 工作,随后于2010年与同学 Kevin Systrom 共同创立 Burbn。两人把 Burbn 转向 Instagram,并于2010年10月推出这款照片应用。Instagram 两个月冲到100万用户,很多 product-market fit 研究都讲不出这种速度。2012年4月,Facebook 以约10亿美元现金加股票收购 Instagram。对于一家没有收入、只有13名员工的初创公司,这在当时是令人震惊的价格,也把移动消费注意力的价格打出来了。
Mike Krieger 继续担任 CTO,把工程团队从寥寥数人拉到450多人,月活用户冲破10亿。2018年9月,他和 Kevin Systrom 因 Instagram 自主权问题与 Mark Zuckerberg 冲突后辞职。经历一段安静时期,包括 COVID 期间的 rt.live 追踪器之后,Mike Krieger 和 Kevin Systrom 于2023年1月推出 AI 驱动新闻应用 Artifact。Yahoo 收购了它,并于2024年4月关闭。
2024年5月15日,Mike Krieger 表示将加入 Anthropic,出任首任 CPO,负责产品工程、产品管理和设计。当 Claude 从研究项目走向产品业务时,在一家主要由研究者领导的实验室里,他负责把模型研究接进真正有人用的产品里。
Avital Balwit, Chief of Staff, Anthropic(b. 1999)。Avital Balwit 是 Anthropic 中 Dario Amodei 的 Chief of Staff。她来自 Oregon 的 Portland,是 Rhodes Scholar,曾在 Oxford 的 Future of Humanity Institute 研究 transformative AI,在 FTX Future Fund 工作,并参与 AI safety 和 biosecurity 的资助发放。|来源:palladiummag.comavitalbalwit.comnews.virginia.eduamericanrhodes.orgjeffersonscholars.org
David Soria Parra, Staff Engineer, MCP Lead。Model Context Protocol 的主要架构师之一。MCP 是 AI agents 连接工具和数据源的新兴标准,正迅速成为 agentic AI 的 USB-C,并已获 OpenAI、Google 和 Microsoft 支持。GitHub|来源: experimentalworks.net softwareengineeringdaily.comanthropic.comWikipedia
Oriol Vinyals 1983年出生于西班牙 Catalonia 的 Sabadell,在 UPC Barcelona 接受数学和电信工程训练,之后赴 California,在 UC San Diego 读硕士,并于2013年在 UC Berkeley 完成博士,导师是语音识别先驱 Nelson Morgan。
Ian Goodfellow 在加州长大,2004年毕业于 Encinitas 的 San Dieguito Academy,在 Andrew Ng 指导下于 Stanford 完成本科和硕士,随后前往 Montreal,在 Yoshua Bengio 和 Aaron Courville 指导下攻读深度学习博士,并于2015年2月答辩。
扫一眼 OpenAI、Anthropic、Inflection、Adept、Character、Cohere、Mistral、Perplexity、Cognition、Sierra、Glean 以及长尾小实验室的创始人名单,会发现曾在 Google 受训的人比例明显偏高,尤其是 Brain 和 Translate。就连 Transformer 论文也始于那里。问题不是 Google 有没有产出突破,而是为什么 Google 不断产出那些后来到别处做出突破的人。这一节要追的是:什么样的运营条件,会让这些人从 Google 流出去。
DeepMind 于2014年被 Google 以约4亿英镑收购,当时还谈了独立性保护,包括外部伦理委员会,后来这些保护被 Google 吸收。创始人是两位童年朋友 Demis Hassabis 和 Mustafa Suleyman,以及 Shane Legg。这一节把线索从 AlphaGo 第37手一路接到 AlphaFold 获得诺贝尔奖,中间还要看 Mustafa Suleyman 离开 DeepMind 这件事。这是这本书样本里门路较清楚的案例之一:一个研究实验室如何接住成功、处理内部冲突,以及母公司到底是在托住它,还是在把它消化掉。
DeepMind 的创立
在 DeepMind 成为品牌之前,它只是伦敦三个人攒起来的一手押注:人类级 AI 做得出来,而且团队押对了,他们可能先做出来。
人类级 AI 能做出来这件事,落到日常里,就是在伦敦之外还没人有理由相信他们时,三个人先彼此押注,把研究做得可信。Google 于2014年1月以约6.5亿美元收购 DeepMind,这是当时有记录以来最大一单纯 AI 研究收购,Google 当时也大力宣传独立性保护(据 Wikipedia)。2023年4月,DeepMind 与 Google Brain 合并为 Demis Hassabis 领导下的 Google DeepMind。
Jeff Dean,基础设施之神
Jeff Dean 是几个 AI 时代背后的底层常量。
阅读全文 ↓
创立 Google Brain(职业中期 · 2011年 · 42岁)。Jeff Dean 于1999年中加入 Google,在2011年共同创立 Google Brain 之前,他已共同发明 MapReduce(2004年)和 Bigtable(2005年)等 Google 核心基础设施,当时已在 Google 工作约12年。退出:Google Brain 是内部研究团队,2023年4月与 Google 的 DeepMind 合并,组成 Google DeepMind,整合公司 AI 研究力量。退出价值:作为内部项目,Google Brain 并入 Google DeepMind 的价值,在于大规模深度学习研究、TensorFlow 等 AI 基础设施开发、对 Google 产品的贡献,例如 Google Translate、Android speech recognition、YouTube recommendations,以及人才。这次合并是为了把这些优势与 DeepMind 的能力结合,加速 AI 进展并打造更强、更负责的 AI 系统。(Google Brain - Wikipedia)
他拥有 University of Washington 的 BS 和 PhD。在 Google,Jeff Dean 共同设计 MapReduce、BigTable、Spanner、TensorFlow 和 TPU 基础设施,没有这些系统,现代大规模 AI 很难算得过账。他领导 Google Brain 撑过深度学习浪潮,如今担任 Google DeepMind Chief Scientist。
Jeff Dean 段子之所以成为传说,是因为它们后面有真东西。横跨四十年基础设施,既有底层技术广度,又有组织搭建能力,还能让别人基于这些系统搭起职业生涯。技术、组织和声望能同时攒到这个程度,确实罕见。外部更难看见的,是在一家公司里方法换了好几茬,他还能留在牌桌上所需的持续判断力:不只是技术上跟得上,还要足够受信任,让下一代研究者仍愿意把他留在关键讨论里。
他为什么影响这张地图:他把 Google 四十年的 AI 基础设施压到一个技术声望下面,让 DeepMind 合并有了技术锚点。
Neel Nanda,可解释性继承者
Neel Nanda 像 AI 里新一代研究者的样本:把公共沟通当成科学工作的一部分,既做原创可解释性研究,也做开放工具,还用少见的坦率写出这个领域实际如何运转。
阅读全文 ↓
他在英国长大,在 Cambridge 学数学,很早进入 AI 安全和 rationalist 社群。他曾在 Anthropic 跟随 Chris Olah 做机制可解释性,后来转到 Google DeepMind,在那里领导可解释性工作。他的 TransformerLens 库成为检查 transformer 内部结构的标准工具,他在 neelnanda.io 上的写作也帮安全领域把开放技术讨论变成常态。
Oriol Vinyals 1983年出生于西班牙 Catalonia 的 Sabadell,在 UPC Barcelona 接受数学和电信工程训练,之后赴 California,在 UC San Diego 读硕士,并于2013年在 UC Berkeley 完成博士,导师是语音识别先驱 Nelson Morgan。他从 Berkeley 毕业后直接加入 Google Brain,并于2014年与 Ilya Sutskever 和 Quoc Le 共同发明 sequence-to-sequence(seq2seq)架构。这是那十年引用量最高的深度学习论文之一。往后看,Transformer 和现代 LLM 都绕不开它。
阅读全文 ↓
他转到伦敦的 DeepMind,领导 AlphaStar 项目。继围棋之后,StarCraft II 是 AI 圈公认的下一个硬骨头。2019年,AlphaStar 在 StarCraft II 上打到 Grandmaster,击败顶尖人类职业选手。结果发表在 Nature。他还与 Geoffrey Hinton 和 Jeff Dean 共同撰写开创性的 knowledge distillation 论文(2015年)。他的 Google Scholar 引用超过20万。
Ian Goodfellow 在加州长大,2004年毕业于 Encinitas 的 San Dieguito Academy,在 Andrew Ng 指导下于 Stanford 完成本科和硕士,随后前往 Montreal,在 Yoshua Bengio 和 Aaron Courville 指导下攻读深度学习博士,并于2015年2月答辩。2014年的一个晚上,他和几位博士同学在 Montreal 的 Les 3 Brasseurs 给一位同学庆祝毕业。就是在那张酒吧桌上,Ian Goodfellow 抛出了 Generative Adversarial Networks:一种双网络对抗训练方案。他当晚回家就写出原型,而且跑通了。那篇 NeurIPS 2014 论文 “Generative Adversarial Nets” 后来成了那十年最有影响力的 ML 论文之一,也让他有了 “the GANfather” 的绰号。
阅读全文 ↓
博士毕业后,Ian Goodfellow 加入 Google Brain,2016年作为早期员工加入 OpenAI 任 research scientist,随后回到 Google Brain。他还与 Bengio 和 Courville 合著教材 “Deep Learning”(2016年,MIT Press),成了该领域标准参考书。2019年,他加入 Apple,在 Special Projects Group 担任 Director of Machine Learning。
2022年4月,他因反对 Apple 的返岗要求而辞职,这场抗议被媒体广泛报道。随后他加入 Google DeepMind 任 research scientist(现为 Principal Scientist),研究 LLM factuality,并参与面向聚变研究的开源 TORAX 等离子体物理模拟器。
Zack Kenton, Staff Research Scientist(b. 1991)。专攻 AI safety、alignment,以及监督超人类 AI 系统的难题。合著过 scalable oversight 和 reward modeling 方面的关键工作。GitHub|来源:zackenton.github.ioscholar.google.com
Chi Wang, Senior Staff Research Scientist, Google DeepMind / Creator AutoGen。AutoGen 创建者。AutoGen 是 multi-agent LLM framework,曾获 ICLR 2024 LLM Agents Workshop Best Paper。2014年至2024年任 Microsoft Research Principal Researcher,AutoGen 起源于那里;2024年离开 Microsoft 后,他加入 Google DeepMind,同时继续把项目推向社区驱动的 AG2 形态(月下载量超过100万)。GitHub|来源:github.comarxiv.orgscholar.google.com
Lada Adamic, Former Director Research, Meta Core Data Science。Lada Adamic 是美国网络科学家,她关于信息扩散、弱关系和在线网络结构的基础研究塑造了计算社会科学。在 University of Michigan 担任副教授后,她加入 Facebook/Meta,领导 Core Data Science 内的 Computational Social Science 团队,做出多项关于信息和行为如何在大规模数字网络中传播的有影响力研究。BlueSkyladamic.com|来源:Wikipedialadamic.comscholar.google.comresearch.facebook.com
Sanjay Ghemawat, Google Senior Fellow · Co-Author MapReduce, BigTable, TensorFlow(b. 1966)。Sanjay Ghemawat 是 Systems Infrastructure Group 的 Google Senior Fellow,与 Jeff Dean 密切合作。他参与打造的 MapReduce、Google File System、Bigtable、Spanner 和 TensorFlow,塑造了现代大规模分布式计算。GitHub|来源:Wikipediaresearch.googleawards.acm.orggithub.com
竞购战
Google 收购 DeepMind 之前,Demis Hassabis 去 Mark Zuckerberg 家吃晚饭。Facebook 想买下 DeepMind,那顿饭就是一次收购试探。据 OfficeChai 报道,Demis Hassabis 把谈话引向 AI;当 Zuckerberg 对 VR、AR 和 3D printing 表现出同等热情时,Hassabis 判断 Facebook 不适合接住 DeepMind。Larry Page 后来在一座城堡的庭院散步时抛出自己的方案:“为什么不利用我已经创造出来的东西?” 他的意思是 Google 的算力基础设施、数据和研究人才。Google 支付了4亿到6.5亿美元。按报道的口径看,Hassabis 似乎先看价值观,再看估值。来源
Mustafa Suleyman 离开 DeepMind
2019年8月,据 Bloomberg 和 The Wall Street Journal 报道,DeepMind 联合创始人兼应用 AI 负责人 Mustafa Suleyman 因员工投诉管理行为和敌意职场环境,被安排行政休假。Google 聘请外部律所调查;CNBC 报道称,部分受影响员工获得和解,条款未披露,他的管理职责也被剥离。他公开承认自己“把人逼得太狠”。他没有被正式裁定有不当行为。之后他另起炉灶。2022年3月,他与 Reid Hoffman 和 Karén Simonyan 共同创立 Inflection AI,到2023年累计融资15亿美元(据 Wikipedia)。2024年3月,Satya Nadella 把他挖去 Microsoft,出任 Microsoft AI 的 CEO。来源
第37手,让 DeepMind 成名的一手棋
第37手是 DeepMind 的 AlphaGo 于2016年3月10日在首尔对 Lee Sedol 下出的那手棋。那一刻,DeepMind 冲出研究圈,进了公众视野。这本书里不少人解释自己为什么开始认真关注深度学习时,也会反复提到这一刻。
对 DeepMind 来说,第37手给后来的一切换来后续资金和信心。三年内,同一条技术线开始啃蛋白质折叠这块硬骨头(AlphaFold)。七年后,2023年4月,DeepMind 吸收 Google Brain,成为 Google DeepMind。从2016年首尔酒店宴会厅到那次合并公告,这手棋一直是理解 DeepMind 的关键落子。来源
DeepMind 被 Google 收购后,独立性越收越窄。Google 于2014年收购 DeepMind 时,公布过独立伦理委员会。后来该委员会被吸收。2023年4月 Brain-DeepMind 合并后,DeepMind 被放进 Google 产品线内部。在这本书涉及的被收购 AI 研究实验室中,收购后原本留给使命的空间被慢慢挤小,似乎是更常见路径。
AlphaGo、AlphaFold 和2024年诺贝尔奖一层层垫起可信度。AlphaGo(2016年,对 Lee Sedol 的第37手)让这家实验室真正坐上牌桌。AlphaFold(2020年 CASP14,2021年数据库)坐实了它作为科学机构的地位。2024年诺贝尔奖则让它被传统科学接纳。一个团队能在十年里持续可信,在这本书样本中并不常见。
Google 练出了许多后来出走创业的人。在这本书写到的 OpenAI、Anthropic、Inflection、Adept、Character、Cohere、Mistral、Perplexity、Cognition、Sierra 和 Glean 创始人中,曾在 Google 受训的人比例明显偏高,尤其是 Brain 和 Translate。从这本书样本看,问题不是 Google 有没有产出突破,而是 Google 为什么产出了那些后来到别处做出突破的人。
Liang Wenfeng,比 OpenAI 出手更快的对冲基金量化人
OpenAI、Anthropic 和 Google DeepMind 还包不住前沿实验室故事的全部。最清楚的反例是 DeepSeek,它走的完全不是美国实验室那条路。
Victoria Krakovna 在 Russia 长大,曾获 International Mathematical Olympiad 银牌,并于2016年完成 Harvard 统计学博士学位,同时还在研究生阶段于2014年与 Max Tegmark 等人共同创办 Future of Life Institute(FLI)。
今天站在现代 AI 台前的很多人,先从少数几所学校和实验室起跑。最扎眼的大学样本是 University of Toronto:这个数据集收录的9名校友中,有6名被标为 tier-1 或 tier-2(样本内份额67%;n=9,95% 置信区间约35-88%,所以只能当作提示,不能当作定论)。多数线索都能一路追到 Geoffrey Hinton 谱系。关键在这里:这个领域不是从学校和实验室里平均扩散出去的。它更像顺着一条很窄的信任链往外走:导师、合作者、雇主,一站一站把人送进下一家公司。
Transformer 论文是这套打法最干净的企业版。2017年6月,8位 Google Brain 研究员把《Attention Is All You Need》发到 arXiv;同年12月,他们在 Long Beach 的 NeurIPS 上做报告,房间没坐满,也没什么掌声。到2023年,这篇论文成了机器学习史上引用最高的一篇,也是 GPT、Gemini、Claude 共同的底座。讽刺的是,那8位作者此时已经没人留在 Google。这句话的分量在于:实验室也可以变成发射台。同一批人把共同的研究语言,带进了完全不同的公司、产品和科学押注。
这一节看两条线:人才工厂图表,以及《Attention Is All You Need》8位作者的人物卡。图表看机构怎么出人,人物卡看这群人在论文成为领域底座之后各自落子。有些人创办企业市场公司,有些人做消费者产品,有些人把 Transformer 这张牌打到生物学、Tokyo 或区块链。写出奠基论文之后,真正难的不是离开 Google,而是判断自己押哪一种未来,然后下场去做。
人才工厂:AI 领袖从哪里来
Stanford 出现在这个数据集的77篇人物履历中,数量第一。但真正有意思的不是哪家人最多,而是谁更容易出高影响人物。University of Toronto 在数据集中有9名校友,其中6名被标为 tier-1 或 tier-2(样本内份额67%;n=9,95% 置信区间约35-88%,只能当作提示)。这个集群很可能和 Geoffrey Hinton 谱系有关,但 n=9 不能直接下定论。Princeton 在数据集中有11名校友,其中3名被标为 tier-1(样本内份额27%;n=11,95% 置信区间约10-57%,噪声太大,不能声称它拥有美国最高的 tier-1 密度)。ENS Paris 在这个样本中几乎追平 Cambridge,还产出了 Mistral AI 的全部联合创始人。《Attention Is All You Need》8位合著者中有3位拥有 USC 博士学位,这件事行业里几乎没人注意。
公司牌桌上,Google(Brain + DeepMind 合并计算)是 AI 领域最能把人送出去的单一人才工厂,孵出了 Anthropic、Mistral、Cohere、Sakana AI、Inceptive,以及数十家其他前沿公司。OpenAI 是第二强的发射台:离开它的人,很多后来都创办或共同领导了前沿实验室。仅2020年12月那次集体离职,就跑出了估值3800亿美元的 Anthropic。
导师谱系比公司名单更能解释这批 AI 领袖。如果按博士谱系而不是雇主来重画地图,人会扎堆到少数导师周围,这些学生也会在这本书里反复露面。下表追踪了数据集中最关键的5条师承链。
关键师承谱系(博士导师 → 学生 → 他们后来做成了什么)
导师
学生
他们后来做成了什么
Geoffrey Hinton Toronto
Ilya Sutskever Alex Krizhevsky Yann LeCun(postdoc) Aidan Gomez(intern) Nick Frosst
SSI、AlexNet、AMI Labs、Cohere。单看导师,他带出的 T1 创始人最多。
Andrew Ng Stanford / Baidu
Quoc Le Dario Amodei(supervised) Richard Socher(co-advised)
Google Brain、Anthropic(3800亿美元)、Recursive(6.5亿美元)。Ng 一手连着 Google Brain 谱系和 Anthropic 创始人。
Fei-Fei Li Stanford
Andrej Karpathy
Eureka Labs、Tesla AI、YouTube 上观看最多的 AI 教育者。ImageNet(Li)+ GPU(Huang)= 现代 AI 管道。
论文按字母顺序列作者,所以 Ashish Vaswani 排在第一。他在 India 长大,本科就读 IIT,在 USC 取得博士学位,2014年加入 Google Brain。论文发布后,他又留了5年。2022年,他离开并与原8位作者之一 Niki Parmar 共同创办 Essential AI。这家公司给商业工作流做企业 AI 系统,并在2023年11月完成5650万美元 B 轮融资。
作为那篇把整个领域洗牌的论文的第一作者,Vaswani 没有去追最吵的方向。Essential AI 是一次主动收窄焦点的押注:Fortune 500 买家、治理功能、经得起长期部署的系统,而不是能冲上头条的 demo。他的底牌很清楚:企业 AI 真正要买的是这些东西,所以产品就往这里做。当消费者演示吸走所有注意力时,继续面向企业市场做产品,需要很具体的运营纪律。客户更难触达,销售周期更长,也没人替你写头条。Vaswani 还是把筹码押了过去。
他为什么离开,又如何回来:在 Google,Shazeer 和 Daniel de Freitas 做了一个名为 Meena 的聊天机器人,他们认为它应该公开发布。Google 拒绝后,Shazeer 离开了20年的职业生涯,共同创办 Character.ai,本质上是因为他希望人们能和 AI 角色对话。这个产品后来冲成仅次于 ChatGPT 的第二大聊天机器人。2024年,Google 砸下27亿美元授权其技术,并把他请回。此前在2017年,他曾是《Attention Is All You Need》的第一作者,这篇论文引入了如今支撑所有主要 AI 系统的 transformer 架构;他也开创了 Sparsely-Gated Mixture-of-Experts 方法。Wikipedia
创办 Character.AI(离开企业后 · 2021 · 45岁)。Noam Shazeer 2000年加入 Google,待了20多年,合著 Transformer 论文,并与 Daniel de Freitas 开发 Meena 聊天机器人。Google 拒绝公开发布 Meena 后,他于2021年离开并共同创办 Character.AI。退出:2024年8月,Google 与 Character.AI 签署27亿美元非独家授权协议,授权其生成式 AI 技术。作为协议一部分,Noam Shazeer 回到 Google,共同领导 Gemini AI 项目,而 Character.AI 保持独立。退出时价值:这笔27亿美元授权交易显示了 Character.AI 的生成式 AI 技术和底层模型价值,也把 Noam Shazeer 和 Daniel de Freitas 带回 Google。(Character.ai - Wikipedia · Noam Shazeer | AI Scientist, Google Gemini Co-Lead)
2021年,他离开并共同创办 Character.AI,一个 AI 陪伴与角色扮演平台。截至2024年,它有2000万日活用户,2023年3月以10亿美元估值融资1.5亿美元,随后在2023年10月以50亿美元估值融资27亿美元。产品极具黏性,却在结构上难以货币化。
2017年夏天,论文正在定稿,Aidan Gomez 还是 University of Toronto 的本科生,在 Google Brain 实习。他20岁。论文上有了他的名字。
阅读全文 ↓
创办 Cohere(在校期间 · 2019 · 26岁)。Aidan Gomez 2019年共同创办 Cohere,当时他正在 University of Oxford 攻读计算机科学博士,该博士项目始于2018年。他2018年从 University of Toronto 本科毕业,并于2017年在 Google Brain 实习,在那里合著了 Transformer 论文。退出:Cohere 仍是一家独立私营公司。截至2026年5月,它仍在运营,2024年7月估值55亿美元,2025年9月估值70亿美元。Aidan Gomez 曾表示 Cohere “不出售”。(Aidan Gomez - Wikipedia)
2019年,他与 Nick Frosst 和 Ivan Zhang 共同创办 Cohere,这是主要 LLM 公司里最早把牌押在企业市场上的一家。没有消费者聊天机器人,没有玩具演示。它卖的,是给不能把敏感数据交给第三方 API 的 Fortune 500 客户提供数据隐私和本地部署。Cohere 于2024年7月以55亿美元估值融资5亿美元。
他的父亲 Hans Uszkoreit 是 Germany 最知名的计算语言学家之一,也是 Saarbrücken 的 German Research Center for AI 创始主任。Jakob Uszkoreit 在这样的家庭长大,加入 Google Brain,并为 Transformer 架构做出贡献。
阅读全文 ↓
创办 Inceptive(离开企业后 · 2021)。Jakob Uszkoreit 在 Google 工作13年后,于2021年共同创办 Inceptive。他曾在 Google Brain 做深度学习研究,组建 Google Assistant 的语言理解团队,参与 Google Translate,并合著《Attention Is All You Need》。退出:Inceptive 仍在运营,并已融资1.2亿美元,包括2023年9月完成的1亿美元 A 轮。(The big interview: Inceptive's Jakob Uszkoreit on the promise of biological software · Jakob Uszkoreit Biography | Booking Info for Speaking Engagements)
2021年,他离开并创办 Inceptive,把 transformers 用于 RNA,而不是语言。前提很直接:如果 attention 能学习 English 的结构,它也能学习核苷酸序列的结构。Inceptive 从 a16z Bio、NVIDIA 等处完成1亿美元 B 轮融资。
八位作者中,Llion Jones 是离开湾区的那一个。2023年,他与 Google Brain Japan 前负责人 David Ha 在 Tokyo 共同创办 Sakana AI,Sakana 在日语中意为“鱼”。这家公司的主张是“受自然启发的 AI”,学习方法借鉴进化生物学与涌现,而不是纯靠暴力扩展。Sakana 在2023年完成3000万美元 A 轮融资,并因模型合并研究受到关注。
阅读全文 ↓
创办 Sakana AI(离开企业后 · 2023 · 39岁)。Llion Jones 2011年加入 Google,担任 YouTube 软件工程师。2015年,他转到 Google Research,并于2017年合著《Attention Is All You Need》。在 Google 工作12年后,他于2023年离开并共同创办 Sakana AI。退出:仍在运营。Sakana AI 成立于2023年7月,后来于2025年11月完成 B 轮融资,公司估值约26.5亿美元。(Sakana AI - Wikipedia · Llion Jones - Venture Café Global Institute)
把公司落在 Tokyo,不是随手选址。Japan 正在大力投入主权 AI 能力,而且拥有 US-China 轴线之外最大的高端研究人才池。Llion Jones 这步落子是一个早期迹象:下一个10年的前沿 AI,未必都挤在 Mountain View 与 Hangzhou 之间。
Łukasz Kaiser,留在研究里的作者
Łukasz Kaiser 是绕了远路才抵达深度学习的。他1981年出生于 Wrocław,在那里学习数学和计算机科学,后来在 RWTH Aachen 获得逻辑与自动机理论博士学位,再到 Paris 获得 CNRS 终身研究职位。这段形式逻辑的弯路,后来成了资产:理论计算机科学的精确性,正是 Brain 做架构工作需要的底子。
阅读全文 ↓
Kaiser 于2013年加入 Google Brain,当时团队刚成立不久。在 Brain,他共同搭起 TensorFlow,随后与 Aidan Gomez 共同做出 Tensor2Tensor 框架,支撑了2017年 NeurIPS 论文《Attention Is All You Need》背后的实验。他是该论文第7位署名作者,位于 Aidan Gomez 与 Illia Polosukhin 之间,补齐了“Transformer Eight”名单:Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan Gomez、Łukasz Kaiser、Illia Polosukhin。他后来还参与 Trax 和 Reformer(高效长上下文 Transformer)。
Kaiser 于2021年离开 Google 加入 OpenAI,成为 GPT-4、GPT-5,以及代号 o1 和 o3 的推理模型线的核心贡献者。这让他成了极少数同时在 Transformers(2017)和现代推理模型(2024)诞生现场的人。他在 Transformer Eight 中最不寻常:他留在研究里,而不是创办初创公司。
一篇论文把8个人推向8条不同路线。“Attention Is All You Need”(Vaswani 等,2017年6月)有8位作者。到2023年,8人全都离开 Google。3人创办自己的实验室(Mistral、Inceptive、Sakana)。1人共同创办 Adept(2024年被 Amazon 收购)。1人创办 Character.AI(2024年被 Google 收购)。这篇论文不只是给8个人署了名,还把他们撒进了整个产业版图。
2018年,三位研究者凭深度学习共同拿下 Turing Award。Geoffrey Hinton 在 Toronto。Yoshua Bengio 在 Mila 和 Université de Montréal。Yann LeCun 在 NYU 和 Meta。20年来,他们一直是会议上少数还在硬扛的人,不断主张只要给神经网络足够的规模和数据,它们就会奏效。很多人的职业生涯,都是在试图证明他们错了。后来,整个领域追了上来,2018年 Turing Award 算是给了一个正式盖章。
5年后,他们已经无法就自己造出来的是奇迹还是武器达成一致。
Yoshua Bengio 从大约2019年开始经历他所谓的安全转向。他开始在多个大洲的政府面前作证,为 UK 和 UN 创立 International AI Safety Report 流程,并谈论自己对参与创造的技术负有道德责任。Geoffrey Hinton 于2023年5月离开 Google,就是为了能不受组织约束地谈存在性风险。Yann LeCun 认为整套风险叙事本身才危险,是危言耸听,说当前系统距离存在性危险并不比烤面包机更近,而且多数星期都会在 X 上发帖表达这个观点。
这三个人建出了现代 AI 产业的知识基础,如今对后果的看法却几乎占满整个立场光谱。这不是简单的“内部分裂”,反倒说明他们一起面对的问题确实难。很少有人说清楚2012年之前那些年到底付了多少学术成本。当整个领域已经认定你错了,继续坚持研究信念并不是一种哲学姿态。你会失去一轮又一轮资金,研究生会选择更安全的导师,会议评审也不再认真对待你的论文。大多数研究者会找到理由改道。这三个人没有。
Fei-Fei Li,视觉先驱
1992年,她16岁来到 New Jersey 的 Parsippany,几乎不会说英语。她的父母原本在 Beijing 过的是中产生活,到了 New Jersey 郊区,父亲在相机店工作,母亲做收银员。Fei-Fei Li 周末在一家中餐馆做前台。她考进了 Princeton。
阅读全文 ↓
创办 World Labs(职业中期 · 2024 · 48岁)。Fei-Fei Li 于2024年共同创办 World Labs,当时她是 Stanford University 计算机科学系首任 Sequoia Professor,也是 Stanford Human-Centered AI Institute 创始联合主任。她此前于2017-2018年担任 Google 副总裁和 Google Cloud AI/ML 首席科学家。退出:World Labs 仍在运营。2024年,它融资2.3亿美元,估值超过10亿美元。截至2026年,World Labs 累计融资12.3亿美元,估值50亿美元。(Fei-Fei Li - Wikipedia · About - World Labs)
2012年,一篇来自 Toronto 的论文横扫 ImageNet 竞赛,优势前所未见。作者是 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton。这篇论文用的是深度卷积神经网络,基准则是 Fei-Fei Li 的。没有 ImageNet,AlexNet 的胜利就没有试验场。没有这个试验场,深度学习要晚很多年才会被认真对待。
她在 Caltech 完成博士学位,成为 Stanford AI Lab 主任,2017到2018年担任 Google Cloud 首席科学家,之后回到 Stanford,并于2023年创办 World Labs,研究空间智能、3D 理解和视频生成。World Labs 于2024年10月以10亿美元估值拿到2.3亿美元 A 轮,由 a16z 和 Radical Ventures 领投,Google Ventures 和 Patrick Collison 参投。
她的丈夫是 Silvio Savarese,曾任 Stanford 计算机视觉教授,现任 Salesforce 首席科学家,这让同一个家庭里有两位资深企业 AI 研究负责人。她母亲的牺牲,以及移民后的多份工作,是她在关于谁有资格建设未来的公开演讲中经常回到的参照点。
Andrew Ng,教师
大多数领域是先生产知识,再慢慢想谁会用。Andrew Ng 把顺序反了过来。他在 Coursera 上的 Machine Learning 课程吸引了超过500万人注册,比 Stanford 线下招收过的学生总数还多,把它推成有记录以来学习人数最多的 AI 课程。
阅读全文 ↓
创办 Coursera(职业中期 · 2012 · 36岁)。Andrew Ng 于2012年共同创办 Coursera,当时他是 Stanford University adjunct professor,距离2002年获得博士学位已过去10年。在 Coursera 之前,他领导开发 Stanford 的 Massive Open Online Course(MOOC)平台,并教授一门超过10万名学生参加的在线机器学习课程,直接促成 Coursera。退出:Coursera 于2021年3月31日在 NYSE 上市,股票代码为“COUR”。IPO 定价为每股33.00美元,为公司筹集约4.839亿美元总收益,估值约43亿美元。公司 IPO 时尚未盈利,2020年净亏损6680万美元,同年收入2.935亿美元。(Andrew Ng - Wikipedia · Coursera - Wikipedia)
他出生于 London,父母来自 Singapore 和 China,在 Hong Kong 与 Singapore 之间长大,本科就读 Carnegie Mellon,硕士就读 MIT,博士就读 UC Berkeley。他于2011到2012年共同创办并领导 Google Brain,随后于2014到2017年赴 Baidu 担任 Chief Scientist,在 Beijing 搭起全球最先进的 AI 研究实验室之一。
2012年,他与 Stanford 同事 Daphne Koller 共同创办 Coursera。2017年,他创办 DeepLearning.AI 和 AI Fund venture studio。他的每周通讯 The Batch 触达数十万实践者。
他的职业生涯回答了一个问题:如果一个 AI 研究者最在意的不是利润,而是能教到多少人,会做什么?这个领域大多数在岗工程师都向他学过。一门课做到500万注册,需要一系列与研究无关的决定:平台基础设施、定价模型、证书可信度、大学合作政治,以及一个没人证明能规模化的 MOOC 商业模式。教学是容易的部分。难的是让 Lagos 或 Manila 那个指望它找工作的人也能上到这门课,并且真的跑完。
Berkeley 机器人集群
如果 Canadian Mafia 给了 AI 理论骨架,Berkeley 集群给的就是动手能力。从这所校园长出来的,与其说是一个思想学派,不如说是一串实验室、衍生公司和终身教职谱系,都指向同一个问题:如何教一台物理机器从经验中学习?
Pieter Abbeel 在 Stanford 师从 Andrew Ng 获得博士学位。他出生于 Belgium,是从示范中学习的机器人学习教父,也是少数既能在 Berkeley 拿终身教职,又能同时管产业研究团队的学者。他共同创办 Covariant,该公司于2024年被 ABB Robotics 以约5亿美元收购;同年,他加入 Amazon,担任 VP of Frontier AI and Robotics。
Sergey Levine 在 Stanford 获得博士学位。2023年,他与 Chelsea Finn 和 Brian Ichter 共同创办 Physical Intelligence(也写作 π)。这是第一家机器人基础模型公司。他们在2023年11月以21亿美元估值融资4亿美元,刷新了有记录以来最大规模的早期机器人融资。
Chelsea Finn 本科就读 MIT,博士就读 Berkeley。她是最早在机器人中展示 meta-learning 的研究者之一,也就是让系统学会如何学习。她同时是 Stanford 教授和 Physical Intelligence 联合创始人,这在以前很难想象,如今在 AI 圈快成了默认配置。
Daphne Koller,从概率图模型到 AI 药物发现
Daphne Koller 1968年8月27日出生于 Jerusalem。她17岁在 Hebrew University 完成本科,24岁在 Stanford 取得博士学位(1993年,导师 Joseph Halpern),1995年加入 Stanford CS faculty。她与 Nir Friedman 合著了经典教材《Probabilistic Graphical Models》(MIT Press,2009)。她于2004年获得 MacArthur Fellowship,2011年入选 National Academy of Engineering。
阅读全文 ↓
创办 Coursera(职业中期 · 2012 · 43岁)。Daphne Koller 于1995年加入 Stanford University 任计算机科学教授。2011年,她和 fellow Stanford professor Andrew Ng 的在线课程显示出全球对可及、高质量教育的需求,随后二人共同创办 Coursera。退出:Coursera 于2021年3月31日完成 Initial Public Offering(IPO),在 NYSE 上市,股票代码“COUR”。IPO 以每股33美元发行1570万股,筹集约5.19亿美元,公司隐含估值43亿美元。(Daphne Koller - Wikipedia · Coursera - Wikipedia)
2012年,她与 Stanford 同事 Andrew Ng 共同创办 Coursera,此前他们的 AI/ML 课程各自吸引了10万多名在线学生。Daphne Koller 先担任 co-CEO,后担任 president;Coursera 作为在线学习市场,于2021年3月上市。2018年春,她离开 Coursera,创办 insitro,一家机器学习驱动的药物发现公司,把诱导多能干细胞、高内涵成像和 ML 放在一起识别疾病靶点。
Insitro 于2018年完成1亿美元 A 轮融资(a16z、Bezos Expeditions、GV),2019年4月与 Gilead 签署10亿美元以上 NASH 合作,并累计融到超过7亿美元(C 轮4亿美元,由 SoftBank Vision Fund 2 领投)。在 AI 药物发现竞赛中,她是 Demis Hassabis 的 Isomorphic Labs 的直接对位者。她的丈夫是 Opus Capital 风险投资人 Dan Avida。
Yejin Choi,Dieter Schwarz Foundation Professor, Stanford HAI。领先 NLP 研究者,聚焦常识推理、多元对齐和小语言模型。MacArthur Fellow(2022)、AI2050 Senior Fellow、TIME100 AI(2023、2025)。|来源:hai.stanford.eduWikipediayejinc.github.io
Diyi Yang,Assistant Professor CS / Stanford NLP and HAI。Stanford NLP/HAI faculty 成员,领导 Social and Language Technologies(SALT)Lab,做能理解社会语境、权力动态和群体沟通的社会感知 AI 系统。此前为 Georgia Tech assistant professor(2019-2022);曾获 Forbes 30 Under 30 in Science、IEEE “AI's 10 to Watch”、Intel Rising Star Faculty Award、Microsoft Research Faculty Fellowship 和 NSF CAREER Award。|来源:cs.stanford.eduprofiles.stanford.eduWikipediascholar.google.comhai.stanford.edu
Emma Brunskill,Associate Professor CS / Director AI for Human Impact, Stanford(b. 1979)。领导 Stanford 的 AI for Human Impact lab,聚焦强化学习系统,让它们能用少量样本学习,并在医疗、教育等高风险场景中做出稳健决策。2011年在 CMU 开始教职生涯,2017年加入 Stanford;2025年因对强化学习和社会公益 AI 的贡献当选 AAAI Fellow。|来源:Wikipediacs.stanford.eduprofiles.stanford.eduscholar.google.com
George Sivulka,Co-Founder & CEO, Hebbia(b. 1999)。2020年,23岁的他从 Stanford EE 博士项目退学,创办 Hebbia。这是一个面向知识工作的 AI agent 平台,被 BlackRock、Carlyle、Centerview,以及按 AUM 计算最大资产管理公司中40%使用。公司完成1.3亿美元 B 轮融资,估值接近7亿美元,支持者包括 Peter Thiel 和 Andreessen Horowitz。|来源:crunchbase.comthetwentyminutevc.com
James Landay,Professor CS / Director Stanford HAI。他的博士论文首次展示了用户界面设计工具中的草图交互,为现代 HCI 奠定基础。此前曾任 UC Berkeley Associate Professor、UW Professor(2003-2013),以及 Intel Labs Seattle Director(2003-2006),领导普适计算研究。|来源:profiles.stanford.edulanday.orghai.stanford.eduhai.stanford.edu
Michael Bernstein,Professor of CS / Senior Fellow Stanford HAI。Michael Bernstein 是 Stanford University 的 Bass University Fellow 和计算机科学教授,也是 Stanford Institute for Human-Centered AI(HAI)Senior Fellow,研究社会计算、人机交互,以及人类社会行为的生成式 agent 模拟。他关于 AI 模拟的工作是 UIST 史上引用最高的研究,并在 CHI、CSCW、UIST 获得8项最佳论文奖,且拥有 Alfred P. |来源:hci.stanford.eduhai.stanford.eduprofiles.stanford.eduscholar.google.com
Silvio Savarese,Professor CS, Stanford University。Silvio Savarese 是 Salesforce Research Executive Vice President and Chief Scientist,同时是 Stanford University Adjunct Faculty;他此前曾任 Stanford tenured Associate Professor 和 SAIL-Toyota Center for AI Research Director。在 Salesforce,他领导 Agentforce,之前领导 Einstein GPT 和开源 CodeGen 模型。|来源:Wikipediaaicenter.stanford.eduscholar.google.com
Victoria Krakovna 在 Russia 长大,曾获 International Mathematical Olympiad 银牌,并于2016年完成 Harvard 统计学博士学位,同时还在研究生阶段于2014年与 Max Tegmark 等人共同创办 Future of Life Institute(FLI)。
创办 OpenAI(在校期间 · 2015 · 32岁)。Durk Kingma 于2013到2017年是 University of Amsterdam 博士生,在那里共同发明 Variational Autoencoder(VAE)和 Adam optimizer。2015年12月,他在攻读博士期间共同创办 OpenAI。退出:OpenAI 最初以非营利形式成立。2019年,它设立营利子公司;到2025年10月,它重组为部分受非营利基金会控制的 public benefit corporation(PBC)。公司已获得大量融资,到2026年4月估值飙至8520亿美元。(OpenAI - Wikipedia · OpenAI | ChatGPT, Sam Altman, Microsoft, & History | Britannica Money)
Durk Kingma 是 OpenAI 创始团队成员,后来在 Google Brain 和 Google DeepMind 研究 normalizing flows 与 diffusion models,并于2024年10月加入 Anthropic,担任 Research Scientist。他的伴侣 Tim Salimans 也是知名 ML 研究者。他转去 Anthropic,不像是离开研究,更像是一个判断:他亲手建出的工具快摸到某个阈值,下一项基础贡献可能就得关心这些工具在没人盯着时会做什么。
来源:Durk Kingma and Welling, "Auto-Encoding Variational Bayes," ICLR 2014; Durk Kingma and Ba, "Adam: A Method for Stochastic Optimization," ICLR 2015; TechCrunch, "Anthropic hires OpenAI co-founder Durk Kingma," October 2024.
Evan Hubinger,沉睡代理问题
Evan Hubinger 最常被提起,是因为两项工作改写了这个领域理解 AI 风险的方式。第一项是2019年 LessWrong 系列文章《Risks from Learned Optimization》,其中引入“mesa-optimization”和“inner alignment”两个术语,如今已是技术 AI 安全的标准词汇。核心论点是:一个由外部优化器(梯度下降)训练以表现良好的模型,可能自己发展成内部优化器,追求一个略有不同的目标,并且只会在训练分布之外暴露出来。原本雾蒙蒙的一类失败,被他拽成了可以讨论的技术问题。
来源:Evan Hubinger et al., "Risks from Learned Optimization in Advanced Machine Learning Systems," arXiv 2019; Evan Hubinger et al., "Sleeper Agents: Training Deceptive LLMs that Persist Through Safety Training," Anthropic, January 2024.
Nicholas Carlini,模型如何记住不该记住的东西
Nicholas Carlini 在 Google Brain 待了7年,干的是组织很少奖励、却永远缺不了的活:系统地找出安全研究者的说法和模型实际行为之间的缝隙。他2017年与 David Wagner 合写的论文《Towards Evaluating the Robustness of Neural Networks》提出 Nicholas Carlini & Wagner(C&W)attack,这是一种基于优化的对抗方法,系统性击破了数十种被提出的防御。它把鲁棒性研究议程重新洗牌,说明真正的防御得经得起强而自适应的攻击评估。后来的几乎每篇鲁棒性论文都会引用它。
到了 LLM 时代,影响更大的是他2021年的论文《Extracting Training Data from Large Language Models》。这篇论文用实验证明,GPT-2 会记住训练语料中的逐字文本,而且可以被精心设计的提示提取出来。论文定义了记忆类型,并给出方法区分真正记忆和巧合。影响很快烧到法律层面:LLM 不只是从数据中泛化,也会保留可被提取的具体私人信息。这个发现如今支撑着关于基础模型的重大隐私诉讼和监管分析。他大约于2024年加入 Anthropic。
来源:Nicholas Carlini and Wagner, "Towards Evaluating the Robustness of Neural Networks," IEEE S&P 2017; Nicholas Carlini et al., "Extracting Training Data from Large Language Models," USENIX Security 2021; nicholas.carlini.com.
Victoria Krakovna,规范博弈目录
Victoria Krakovna 在 Russia 长大,曾获 International Mathematical Olympiad 银牌,并于2016年完成 Harvard 统计学博士学位,同时还在研究生阶段于2014年与 Max Tegmark 等人共同创办 Future of Life Institute(FLI)。FLI 是最早以机构身份严肃谈 AI 存在性风险的组织之一,牵头组织了2015年自主武器公开信和2017年 Asilomar AI Principles 会议。
创办 Future of Life Institute(在校期间 · 2014)。Victoria Krakovna 于2014年共同创办 Future of Life Institute,当时她是 Harvard University 统计学博士生,并于2016年完成博士。退出:Future of Life Institute(FLI)是一家非营利组织,成立于2014年,至今仍在运营。(Timeline of Future of Life Institute)
在 Google DeepMind,Victoria Krakovna 做出了后来成了标准参考的 specification gaming catalog。这是一份持续更新的文档,最早于2018年发布在 vkrakovna.wordpress.com,里面攒了数百个例子,专门看 AI 系统怎样钻奖励漏洞,而不是解决预期问题:赛艇 agent 靠绕圈吃加分道具拿分,机器人抓取任务靠翻动自己的手指完成,运动任务靠利用物理引擎的数值错误通关。这个目录如今被全球 AI 安全课程布置阅读,也被政策文件引用。2025 年,她创建了 GDM AGI 安全课程。她目前的研究重点是 Gemini 模型的危险能力评估和对齐评估。
来源:Victoria Krakovna et al., "Specification gaming: the flip side of AI ingenuity," Google DeepMind Blog, 2020; Victoria Krakovna et al. (Langosco et al.), "Goal Misgeneralization in Deep Reinforcement Learning," ICML 2022; vkrakovna.wordpress.com; GDM AGI Safety Course, 2025. 本档案由 Victoria Krakovna 本人于2026年5月确认。
John Jumper,AlphaFold 里的 Nobel 得主
John Jumper 1985年1月1日出生于 Arkansas 的 Little Rock。作为 Cambridge 的 Marshall Scholar,他先研究 theoretical condensed matter physics,后来决定去做那类按他后来所说“有人会从医院回家”的问题。他于2017年在 University of Chicago 获得理论化学博士,加入 Google DeepMind,并很快进入 AlphaFold 项目。第一版 AlphaFold 跑出了潜力,但架构很快撞到天花板。John Jumper 主导了那个推倒重来的决定。这意味着,他得说服一屋子已经在第一版上砸了多年投入的人,承认正确选择是重新开始。
AlphaFold2 于2020年12月在 CASP14 比赛中亮相,在多数蛋白类别上的中位准确度进入实验误差范围。Nature 称之为“一个50年重大挑战的解决方案”。AlphaFold Protein Structure Database 于2021年发布,后来扩到超过2亿个预测结构,基本覆盖科学已知的每一种蛋白,并免费向任何地方的研究者开放(Google DeepMind)。截至2024年 Nobel 公布时,已有190个国家超过200万名研究者使用它。2024年10月9日,John Jumper 与 Demis Hassabis 共同获得 Nobel Prize in Chemistry。John Jumper 当时39岁,是近年较年轻的化学奖得主之一。
来源:John Jumper et al., "Highly accurate protein structure prediction with AlphaFold," Nature, 2021; Nobel Prize in Chemistry 2024 press release, NobelPrize.org; University of Chicago, "How an accidental chemist honed his approach," 2024.
Koray Kavukcuoglu,从 DeepMind 实验室到 Google AI 中枢
Koray Kavukcuoglu 最初在 Turkey 学航空航天工程,后来彻底转向计算机科学。他在 NYU 师从 Yann LeCun 获得博士学位,在深度学习成为主流之前就从事相关研究,并于2012年作为早期研究员加入 DeepMind。13年间,他从研究员一路做到深度学习团队负责人,再到 VP of Research,如今是 Google DeepMind CTO。在他的领导下,深度学习团队做出了 DQN(从原始像素玩 Atari 游戏)、WaveNet(Google Assistant 的神经语音,被数亿人使用)、AlphaGo(2016年击败 Lee Sedol)和 AlphaFold。
阅读全文 ↓
2025年6月11日,Google CEO Sundar Pichai 宣布让 Koray Kavukcuoglu 担任整个 Google 的 Chief AI Architect。这是一个新设的 SVP 角色,直接向 Pichai 汇报,职责是加速 DeepMind 模型融入 Google 产品。他从 London 搬到 Mountain View。这项任命很有分量:全球最大科技公司之一的顶层技术位子,如今交给了一位从未管理产品团队的职业研究科学家。换句话说,在 Google,深厚科学信誉在 AI 竞赛里坐上了最有分量的话语位置。
来源:CNBC, "Google taps DeepMind's Koray Kavukcuoglu for new chief AI architect role," June 11, 2025; Semafor, "Google names new chief AI architect," June 2025; Google I/O 2024.
DeepMind 集群内的结构中心性。 一项独立的 Louvain 社区检测分析(以智识传承关系加权:导师、合著、指导),发现 Quoc Le 和 Koray Kavukcuoglu 在 DeepMind 集群内的加权度数排名高于 Demis Hassabis。这最初看起来像网络数据的噪声,但它映射了真实的组织架构:Kavukcuoglu 于 2025 年 6 月被提升为整个 Google 的 Chief AI Architect,直接向 Pichai 汇报;Le 持有 Google Fellow 头衔,这是公司最高的个人贡献者级别。图谱识别出的技术-结构中心性,后来被组织架构图正式确认了。
分析来自 Ayman Chit(ML & 软件架构师),使用 Louvain 社区检测算法对 AI Power Map 数据集进行分析。
Anca Dragan,到底该优化什么
Anca Dragan 在 Romania 的 Braila 长大,2015年在 Carnegie Mellon 获得机器人学博士学位。她的论文问的是机器人怎样让周围人看懂自己的动作,怎样用动作传达意图,而不只是高效执行任务。问题不是“怎么优化”,而是“怎么让需要理解它、信任它的人看懂优化”。这条问题线后来成为她创办 Berkeley InterACT Lab 时的主线,也成了她在 Google DeepMind 的工作主线。
阅读全文 ↓
她与 Stuart Russell 共同担任 CHAI(Center for Human-Compatible AI)co-PI,并为 Waymo 的安全关键自动驾驶系统咨询了6年。Google DeepMind 于2024年2月任命她为 Head of AI Safety and Alignment,领导 AGI Alignment、Gemini Safety,以及一个专门处理人类价值多元性、而不是把系统拧成某个单一、理想化偏好的团队。她2025年 ICML 受邀演讲题为“What to Optimize For, From Robot Arms to Frontier AI”,把2010年博士论文里的问题一路追到今天行业最紧迫的设计问题。
来源:Berkeley EECS announcement, "Anca Dragan named Head of AI Safety and Alignment at Google DeepMind," February 2024; ICML 2025 invited talk program; TechCrunch, "Google DeepMind forms new AI safety org," February 2024.
Kaiming He,计算机科学史上引用最高的论文
Kaiming He 在2003年 Guangdong 省高考中取得全省第一。他就读 Tsinghua University,在 Hong Kong 获得博士学位,随后加入 Microsoft Research Asia。2015年,他与同事发表《Deep Residual Learning for Image Recognition》,引入 ResNet。关键一招是:加上 skip connections,让梯度可以绕过某些层,解决超深网络训练时的梯度消失问题。ResNet 152 同时赢得 ILSVRC 2015 的分类、检测、定位和分割比赛。截至2025年,ResNet 论文引用超过298000次,是计算机科学史上引用最高的论文。每一种现代架构中都能看到残差连接:Transformers、AlphaFold、每个生成模型、每个 LLM。
阅读全文 ↓
他后来加入 Meta FAIR。2021年在那里做出 Masked Autoencoders(MAE),把 BERT 那套 masked pre-training 思路搬到了视觉上。2024年,他加入 MIT 任 associate professor(2025年获 tenured),同时以 part-time 身份加入 Google DeepMind,担任 Distinguished Scientist。一脚在学界、一脚在产业,还能按自己条件安排,这套双重身份让人看到顶级 AI 研究者如今有多大议价权。
来源:He et al., "Deep Residual Learning for Image Recognition," CVPR 2016; He et al., "Masked Autoencoders Are Scalable Vision Learners," ICCV 2022; MIT EECS announcement, 2025; 36Kr, "He Kaiming Officially Joins Google DeepMind," 2025.
扩展名单 · 本章另2人
William MacAskill,Oxford Philosopher · Co-Founder, Effective Altruism & 80,000 Hours(b. 1987)。Scottish 哲学家,也是 effective altruism 运动发起者之一。共同创办 Giving What We Can(2009)、80,000 Hours(2011)和 Centre for Effective Altruism。|来源:Wikipediawilliammacaskill.com80000hours.org
Ashton Anderson,Associate Professor of CS, Univ of Toronto。Ashton Anderson 是 University of Toronto 计算机科学 Associate Professor,也是 Vector Institute 和 Schwartz-Reisman Institute Faculty Affiliate。他的计算社会科学研究横跨人类-AI 协作、AI 对齐,以及结构化环境里与人类技能兼容的 AI,包括面向人类-AI 对齐的 Maia chess 项目。|来源:cs.toronto.eduscholar.google.comweb.cs.toronto.edusrinstitute.utoronto.ca
一段30年的友谊。Hinton、LeCun 和 Bengio 在两次 AI winter 中共同捍卫神经网络,当时领域中多数人认为这条路线是死胡同。他们共同主持 CIFAR 的 Learning in Machines & Brains 项目,共同创办 ICLR 会议,合著2015年里程碑式 Nature 综述论文,并共享2018年 Turing Award。师承链延伸到下一代:Hinton 的学生 Ilya Sutskever 在他的实验室建出 AlexNet,Hinton 后来开玩笑说:“Ilya thought we should do it, Alex made it work, and I got the Nobel Prize”(University of Toronto)。Andrej Karpathy 也曾公开把自己的博士导师 Fei-Fei Li 称为“our fearless leader”,回忆他们一起建设 Stanford CS231n 课程的时期。ACM Turing · Karpathy on X
2018年,ACM 把 Turing Award 共同颁给3位研究者。他们花了30年说服计算机科学的其他人:神经网络不是死胡同。后来的事情,不能简单说成昔日盟友分道扬镳。它更像一个观察窗口:当争论双方背后都有一整段职业生涯的证据时,科学分歧真正摊开,会是什么样子。他们共享一个奖项、一个研究谱系和一组未解问题,却对今天该如何回应这些问题,得出了根本不同的答案。
Yoshua Bengio,安静转向安全的人
Yoshua Bengio 1964年3月5日出生于 France 的 Paris,父母是 Moroccan-Sephardic,他在 France 和 Montreal 之间长大。他在 McGill 获得博士学位,曾在 Bell Labs 与 Yann LeCun 和 Larry Jackel 共事,随后加入 Université de Montréal,并于1993年创办 Quebec AI institute MILA。他被引用最高的论文包括神经语言模型(2003)、词嵌入、transformers 之前的注意力机制,以及 GAN 论文(2014,与 Ian Goodfellow 合作)。他与 Hinton 和 LeCun 共享2018年 Turing Award。2023年起,他成了 AI 安全领域最响亮的学术声音之一。他签了 Center for AI Safety 的灭绝风险声明,主持 UK 和30个国家委托的 International Scientific Report on AI Safety。2025年又创办非营利组织 LawZero,做可证明安全的 AI 系统。他是在世被引用次数最高的计算机科学家(MILA)。
阅读全文 ↓
创办 Element AI(职业中期 · 2016 · 52岁)。Yoshua Bengio 于2016年共同创办 Element AI,当时他是 Université de Montréal full professor,也是自己创办的 MILA(Montreal Institute for Learning Algorithms)scientific director。退出:ServiceNow 以约2.3亿美元收购 Element AI。收购于2020年11月30日宣布,2021年1月8日完成。据报道,当时 Element AI 正面临财务困难。退出时价值:ServiceNow 收购 Element AI,是为了获得其 AI 能力、技术人才和既有 AI 解决方案。ServiceNow 计划把 Element AI 的技术和专业能力用于其工作流平台。收购后,Yoshua Bengio 成为 ServiceNow 技术顾问。(Yoshua Bengio - Wikipedia · Element AI - Wikipedia)
2025 年,Stanford 教授 Michael Bernstein 与 Percy Liang、Joon Park 共同创立 Simile AI,天使投资人包括 Fei-Fei Li 和 Andrej Karpathy,分别是他们的系里同事和曾经的学生。截至 2026 年 2 月,mlq.ai 和 techfundingnews.com 报道称,公司完成约 1亿美元 A 轮融资,由 Index Ventures 领投,Bain Capital Ventures 参与。这轮钱背后,站着一个原本就共享同一栋楼的网络。
Index Ventures(领投)
Bain Capital Ventures
Fei-Fei Li(天使)
Andrej Karpathy(天使)
Adam D'Angelo(天使)
A* · Hanabi Capital · Guillermo Rauch · Scott Belsky
他对这张图谱为何重要: 他把 LinkedIn 资本连接到 Greylock,也连接到 Inflection 的创立,是横跨多数 AI 股权表的人际桥梁。
Sarah Guo,Conviction 赌注
Sarah Guo 在湾区长大,在 Harvard 学计算机科学和经济学,之后进入 Goldman Sachs,并于 2012 年加入 Greylock Partners,主导了 Workday、Cloudera 和 Sumo Logic 等企业软件投资。2022 年,她离开并创立 Conviction,这是一家从第一天起就为 AI 原生公司搭出来的风险投资机构。首支 1.01亿美元基金跑出八家独角兽,包括 Harvey,2025 年底估值 80亿美元,以及 Mistral、Cognition、HeyGen 和 Pika;她在 2025 年完成 2.3亿美元 Fund II 募集。
她对这张图谱为何重要: 她证明,在最早期,一个专为 AI 设计的基金可以跑赢通用型 VC。1.01亿美元,跑出八家独角兽。
David Sacks,从 PayPal Mafia 到 AI 沙皇,再到 All-In 联合主持人
David Sacks 1972 年 5 月 25 日出生于南非开普敦,5 岁移民美国。他在 Stanford 结识 Peter Thiel 和 Keith Rabois,并在 Peter Thiel 手下编辑自由意志主义刊物 Stanford Review。这个网络后来成为 PayPal Mafia 的骨架。取得 Chicago JD 并在 McKinsey 短暂任职后,他于 1999 年加入 Confinity/PayPal,担任 COO / 产品负责人,与 Peter Thiel、 Elon Musk、Reid Hoffman、Max Levchin 和 Roelof Botha 共事。PayPal 2002 年 2 月 IPO;几个月后,eBay 以 15亿美元收购 PayPal。
Garry Tan,Y Combinator 最具政治色彩的总裁
Garry Tan 1981 年出生于加拿大温尼伯,父亲是华裔新加坡人,机加工车间领班,母亲是缅甸华人,护理助理。1991 年,他搬到加州 Fremont。他毕业于 American High School,随后进入 Stanford 学计算机系统工程。他曾在 Microsoft 工作,后来成为 Alex Karp 和 Joe Lonsdale 领导下 Palantir Technologies 的第 10 名员工。这段经历把他接入 Peter Thiel 网络。
聚焦 · 第一张支票:五位早早看见 AI 的投资者
自 2018 年以来,在数百笔 AI 投资中,有五家机构总是在未来赢家还只是一个假设时出现。它们向那些行业大多数人还没有认真看待的公司,递上第一张机构支票,或第一张足够亮出信念的支票。事后看,这些押注似乎显而易见。当时并不是。下面讲的是每一笔背后的操盘故事。
Sarah Guo 于 2022 年 10 月推出 Conviction,做成第一家从第一天起就按 AI 原生逻辑搭起来的风险投资机构。首支基金规模为 1.01亿美元。她的第一张支票投给 Harvey。这家法律 AI 初创公司在 Conviction 投资时没有产品,也没有收入。到 2025 年 12 月,Harvey 估值冲到 80亿美元。同一支首期基金还跑出另外七家独角兽,包括 Mistral、Cognition、HeyGen 和 Pika。Guo 在 2025 年初引入 Mike Vernal 担任第二位 GP,当时她完成 2.3亿美元 Fund II 募集。 (TechCrunch · Harvey 估值 80亿美元)
Conviction 押的是一个判断:通用型 VC 往往会用不合适的标准判断 AI。等一位通用型合伙人读够论文、想清楚时,早期轮次往往早就关门了。一个专为 AI 设计的基金,由能自己读研究的人组成,会在市场其他人想清楚之前先看到公司。一支 1.01亿美元首期基金跑出八家独角兽,就是证明。一旦 AI 降温,它也没多少多元化组合可以垫背。
Perplexity: Perplexity CEO Aravind Srinivas 抛出一份 345亿美元报价,希望从 Google 手中收购 Chrome,作为 DOJ 裁定 Google 维持非法搜索垄断后的反垄断补救方案。这份报价很大胆:一家估值 180亿美元的初创公司,出价 345亿美元购买全球主导浏览器。如果成功,Perplexity 将直接拿到 34 亿 Chrome 用户的分发入口。这个动作一开始反直觉,后来又慢慢变得合理:当监管窗口打开,正确动作往往就是那个看起来大到不像真的动作。
Elon Musk:净资产随日期在 7880 亿至 8110 亿美元之间波动,写到这里时,他是大多数主流财富榜上的世界首富(据 Forbes)。2026 年 2 月,SpaceX 收购了 Elon Musk 的 AI 公司 xAI(Grok 的制造者),这笔交易给 xAI 估值 2500 亿美元(Forbes;TechCrunch)。这把 Elon Musk 的 AI 野心和他的火箭公司合并到一起,拼出历史上最奇怪的公司组合之一:一家火箭和卫星公司,同时还运营着一家前沿 AI 实验室。
Cursor: 四名 MIT 学生拿到 40万美元 pre-seed,fork 了 VS Code,加入 AI 原生代码补全,跑出风投史上最快的价值增长轨迹之一:三年从 40万美元到约 500亿美元。营销支出为零。销售团队为零。完全靠开发者口碑传播,因为他们喜欢这个产品,喜欢到愿意告诉其他开发者。 来源
SSI:Ilya Sutskever 凭借声誉和技术论点,在尚无产品、无收入、无客户的情况下融到 30亿美元。Safe Superintelligence Inc. 已说明它只有一个目标:构建安全超级智能,不做中间产品,也不公布时间表。按任何传统指标看,这都是一次不寻常融资,这笔钱押的就是 Sutskever 和团队。 来源
塑造一切的投资者
四张早期支票定下了现代 AI 风投的底色:一张在 OpenAI 仍是非营利机构时给它定价,一张同时领投 DeepMind 和 Anthropic 的 A 轮,一张通过有效利他主义把巨额资金押在 Anthropic 上,还有一张种子轮投向后来被 NVIDIA 买下的推理芯片。共同点是,每一笔都发生在共识形成之前。
Vinod Khosla,以 10亿美元估值向 OpenAI 投入 5000万美元。 这笔股权现在价值约 80亿美元,回报 160 倍。当 Sand Hill Road 多数人把非营利 AI 研究理解为慈善项目,而不是风投机会时,Khosla 是最早重注 OpenAI 的大型 VC。此后,他成为最公开支持 AI 监管的人之一,经常与 Marc Andreessen 在开源政策上发生冲突。
Jaan Tallinn,同时领投 DeepMind 和 Anthropic 的 A 轮。 他是历史上唯一同时领投这两家公司 A 轮的人,而这两家实验室都把 AI 安全摆得很靠前。Tallinn 共同创立 Skype,后来用卖掉 Skype 的收益成为存在性风险研究最大的个人资助者,并公开说过自己“觉得失败了”:尽管在安全上花了数亿美元,强大 AI 的竞赛仍比安全基础设施跑得更快。他共同创立 Cambridge 的 Centre for the Study of Existential Risk,并在 100 多家 AI 初创公司中投资超过 1亿美元,不是因为兴奋于 AI,而是为了“替换掉那些不关心”安全的钱。听说 Dario Amodei 要离开 OpenAI,创办一家安全优先公司后,他领投了 Anthropic 1.24亿美元 A 轮。 Semafor
Dustin Moskovitz,通过 Open Philanthropy 成为 Anthropic 最大个人支持者。 这位 Facebook 联合创始人与妻子 Cari Tuna 承诺通过有效利他主义事业捐出约 200亿美元,也就是他们大部分财富,其中 AI 安全是最高优先级。Open Philanthropy 对 Anthropic 的早期投资,是迄今最大规模的慈善资金杀进风险投资领域的押注之一。Tuna 2010 年 25 岁签署 Giving Pledge 时,是史上最年轻签署者。通过 Good Ventures 和 Open Philanthropy,这对夫妇已捐出超过 40亿美元,并承诺再捐 100亿美元;仅 2025 年,他们就捐出 6亿美元。他们还把约 5亿美元 Anthropic 股权转入一个非营利载体,用来避免利益冲突。 Fortune
Chamath Palihapitiya,向 Groq 种子轮投入 1000万美元。 NVIDIA 与 Jonathan Ross 的推理芯片初创公司 Groq 达成约 200亿美元的资产收购及授权交易,Chamath 的回报相当可观。他后来表示,退出后自己“非常低落”。这是一种罕见承认:当你相信的公司被吸收到更大的机器里,即使回报达到 60 倍,情感现实也可能是空的。
Marc Andreessen vs. Vinod Khosla,开源之争: Marc Andreessen 和 Vinod Khosla 发生了风投史上最有实质内容的公开分歧之一:前沿 AI 模型是否应该开源。Marc Andreessen 的机构支持 Meta 的开源 Llama 策略,他认为开放模型能让更多人用得上,并加速创新。Vinod Khosla 的机构支持 OpenAI 这样的闭源模型公司,他用一个让全场安静的问题回应:“你会开源 Manhattan Project 吗?”这场争论在 podcast、会议舞台和 X 线程中持续展开。两人代表的不是情绪差异,而是两套真正不同的技术治理理论。
Gerrit Kazmaier, 产品与技术总裁。负责打造 Workday AI agent 平台的高管。曾任 Google Cloud Data & Analytics,BigQuery、Looker,VP / GM,以及 SAP 分析 / BI 总裁。 |来源:workday.comnewsroom.workday.com
这里讲的是信任架构,不是八卦。在 AI 的最高层,许多能改写结果的关系并不只是职业关系。配偶共同创办公司。兄妹搭建实验室。伴侣坐在资本流旁边。长期友谊变成招聘渠道。这并不意味着这些关系不当。在高风险公司建设中,信任、速度和私人信息都是货币。个人关系是系统运作方式的一部分。这里保留的每一个细节,都过了一个测试:这段关系是否影响了创立选择、融资决定、董事会投票或招聘渠道?
多数行业都会说工作和生活分开。这个行业甚至不太尝试。AI 的职业网络和私人网络交织得太密,以至于 2023 年 11 月 OpenAI 董事会危机的解决,部分来自一个周六夜晚的对话:一位联合创始人的妻子,去和他投票反对过的董事会成员交谈。接下来的章节不是讲八卦,而是看结构:谁和谁结婚,哪些兄弟姐妹共同创办了什么,哪些家庭走出了两位 AI 高管,以及当事情失控时,这些重叠到底怎么改写治理。
EA / 理性主义者信任网络
有效利他主义社群在 AI 安全思想、资金和人才上,拿到的影响力远超人数。在这项工作的核心人群中,长期伴侣关系和共同的智识承诺常常互相加固,而且这种加固能从研究记录里看见。
Paul Christiano + Ajeya Cotra: Christiano 是 RLHF 共同发明者,也是 Alignment Research Center 创始人。他与 Cotra 结婚,后者是 Open Philanthropy 高级研究员,负责 AI 时间线方向的资助。 这段婚姻把一家技术对齐实验室和最大的 AI 安全资助方之一连接起来。
Amanda Askell + William MacAskill: Askell 在 Anthropic 负责 Claude 的人格训练;MacAskill 共同创立 EA 运动,其慈善网络已将数亿美元投向 AI 安全研究,包括资助与 Anthropic 共享人员的组织。这种重叠很重要,因为与 EA 对齐的资助方提前播下了 Anthropic 后来招聘的人才池。
Leopold Aschenbrenner + Avital Balwit: Aschenbrenner 运营一支数十亿美元规模、聚焦 AI 的基金,并与 Anthropic Chief of Staff Balwit 订婚。这一组合把一位主要 AI 股权投资人和 Anthropic 高级运营角色放在同一个家庭里。离治理核心这么近的关系,值得点名。 来源
Nick Bostrom / Oxford 集群: Nick Bostrom 2014 年的著作 Superintelligence 可以说是把 AI 存在性风险带入主流政策和学术讨论的最有影响力的一本书;直到 2024 年,他一直领导 Oxford Future of Humanity Institute,此后 FHI 校友进入 Anthropic、DeepMind、ARC、MIRI 以及其他安全相邻组织。 Wikipedia
Fei-Fei Li + Silvio Savarese,两人都是 Stanford CS 教授,也是夫妻。她创建了 ImageNet;他领导过 Salesforce AI Research。 Amjad Masad + Haya Odeh,Replit 联合创始人,也是夫妻,从 Amman 到 San Francisco 一起把公司做起来。 Pat Grady + Sarah Guo,分别是 Sequoia 合伙人和 Conviction VC 创始人;他们有时会竞争同一批 AI 交易。 Leopold Aschenbrenner + Avital Balwit,他运营 55亿美元 AI 基金,她是 Anthropic Chief of Staff,两人订婚。 Paul Christiano + Ajeya Cotra,一位是 RLHF 发明者,一位是 Open Philanthropy 的 AI 时间线预测者。不寻常的不是距离近,而是赌注高:最高信任的职业关系,有时会与家庭和家族关系重叠。当工作对话延续到家里,那些影响公司和治理决策的判断就不会真正停止。
Amodei 家族
Dario,CEO,1983 年出生,和 Daniela,总裁,1987 年出生,是运营 Anthropic 的兄妹组合。外界通常把 Anthropic 看作当下最有影响力的 AI 安全公司之一。他们的父亲 Riccardo 是来自 Tuscany 的意大利皮革工匠,2006 年去世。Dario 曾说,这件事让他从物理转向 AI。他们的母亲 Elena 是来自 Chicago 的犹太裔美国人。Daniela 与 Open Philanthropy 和 GiveWell 联合创始人 Holden Karnofsky 结婚,使 Anthropic 与 EA 的连接不只是意识形态上的,而是真正的家庭关系。Amodei 兄妹在 2026 年一起入选 TIME 100。一对兄妹,一家公司,3800 亿美元估值,以及一个确保 AI 不会毁掉世界的使命。兄妹搭档的底牌是,信任很深,分歧也可能更深,而这两者都不一定是弱点。 time.com
Demi Guo,Pika Labs 与“女儿概念股”
Demi Guo,中文名郭文静,1998 年出生于杭州。她进入 Stanford AI 博士项目,随后在 2023 年 4 月与同学 Chenlin Meng 一起退学,共同创立 Pika Labs,一家总部位于 San Francisco 的 AI 视频生成初创公司。Pika 1.0 于 2023 年 11 月发布,一周内在社交媒体爆红。截至 2025 年,公司已从 Lightspeed、Adam D'Angelo、Adam Bain 等处融资超过 1.35亿美元,也是本书后文 Pika / Runway / Sora 视频生成竞赛中点名的三家公司之一。
两个发射台早早把 AI 行业的轨道铺好:Google 训练研究员,PayPal 训练出资人。前几章中几乎每一位创始人、董事会成员和开支票的人,在参与后来那些公司之前,都曾在这两个系统之一里受训。这一节像一座桥,下面每个人都已在对应主题章节中完整介绍;这里他们按把自己推上场的发射台出现,并说明他们贯穿全书的角色。
Google:研究发射台
五位受 Google 训练的人物,托住了这张图谱的研究侧。 Jeff Dean,几乎是 Google 最早期员工,MapReduce、BigTable、TensorFlow 和第一代 TPU 的共同设计者;2011 年共同创立 Google Brain;2023 年起担任合并后 Google DeepMind 的 Chief Scientist,是 Google 从 PageRank 时代走到 Gemini 时代的一条主线。 Sundar Pichai,2004 年加入并领导 Chrome,2015 年起任 CEO,在 ChatGPT 之后发布内部“红色警报”,并于 2023 年 4 月将 Brain 与 DeepMind 合并,把 Google 的未来押在 Gemini 上。 Larry Page 和 Sergey Brin,1998 年 Stanford 联合创始人,持有控制性超级投票权;Page 顶住董事会怀疑,亲自推动 2014 年 DeepMind 收购,Brin 则在 2023 年回到一线参与 Gemini 工程工作。 Andrew Ng,2011 年与 Dean 和 Greg Corrado 共同创立 Brain,2014 至 2017 年任 Baidu Chief Scientist,之后创办 Coursera、DeepLearning.AI 和 AI Fund,运营着世界上最大的 AI 教育流水线。
这些发射台重要,因为它们解释了融资图谱为什么长成现在这样。在 Google 内部受训的研究员,对规模、基础设施以及“生产”意味着什么,有同一套语言。通过 PayPal 套现的出资人,对逆向信念、创始人选择,以及在还没有任何成果可展示之前应该投多少钱,也有同一套语言。本书多数其他章节,都是这两套语言撞到一起之后的结果。
5.5 AI 退出与并购:交易模式与定价逻辑(1998-2025)
多数 AI 公司最后不会 IPO。它们被收购时规模还很小,账上几乎没有收入,却常常能以九位数价格成交。理解这些交易为什么发生,才看得清 AI 权力怎么分布。
多数知识工作者第一次真正用上 AI,不会是打开一款全新 App,而是在每天已经离不开的企业软件里碰到它。三家最耐久的企业软件公司都在 AI 上押了重注,但每一家都要被自己的组织性格、客户盘子和商业模式拽着走。它们管着全球数亿员工的工作流,所以它们怎么落子,很大程度上会决定 AI 最先以什么面目进入办公室。
Agentforce:Marc Benioff 现在最上心的是 Agentforce,一个自动化客户服务、销售和运营工作流的 AI agent 平台。“我们现在有 8000 个 Agentforce 客户,”他在 Dreamforce 2025 上宣布,salesforce.com 也这样报道。该平台基于 Einstein(Salesforce 自 2016 年以来的 AI 层),是 Salesforce 砸下的最大战略赌注:企业会像购买 CRM 席位一样,为 AI agents 付费。平台团队由 Adam Evans(2026 年初离职)和 Madhav Thattai 领导,AI 由 SVP Christina Abraham 监督。如果押对,Salesforce 会长出一个和最初 CRM 业务同样大的第二收入引擎。如果押错,公司就要硬扛专门型 AI 初创公司带来的代际冲击。
Bill McDermott,经营万亿美元工作流的熟食店少年
William R. McDermott 于 1961 年 8 月 18 日出生在 Long Island 的 Amityville。他的祖父是 Naismith Memorial 篮球名人堂球员 Bobby McDermott,一位自学成才的运动员,也来自那个塑造 Bill 的工人阶级 Long Island。16 岁时,Bill 用 7000 美元买下 Amityville Country Delicatessen,靠安装电子游戏硬刚街对面的 7-Eleven。那家店赚的钱足够支付他在 Dowling College 的全部学费;后来卖店的钱,又让他给父母在 Myrtle Beach 买了一栋房子。毕业后他加入 Xerox,25 岁就成了公司史上最年轻的总经理。他几乎每次主题演讲都会讲这个故事。这是他的起源神话:熟食店变成了一套解决问题的方法,找到切口,跑赢既有玩家,照顾好家人。
ServiceNow 的 AI 计划押在 Now Platform 的 AI agents 上,把大语言模型接进 IT 服务管理、人力资源工作流、法律案件分配和财务审批。截至 2025 年 3 月,ServiceNow 宣布以 28.5 亿美元收购 Moveworks(2025 年 12 月交割),把 Bhavin Shah 的企业 AI 助手收入囊中,也改写组织处理支持工作流的方式。这是 ServiceNow 历史上单笔最昂贵的 AI 投资(收购由 moveworks.com 报道)。
Satya Nadella,共情型 CEO
Satya Nadella 于 1967 年 8 月 19 日出生在印度海得拉巴的一个泰卢固语印度教家庭。他的父亲 Bukkapuram Satya Nadella Yugandhar 是印度行政服务官员;母亲 Prabhavati 是梵文讲师。2014 年,他接替 Steve Ballmer 成为 Microsoft CEO。Nadella 任内,Microsoft 市值从 3000 亿美元涨到接近 3 万亿美元。他也因此成了这一代最会把公司价值做出来的科技 CEO 之一。
Charles Lamanna, Microsoft 商业与行业 Copilot 总裁。Charles Lamanna 是 Microsoft 商业与行业 Copilot 的执行副总裁/总裁,负责 Power Platform、Dynamics 365 和 Copilot Studio 的产品创新。他之前创办过 MetricsHub(2013 年被 Microsoft 收购),后来把 Power Apps 做成一个拥有超过 2500 万月活跃用户的低代码/无代码领导产品,现在领导 Microsoft 的企业 AI 代理战略。|来源:ignite.microsoft.commicrosoft.comfortune.com
Danah Boyd, Microsoft Research 合伙研究员 / Data & Society 创始人(1977 年生)。danah boyd 是 Microsoft Research 的合伙研究员,并于 2013 年创立了 Data & Society Research Institute,研究以数据为中心的技术会带来哪些社会、技术、伦理和政策影响。截至 2026 年,她还是康奈尔大学的 Geri Gay 通讯教授,以及乔治城大学的访问杰出教授。|来源:Wikipediadatasociety.netdanah.orggeorgetown.edu
Emre Kiciman,Partner Research Manager / Head Copilot Tuning Research, Microsoft。Microsoft Research 的高级首席研究员,领导 Copilot Tuning Research 小组,推进 Microsoft 365 Copilot 中生产力场景的模型微调创新。他的研究还覆盖因果机器学习、AI 和社会影响,也包括被广泛使用的因果推断开源库 DoWhy。|来源:microsoft.comkiciman.orgscholar.google.com
Hanna Wallach,VP and Distinguished Scientist FATE/STAC, Microsoft Research(生于 1979)。领导 Microsoft Research 的 FATE(公平性、责任性、透明性、伦理性)小组中 Sociotechnical Alignment Center (STAC),专注于生成式 AI 系统的责任评估和测量。AISTATS、CHI 和 NAACL 的最佳论文奖得主;担任过 NeurIPS 2018 的高级项目主席和 NeurIPS 2019 的大会主席。|来源:Wikipediamicrosoft.comscholar.google.com
Jaime Teevan,Chief Scientist and Technical Fellow, Microsoft。本科期间将她的耶鲁毕业论文卖给早期搜索引擎 Infoseek;在 MIT 开创了个人信息管理领域。2017 年至 2018 年期间担任首席执行官 Satya Nadella 的首位 AI 背景技术顾问。|来源:Wikipediamicrosoft.comteevan.org
Jake Hofman,Senior Principal Researcher, Microsoft Research NYC。Microsoft Research New York 的创始成员;在 MSR 之前,他是 Yahoo! Research 微观经济学和社会系统小组的成员。|来源:microsoft.comscholar.google.com
Tomer Cohen,Chief Product Officer。自 2012 年以来一直担任 LinkedIn 的 CPO,负责把 AI 产品做进这个拥有十亿会员的职业网络。目前正在领导 LinkedIn 向 AI 原生开发的转型,包括 LLM 驱动的职位匹配、AI 搜索以及替代传统项目经理角色的“全栈构建者”计划。|来源:computerweekly.comjpost.comlennysnewsletter.com
在任何人做出 AI 产品之前,得先有人把底层地基打好。这里写的是支撑这本书里各种 AI 产品的工程师和创始人:数据库、框架、协议和工具。这些工具很少上头条,却决定了哪些产品能跑起来。对基础设施创始人来说,最难的往往不是把东西做出来,而是在市场还没给这个类别起名时先开工,并且赶在大公司看到市场验证后把它收编进现有产品之前,先把这个类别立住。
Aravind Srinivas,AI 里最快成为亿万富翁的人
Aravind Srinivas 于 1994 年 6 月 7 日出生在 India 的 Chennai。他家里更熟悉金融,不是工程圈,所以他选择 IIT Madras 的电气工程,本身就是一次转向。他最想读的是计算机科学,但分数差一点,于是进了电气工程。结果,这条绕路反而塑造了他:电气工程的数学和物理训练,给了他很多纯 CS 毕业生没有的底层功底。他拿到双学位(B.Tech + M.Tech)后,去了美国 UC Berkeley 攻读博士。他没有自己的个人电脑;每天早上 5:30 到晚上 8 点,全靠共享云资源撑着。他先后在 Google Brain、DeepMind 和 OpenAI 这三个全球最重要的 AI 实验室做过研究,之后辍学创立 Perplexity。
Jeff Huber 在三个很少重叠的领域都打出了信誉:消费技术、生命科学和 AI 基础设施。在 Google(2003-2016)期间,他参与搭建 Google Ads、Gmail、Calendar、Google Maps,并帮助创建 Google X 的生命科学部门。后来他成为 GRAIL 的创始 CEO,用血液检测和 AI 做早期癌症筛查,推动了液体活检。再后来,他共同创立 Chroma,一个开源向量数据库,如今已是 AI 开发者生态中使用最广泛的嵌入存储之一。他的 Harvard MBA 和 UIUC 工程学位,让他在商业和技术两边都拿得出牌。
阅读完整档案 ↓
Emil Eifrem,他在餐巾纸上画出那张图
Emil Eifrem 是瑞典人,曾在 Linköping University 学习,也是一位终身程序员。2000 年,他在飞往 Mumbai 的航班上画出了属性图模型。那张草图后来成了 Neo4j 的思想起点。2007 年,他与 Johan Svensson 和 Peter Neubauer 共同创立 Neo4j。他还创造了“图数据库”这个说法。截至 2021 年 6 月,Neo4j 完成由 Eurazeo 和 GV(Alphabet 的风险投资部门)领投的 3.25 亿美元 F 轮融资,估值超过 20 亿美元。公司称这是“数据库历史上最大的融资轮次”(neo4j.com)。同年,公司年经常性收入超过 1 亿美元。
在他的带领下,GitHub 推出 Copilot,这款 AI 编程助手跑成了 GitHub 历史上增长最快的产品。2025 年 5 月,他离开 GitHub,创立新的 AI 编码公司 Entire。从东柏林的一间公寓,到全球开源代码托管公司的 CEO,再到 AI 编码初创公司创始人,这条职业路径像一条主线:每一段都在赌一个封闭系统会打开,而它真的一次次打开了。
Alexandr Wang, Scale AI
他的父母都是 Los Alamos National Laboratory 的物理学家,参与过核武器项目。Alexandr Wang 1997 年出生在新墨西哥州,从小就在一个经常讨论双用途技术伦理的家庭里长大。他 19 岁时从 MIT 辍学,短暂在 Quora 工作,随后在 2016 年创立 Scale AI。
阅读全文简介 ↓
Scale 做的是大多数 AI 模型都需要的数据标注和注释基础设施。它是 AI 行业的隐形支柱,也是让上层那些耀眼产品跑起来的中间层。2021 年,Scale 估值冲到 73 亿美元时,他成为最年轻的白手起家亿万富翁。截至 2024 年 5 月,该公司以 138 亿美元估值筹集 10 亿美元,信息源自 crunchbase.com。美国陆军、空军和多个情报机构都是客户。
这张家庭底色一直跟着他。相比大多数 AI CEO,他更公开地谈前沿 AI 的国家安全影响、双用途逻辑和中美竞争。他是一个很直接的案例:一个家庭饭桌上反复讨论的问题,会影响孩子长大后追问什么问题。对他来说,问题是:谁控制最强大的工具,又为了什么目的?
2025 年,Meta 以 290 亿美元估值斥资 143 亿美元拿下 Scale AI 49% 股权,Wang 出任 Meta Chief AI Officer,与 Nat Friedman、Daniel Gross 一同领导 Meta Superintelligence Labs。这笔交易让一位数据基础设施创始人,成了史上最昂贵的 AI 人才收购之一的运营负责人。
这本书里写到的每个 AI 模型,都运行在别人制造的硅上,放在别人拥有的机房里,消耗别人分配的电力。基础设施层很少被讲成播客里的传奇故事,但下一个十年的瓶颈很可能就卡在这里。本章讲三件事:地理,也就是 AI 是在哪里被做出来的,以及为什么 San Francisco 周围 30 英里半径仍然产出不成比例的份额;硬件,也就是 NVIDIA、AMD、TSMC,以及那些给所有决策定价的芯片;反叛,也就是 Mistral、DeepSeek、Hugging Face 和开源阵营,为什么他们坚持前沿模型不该被少数人攥在手里。
Rosewood 酒店
Menlo Park 的 Sand Hill Road。Madera 餐厅。风投在这里喝酒,交易常在压低声音的聊天里敲定。OpenAI 的成立晚宴也在这里举行,时间是 2015 年 12 月。西装外套配牛仔裤,不穿正装。乍看像随意聚会。没人明说的是,随意本身也是信息:只有当房间里每个人都知道你是谁、你有多少筹码时,随意穿着才不会让别人误读你的位置。islands.com
脑谷 (San Francisco Hayes Valley)
ChatGPT 推出后,这里迅速成了 AI 圈的社交客厅。Genesis House 是一座有 21 个房间的维多利亚式建筑,AI 创始人住在一起。两周里办十几场 AI 聚会,已经不稀奇了。这个原本以精品咖啡店和复古服饰闻名的社区,变成了周末黑客马拉松里诞生十亿美元公司的地方。地理位置真正给的,不只是人才密度,而是信任密度:可以走路到彼此家里的创始人,不用先签合同也能开始合作。sfstandard.com
希尔斯伯勒那座大宅有锦鲤池、泳池、禅花园和酒窖,也和 Andrej Karpathy 有关。2022 年,他与 Jeremy Nixon(前 Google Brain)以 NeoGenesis 名义租下这里。两人把它做成一个既能住人、也能办讲者系列活动的地方。租约在 2023 年 2 月转给其他运营者。现在,这座大宅继续以 AGI House Hillsborough 名义运营,由 Rocky Yu 负责,举办按能力筛选的演讲活动(过去讲者包括 Jeff Dean 和 Sam Altman),也有一个小型 VC 基金。Jeremy Nixon 继续在 San Francisco 举办活动,称为 AGI House SF,是一个独立的黑客马拉松和展示日系列。截至 2025 年 7 月,据 Bloomberg Law 和 Forbes Australia 报道,AGI House LLC(Rocky Yu)已在加州北区美国地方法院对 Jeremy Nixon 提起联邦商标侵权诉讼,双方也出现反诉。放在信任层看,关键点在这里:更资深的创始人 Karpathy 已经离开去创立 Eureka Labs;他没有下场重新拿回租约或品牌。
这本书里写到的 AI 模型,都运行在别人制造的硅上。这十年最重要的 AI 故事,不是谁微调出了最好的 transformer,而是谁拿到了 H100,谁设计下一代芯片,谁把它们制造出来。关于产业瓶颈的研究反复显示,没人公开争论的那一层,往往才是最重要的一层。在 AI 里,这一层就是芯片供应链。这一节写的,就是手里捏着这一层的人。
Satya Nadella 把 Microsoft 的分发能力接到 OpenAI 的能力和企业采购上。Marc Benioff 把 CRM 的主导地位接到 agent 工作流竞赛上。Bill McDermott 把 IT 工作流权威接到 agent 执行上。Aneel Bhusri 把人力资源和财务记录接到企业部署风险上。Ali Ghodsi 和 Matei Zaharia 把数据治理接到模型行为上。Harrison Chase、Joao Moura 和 Chi Wang 把编排框架接到实际部署模式上。Arvind Jain 把检索质量接到企业信任上。Emil Eifrem 把图上下文接到 agent 推理上。Wade Foster 把 AI 意图接到 SaaS 工具执行上。少了这层连接,地图就只剩孤立的模型实验室、应用供应商和数据孤岛。wired.com
Lisa Su,让 AMD 重新进入采购清单的复兴工程师
Lisa Su 于 1969 年 11 月 7 日出生在 Taiwan 的 Tainan,小时候移居 New York。她在 MIT 获得电气工程学士、硕士和博士学位,博士论文开创了绝缘体上硅晶体管。她先后在 Texas Instruments、IBM 和飞思卡尔工作过。在 IBM 期间,她参与领导 Cell 处理器团队,这颗芯片后来给 PlayStation 3 做了核心。2012 年,她加入 AMD,并在 2014 年成为 CEO。当时外界普遍认为 AMD 距离破产只剩几个星期。在她领导下,AMD 股价飙涨超过 50 倍,公司收购 Xilinx(交易于 2022 年 2 月完成,约 490 亿美元,根据 ir.amd.com ),又收购 Pensando,并在 2024 年开始给 Microsoft、Meta 和 Oracle 交付 Instinct MI300X GPU,成为 NVIDIA H100 的第一个可信替代品。
阅读完整资料 ↓
她是 Jensen Huang 的再从侄女(第一章中有完整的家族树细节)。她在 2021 年获得了半导体行业协会的 Robert Noyce 奖,并在 2024 年被评为 TIME 年度 CEO。
Emad Mostaque 在 2022 年 8 月把 Stable Diffusion 开源,是生成式 AI 至今最重要的开放事件之一。数百万开发者、艺术家和研究人员不用先过平台 API 这一关,也能继续在前沿图像生成模型上开工。他于 2020 年创立 Stability AI,并在 2022 年 10 月以 10 亿美元估值融资 1.01 亿美元。2024 年 3 月,在 Forbes 报道 披露公司运营失序和财务管理疑虑之际,他辞去 CEO 职务。此前多名高管离职,Getty Images 也就带水印训练图像提起版权诉讼。 截至 2026-05-16 诉讼仍在进行 这不能只写成个人低谷,而是一场权力斗争:创始人离开、高管团队出走,以及围绕这些变化出现的投资人压力,都在公司治理这张牌桌上。此后,他创立了 Intelligent Internet,这是一个去中心化 AI 项目,并继续公开发声。对他的评价至今两头拉扯:开源发布重塑了一代工具;他任内的公司运营也持续受到批评。 Wikipedia
阅读完整资料 ↓
创立 Stability AI(离开企业后 · 2019 · 36 岁)。在共同创立 Stability AI 之前,Emad Mostaque 做了十多年对冲基金经理,专攻原油交易,也为政府提供咨询。他曾公开表示,进入 AI 与家庭动机有关;传记资料还显示,同一时期他也和 Symmitree 有交集。 退出: 2024 年 3 月 23 日,Emad Mostaque 辞去 Stability AI 的 CEO 和董事职务,转而投入去中心化 AI。Stability AI 还没有 IPO 或被收购,仍由新领导层接着跑,同时面对财务和市场挑战。 (Stability AI - Wikipedia · Emad Mostaque - Wikipedia)
Marc Andreessen 的 Techno-Optimist Manifesto vs. AI 安全社区
Marc Andreessen 2023 年 10 月在 a16z 网站抛出 5000 字的 “Techno-Optimist Manifesto”。文中称有效利他主义是“我们的敌人”,把 AI 末日论者写成对手,也把加速主义抬到道德义务的高度。这篇文章很快招来 AI 安全研究者的长篇反驳,也招来 EA 圈子的直接批评,包括 William MacAskill(Oxford 哲学家,他的专业圈子和 Anthropic 的 Amanda Askell 有不少重叠)。这场争论一直延续到今天:加速主义和 AI 安全,是两套真走不到一起的世界观,还是同一个目标下的不同重心?这是过去十年里,VC 写出的文章中阅读量最高、争论最多的一篇。(Marc Andreessen 共同创造了 Mosaic,共同创立了 Netscape,后来把 a16z 做成超过 420 亿美元的基金。完整资料见本章人物条目。)
杨立昆、杰弗里·辛顿和约书亚·本吉奥在 X 上:持续的公开辩论
杨立昆、杰弗里·辛顿和约书亚·本吉奥的公开争论,已经成了 AI Twitter 上每年都会出现几次的固定节目。三个人都很活跃,分歧也不是表态之争,而是会影响政府、记者和公众怎样理解 AI 风险。有年轻研究者说,自己夹在中间,像是被迫站队。三位一起把深度学习推到今天的人,却没法在存在性风险这件事上达成共识。这可能是我们这个时代最重要的科学分歧之一,也可能说明,靠成果赢来的权威依然答不完最硬的经验问题。对正在部署这些系统的公司来说,争论不会等学界先把共识谈妥。更现实的做法,是在现有证据下设定护栏,再随着新证据调整。这不是智力降级,而是另一种硬活。
模型竞赛:ChatGPT、Claude、Gemini 与 Grok
ChatGPT vs. Claude vs. Gemini vs. Grok 是消费级 AI 的主赛道,赌的是数十亿人以后怎么和智能系统打交道。截至 2024 年 12 月,ChatGPT 月活跃用户超过 3 亿,手里还握着先发优势。Claude 靠更强的推理能力和安全特性,正在企业和开发者市场抢份额。Gemini 拥有 Google 的分发,嵌入 Search、Android 和 Workspace。Grok 拥有 Elon Musk 的 X 平台,也愿意说其他模型不会说的话。消费级 AI 市场并不是赢家通吃。它更像几桌牌同时开打:各自抓住不同用户,也用不同方式建立信任。反直觉的结论是,多个强模型并存,可能比一个主导模型更有利于用户,因为每个竞争者都被逼着补上智能产品在现实使用里的不同短板。
Perplexity vs. Google Search,是科技行业最不对称的竞争。Perplexity 每月处理约 1 亿次查询。Google 每天处理 85 亿次。但 Perplexity 的答案引擎不是返回链接,而是整合来源并生成直接回答,这会威胁 Google 依赖广告支撑的搜索模式。The New York Times、BBC 和 Dow Jones 都已起诉 Perplexity,指控它抓取其内容生成答案,却不把流量导回出版方。这些诉讼最能说明问题:Perplexity 已经摸到了出版方的命门。
Cursor(约 500 亿美元)vs. Windsurf(Google) 是 AI 代码编辑器里最清晰的一场正面对决。Cursor 由 4 位 MIT 学生做出来,没有营销预算,却硬是成了一代开发者默认使用的 AI 原生代码编辑器。Google 收购了 Windsurf(前身为 Codeium),并正在把它整合进自己的开发者生态。竞争是不对称的:Cursor 有开发者口碑和自然增长;Google 有分发,以及与 Cloud、Android Studio 和更广泛 Google 开发者平台的整合。
Anthropic 推出 Claude Code,同时 Claude 支撑 Cursor,这就是供应商和竞争者同桌打牌的悖论。Anthropic 既是 Cursor 起步时依赖的模型供应商,又亲自下场做 Claude Code。这是平台生意的老张力:AWS 与运行在 AWS 上的公司竞争,Google 与在 Google 上投广告的公司竞争。问题来了,Anthropic 会不会借模型供应商这张底牌,为自家编程工具争取优势,还是市场足够大,双方都能赢。
快速解读: Cursor 是 AI 原生编程 IDE。Windsurf 最初是 Codeium,后来变成完整 AI 编程环境。Claude Code 是 Anthropic 自己的编程产品。这场争夺的是开发者日常工作流,因为工具习惯一旦养成,就会锁很久。
视频生成竞赛:Pika、Runway 与 Sora
Pika vs. Runway vs. Sora,三家公司争的是 Hollywood 项目预算和创作者钱包。Pika 由前 Stanford AI 博士生 Demi Guo 和 Chenlin Meng 创立。据 sacra.com,截至 2024 年 6 月,Pika 累计融资 1.35 亿美元。Runway 由 Cristobal Valenzuela 创立,用 Gen-2 和 Gen-3 把视频生成这条路跑出来。OpenAI 的 Sora 则背靠 ChatGPT 品牌下场。这场竞争不只是拼技术,它真正要分出的是,AI 生成视频到底会成为创作者工具、Hollywood 制作管线,还是消费级产品。每条路径都对应一套不同的商业打法。
Llion Jones 是 2017 年论文 “Attention Is All You Need” 的共同作者,这篇论文把 Transformer 架构推到台前。他曾公开表示,自己“已经彻底厌烦 transformer”,现在在估值 26.5 亿美元的 Sakana AI 做新东西。Jones 是 Transformer 共同作者里,唯一明确说要替换自己参与创造的架构的人。如果 Sakana 后续跑通后 Transformer 的研究成果,这会是一个罕见案例:发明者亲手拆掉自己的发明,再另起一摊。类似先例很少。这件事最有意思的地方在于,最有资格替换旧架构的人,往往正是当年把它搭起来的人,因为他们最清楚它卡在哪里。
Helen Toner,成为焦点的那篇论文
Helen Toner 是 Georgetown 的 Center for Security and Emerging Technology (CSET) 研究员。她关于 AI 政策和美中技术竞争的研究,曾为美国政府战略提供参考。2021 年至 2023 年,她担任 OpenAI 董事。 Wikipedia
阅读完整资料 ↓
她合著了 2023 年 10 月的一篇学术论文,其中有一处比较,被一些观察者(据称也包括 OpenAI 内部一些人)解读为她在任董事期间对 OpenAI 安全实践的批评。问题不在于董事有不同意见,董事本来就该有不同意见。真正困难的是:最初的董事会设计,是让一小群研究者治理一个有安全使命的非营利组织;等这套设计被拉到极限时,它面对的却是一家增长速度远超任何既有治理结构的公司。2023 年 11 月的董事会行动,是迄今 AI 领域后果最大的公司治理事件之一。Toner 此后已公开说明她的视角。 The Verge 对 Toner 说法的报道
29 位一级人物里,8 位和样本里的其他人有公开记录的家族关系,样本内占比 28%(n=29,95% CI 约 14-48%)。AI 行业里一些最有权力的机构,在若干案例中确实是家人一起掌舵。不过这里说的是这批特定筛选人群内部的构成,不是整个行业家族关系的基准比例。
AI 权力网络中的家族与婚姻关系(21 条记录关系)
兄弟姐妹Dario + Daniela Amodei(Anthropic CEO + 总裁)· Sam + Jack Altman(OpenAI + Alt Capital)· Yoshua + Samy Bengio(MILA + 苹果)· Madison + Spencer Huang(二人都在英伟达)
婚姻Pat Grady + Sarah Guo(Sequoia + Conviction)· Holden Karnofsky + Daniela Amodei(Open Phil + Anthropic)· Paul Graham + Jessica Livingston(YC 联合创始人)· Fei-Fei Li + Silvio Savarese(World Labs + Stanford)· Haya Odeh + Amjad Masad(Replit 联合创始人)· Ethan + Lilach Mollick(Wharton GenAI Labs)
父母子女黄仁勋 + Madison + Spencer Huang(英伟达 CEO + 女儿 Sr Dir + 儿子)· 黄仁勋与 Lisa Su(AMD CEO)是相隔一代的表亲
前任关系吴恩达 + Carol Reiley(曾为夫妻,Drive.ai 联合创始人)· William MacAskill + Amanda Askell(曾为夫妻,EA + Anthropic)
按数字看:420 人中有 21 条公开记录的家族/关系边。这个数据集的 29 位一级人物里,8 位有家族/关系边,样本内 28%,n=29,95% CI 约 14-48%。Huang-Su 的表亲关系把同一个大家族摆在 AI 硬件双寡头的两侧。Amodei-Karnofsky 的婚姻把最大的 AI 安全资助方 Open Philanthropy,与最大的安全导向实验室 Anthropic 接了起来。这些关系在已捕捉人群内部很醒目,但它们不是关于整个行业家族关系的统计结论。
VMware 传承:两家竞争 AI VC 打出同一套打法
Martin Casado(a16z 普通合伙人)和 Jerry Chen(Greylock 合伙人)都是硅谷最有影响力的企业 AI 投资人。他们各自抛出一套企业 AI 论述:Casado 叫它 “AI Moats”(AI 护城河),Chen 叫它 “Systems of Intelligence”。两人的结论几乎一样:前沿模型会很快商品化,企业真正持久的优势不在模型本身,而在专有数据、工作流集成和领域本体层。两套框架长得惊人相似。一个合理解释是,两位作者的产品思维,都在同一个 VMware 产品组织里练出来。
Martin Casado 于 2012 年加入 VMware,担任 Fellow 以及 Networking and Security CTO,此前 VMware 砸下 12.6亿美元收购了他的公司 Nicira(AllThingsD)。同一段重叠时期,Jerry Chen 是 VMware 云与应用服务的 VP of Product Management and Marketing。那个时代的 VMware 正在建设 Cloud Foundry、推出 vCloud、应对从虚拟化到云的转型,是企业软件里最认真琢磨产品的组织之一。它发布白皮书,办技术会议,也真的把框架当成竞争工具。Martin Casado 和 Jerry Chen 都把这种习惯带进了风险投资。两家竞争 VC 提出相同论点的故事,本质上是十年前同一家公司训练出来的思考方式。
按时间线看,真正扎眼的是顺序:Karnofsky 在 Open Philanthropy 担任高级角色时,机构先支持了 OpenAI,后来又支持了 Anthropic;之后他和 Anthropic 总裁 Daniela Amodei 结婚,再后来加入了 Anthropic 的员工团队。一个曾参与领导 AI 安全慈善资助的人,最终成为其中一家受资助机构的员工。单看其中任何一个决定,都算不上丑闻。但这些公开记录连在一起,很难不让人追问治理和利益披露;它不是一件大事突然发生,而是一串分开的动作慢慢叠出来的。
Cotra-Christiano 线索:Ajeya Cotra 是 Open Philanthropy 高级研究员,在 Holden Karnofsky 之下工作,她撰写了关于 AI 时间线的 “Biological Anchors” 报告,这是 Anthropic 内部思考变革性 AI 风险时最常引用的一套思路。Cotra 与 Paul Christiano 结婚,后者在 2017 年与 Jan Leike 和 Dario Amodei 共同发明 RLHF,Reinforcement Learning from Human Feedback(arxiv.org;openai.com)。这里有个时间点:论文发表时 Leike 在 DeepMind,Christiano 和 Amodei 在 OpenAI。RLHF 是现代 LLM,包括 Claude 和 ChatGPT,广泛使用的训练技术。两人都是 AI 安全研究中很有影响力的人物:Cotra 撰写了被广泛引用的时间线报告;Christiano 参与了早期 RLHF 工作。二人也都与 Open Philanthropy 有关联,而 Holden Karnofsky 在加入 Anthropic 前领导该组织多年。
Palantir 第 13 号员工与 PayPal 线索
Shyam Sankar 是通过 Kevin Hartz 进入 Palantir 的。还是学生时,Shyam Sankar 冷邮件联系 Hartz,后者是 Xoom 联合创始人、后来创办 EventBrite。Hartz 把他介绍进 PayPal Mafia 网络:Roelof Botha,现在是 Sequoia managing partner,Keith Rabois,以及通过这个网络认识的 Peter Thiel。Shyam Sankar 于 2006 年 3 月加入 Palantir,成为公司第 13 号员工,也是第一个商业岗位员工。这条线一路是:学生 → 冷邮件 → Xoom 联合创始人 → PayPal Mafia → Peter Thiel 的 AI 公司 → 18 年后成为 Palantir CTO,并因股票升值成为公司亿万富翁之一。截至 2025 年 6 月,Shyam Sankar 获授美国陆军预备役 Executive Innovation Corps 中校直接任命(Wikipedia)。PayPal 这张人脉牌,从 Peter Thiel 的网络一路通到五角大楼的国防 AI 战略。
Benioff 对微软依赖 OpenAI 的批评
2025 年 1 月在 Davos,Salesforce CEO Marc Benioff 抛出一句话:微软与 OpenAI 的关系在聘用 Mustafa Suleyman 时“裂开了”,Economic Times 对此作了报道。他的说法是:Satya Nadella 一方面在微软内部引入一位 CEO 级 AI 领导者 Mustafa Suleyman,另一方面继续依赖 OpenAI 提供 AI 能力,这让微软的 AI 战略看起来有点左右互搏。Marc Benioff 拿 Salesforce 作对照,称 Salesforce 采用单一 CEO 结构和单一 AI 产品 Agentforce。
据 Forbes 报道,Taylor 2012 年从 Facebook CTO 职位离开去创办 Quip 时,称 Zuckerberg 是“我的导师,也是我最亲密的朋友之一”(Forbes)。此后 Taylor 曾任:Facebook CTO(2010-2012)、Salesforce co-CEO(2021-2023)、OpenAI 董事会主席(2023-present),以及 Sierra CEO(2023-present)。在 OpenAI 与 Meta AI 激烈竞争期间,他一直在 OpenAI 董事会任职。他经营的 Sierra,也与 Meta 的企业 AI 产品竞争。作者没有找到 Taylor 公开批评 Zuckerberg 或 Meta 的言论。Zuckerberg 也没有公开回应这种竞争叙事。公开资料里,这段友谊和他今天在几个互相竞争的 AI 组织中的角色,是并排存在的。
Leopold Aschenbrenner:从 Columbia 毕业生代表到离开 OpenAI,再到 AI 宏观投资人
Leopold Aschenbrenner 2021 年 5 月在 Columbia 以 19 岁成为毕业生代表。到 2022 年 6 月,他已经是 FTX Future Fund 的资助负责人,那是 Sam Bankman-Fried 旗下与 EA 理念相近的慈善机构。他在 FTX 于 2022 年 11 月崩盘前不久辞职。2023 年,他加入 OpenAI 的 Superalignment 团队。OpenAI 于 2024 年 4 月解雇他,称原因是他向外部分享一份文件,违反安全政策(The Information);Aschenbrenner 公开反驳这一说法,认为解雇源于他写过一份关于中国情报威胁的安全备忘录,并由此卷入内部政治。他发表 165 页 AGI 长文 “Situational Awareness”,随后爆红。他募集了一只对冲基金 Situational Awareness LP,支持者包括 Patrick 和 John Collison(Stripe)、Nat Friedman 和 Daniel Gross。whalewisdom.com 汇总的最新 13F 文件显示,该基金披露的美国股票组合集中在电力、半导体和计算基础设施。13F 文件只披露美国股票多头持仓,不披露总 AUM 或基金层面回报;网上流传的总 AUM 或首年表现数字,本书没有独立验证。截至 2025 年年中,他大约 23 岁。
Nat Friedman 线索:Friedman 和 Daniel Gross 同时是 Chroma 这家向量数据库的投资人,也是 Leopold Aschenbrenner 的 Situational Awareness LP 的锚定投资人。他们同时出现在 AI 开发者基础设施层和 AI 宏观叙事投资层,也就是同一批人把开发者工具和文明尺度下注连了起来。这个模式与一个特定论点一致:AI 价值会在开发者工具层和宏观基础设施层同时复利。
Salesforce-ServiceNow 地盘争夺
2024 年 7 月,Marc Benioff 与 Workday CEO Carl Eschenbach 一同登上 Jim Cramer 的 Mad Money,宣布双方建立联合伙伴关系。节目中,他把 Salesforce 描述成 “McDonald's”,把 ServiceNow 描述成 “Wienerschnitzel”,暗示 ServiceNow 是区域特色,而 Salesforce 是全球默认选项。几天后,McDermott 在一场会议上回应:“我们真的已经让他们如此破防,以至于他们要做这种事了吗?”他称这些言论“失控”。背后的地盘争夺是:Salesforce 正在发布 IT service management 产品,进入 ServiceNow 的主场竞争;ServiceNow 正在推进 CRM,进入 Salesforce 的主场竞争。两家企业软件公司多年来一直在安静争夺垂直地盘。McDonald's/Wienerschnitzel 这次交锋,是争议摆上台面的时刻。AI agent 层让这场碰撞变得不可避免:Agentforce 和 ServiceNow 的 AI agents 为重叠客户做重叠的事,产品差异缩得比公司改口径还快。
Joelle Pineau,首席 AI 官(生于 1974 年)。加拿大最重要的 AI 科学家之一。CMU PhD,导师为 Sébastien Thrun;职业经历从 McGill 到 Mila / Université de Montréal。|来源:Wikipediamila.quebectechcrunch.com
Francesca Rossi,IBM Fellow · 负责任 AI 全球负责人(生于 1962 年)。IBM Fellow,负责 Responsible AI and AI Governance 全球事务。曾任 AAAI(Association for the Advancement of AI)主席。|来源:Wikipediaresearch.ibm.comaiforgood.itu.int
Howie Xu,Gen 首席 AI 与创新官 · Stanford 讲师。Howie Xu 是 Gen Digital 的首席 AI 与创新官,并自 2018 年起在 Stanford GSB 担任客座讲师。他在 VMware 市值冲到 400亿美元期间拉起其网络业务部门,曾任 TrustPath 创始人/CEO,后者被 Zscaler 收购;也曾任 Palo Alto Networks AI 高级副总裁、Zscaler AI/ML 副总裁,并曾是 Greylock Partners 的 EIR。|来源:gendigital.comnews.greylock.comsubstack.com
Lucas Beyer,研究员。比利时/瑞士计算机视觉研究员。共同发明 Vision Transformer(ViT),论文 “An Image is Worth 16x16 Words”(ICLR 2021)显示,transformer 在视觉任务上规模拉起来后可以追上 CNN。|来源:lucasb.eyer.bescholar.google.comgithub.com
Iyad Rahwan,Max Planck Center for Humans & Machines 主任(生于 1978 年)。出生于 Aleppo 的叙利亚裔澳大利亚科学家,与 Manuel Cebrian 和 Nick Obradovich 一起开创 Machine Behavior 领域。自 2019 年起担任柏林 Center for Humans & Machines 创始主任;此前在 MIT Media Lab 任副教授(2015-2020),领导 Scalable Cooperation Group。|来源:Wikipediampib-berlin.mpg.derahwan.mescholar.google.com
Karim Lakhani,Harvard Business School Dorothy Hintze 教授 / LISH 主任。Karim R. Lakhani 是 HBS 的 Dorothy & Michael Hintze Professor,Harvard Laboratory for Innovation Science(LISH)的创始人和共同主任,也是 NASA Tournament Laboratory 的 principal investigator。|来源:hbs.eduWikipedia
Manuela Veloso,JPMorgan AI 研究负责人 / CMU 荣休教授(生于 1957 年)。Manuela Veloso 出生于葡萄牙 Lisbon,是 JPMorgan Chase 的 AI 研究负责人,并在 2018 年创立该公司的 AI research lab;她也是 Carnegie Mellon School of Computer Science 的 Herbert A. Simon University Professor Emerita。|来源:Wikipediacs.cmu.educmu.eduturing.ac.uk
Mike Booth,Workday 产品营销副总裁。自 2025 年 4 月起担任 Workday 体验式产品营销副总裁,领导 AI 驱动的产品演示和叙事。此前在 Salesforce 担任 Global VP Solution Strategy、VP Solutions Engineering 等领导岗位,也曾在 Yext 和 Skedulo 担任 SVP Customer Solutions,在 CRM/ERP 解决方案工程方面经验深厚。|来源:workday.com
Milind Tambe,Harvard Gordon McKay 教授 / AI for Social Good 主任。自 2019 年起担任 Harvard 计算机科学 Gordon McKay Professor,同时担任 Google Research 的 Principal Scientist 和 “AI for Social Good” Director。此前是 USC Professor,并共同创办 Center for AI in Society(CAIS)。|来源:Wikipediateamcore.seas.harvard.eduhks.harvard.eduseas.harvard.edu
Philipp Herzig,SAP CTO 兼首席 AI 官。计算机科学家,2025 年 1 月成为 SAP 首席技术官;此前担任首席 AI 官,领导 SAP 在 ERP、HR 和供应链产品中的 AI 路线。拥有 Technische Universität Dresden PhD,并在事件流和游戏化方向有研究与专利。|来源:sap.comtechnologymagazine.comcio.com
Rebecca Hinds,Glean Work AI Institute 负责人。PhD 研究员,也是畅销书 “Your Best Meeting Ever” 作者。负责 Glean 的 Work AI Institute,研究 AI 如何改变职场协作。此前领导过与 Stanford 和 Asana 的职场研究合作。|来源:glean.comrebeccahinds.comhrpolicy.org
Sinan Aral,MIT David Austin 教授 / MIT IDE 主任。Sinan Aral 是 MIT David Austin Professor,也是 MIT Initiative on the Digital Economy(IDE)主任,2020 年接替 Erik Brynjolfsson。他研究社交网络、社交媒体和数字战略,其中包括虚假新闻传播的里程碑工作;他也是 “The Hype Machine” 作者。他还是 Manifest Capital 和 Milemark Capital 创始合伙人,并获得过 Microsoft Faculty Fellowship、NSF CAREER Award 和 MIT Sloan 的 Jamieson Award for Teaching Excellence。|来源:mitsloan.mit.eduide.mit.edusinanaral.io
Tsedal Neeley,Naylor Fitzhugh 教授 / HBS AI Academy 主席。Tsedal Neeley 是 Harvard Business School 的 Naylor Fitzhugh Professor of Business Administration,担任 Senior Associate Dean 和 MBA 项目 Chair,也是 HBS AI Academy 创始 Chair。她研究数字化转型、远程/全球工作和文化变迁,并撰写获奖图书 “The Digital Mindset”,书中提出在 AI 驱动时代成长所需的 “30% rule”。|来源:hbs.eduhbs.edutsedal.comhbr.org
teknium 没有公开记录的法律身份,没有大学,也没有 LinkedIn。他们在消费级 GPU 上微调 open-weight 模型,把 Nous Research 按公共集体来跑,并发布 Hermes 系列,在特定基准上与企业实验室竞争。在这个影响力层级上,样本中只有这一位用化名活动的核心人物。
Chamath Palihapitiya 作为 Sri Lankan refugee 抵达 Canada,十四岁在 Burger King 打工,没有拿 PhD,也不是沿研究谱系进入这个样本,而是通过 AOL 和早期 Facebook。他是这本书中少数几位资本配置者之一,其履历读起来更像移民劳动故事,而不是资格证书故事。
Andrej Karpathy 确实在 Fei-Fei Li 指导下拿到 Stanford PhD,所以他并不缺学历。打破模式的是他怎么用这份资历:他成了公共教师,在 YouTube 上从零手写 GPT,面对数百万观众,而几乎所有同级别的人都更倾向于关起门来做研究。他的斯洛伐克家庭逃离 Czechoslovakia 的故事,是另一条反例线索;他是少数会公开讲述自己起源故事的前沿实验室校友。
杰弗里·辛顿 走过 English public school、Cambridge 和 Edinburgh PhD,纸面上看是这个样本中最符合模式的人。反例在于他的立场:他几十年来抵抗这个领域被商业吸收,公开离开谷歌来谈风险,也拒绝按 Turing-Test 热潮本身的逻辑去拥抱它。他的反例不在履历,而在他拒绝过的另一种人生。
Ethan Mollick, Erik Brynjolfsson, Karim Lakhani, Hila Lifshitz-Assaf, Thomas Malone, Sinan Aral, Tsedal Neeley
经同行评审后恢复的集群。 在审稿过程中,Ayman Chit(ML & 软件架构师)对 AI Power Map 数据集进行了独立的 Louvain 社区检测分析,并在 LinkedIn 上向作者分享了他的发现。其中一项尤为突出:围绕组织与经济 AI 研究形成的一个紧密合著集群,是整个图谱中最密集的纯合著集群。
下面的样本内占比不是成功概率。 这份数据只包含已经被外界看见的人。每个占比只是在说样本里被纳入者的构成,并附上二项分布95% CI 作背景;真正尝试过每条路的总人群基础率,这里测不到。
1. 工具 / 基础设施(本样本中,10位被纳入的局外人创始人里有8位标为 T1-T3;样本内80%,n=10,95% CI 约49-94%)。把自己做成 AI 技术栈里绕不开的一层。Jeff Dean 在42岁共同创立 Google Brain(U Minnesota + U Washington)。Noam Shazeer 在45岁共同创立 Character.AI(Duke)。Edo Liberty 在40岁创立 Pinecone(Tel Aviv + Yale)。一旦把基础部件做到行业离不开,论文或产品会自己替他说话。
4. 资本进入(6位中有4位;样本内67%,n=6,95% CI 约30-90%,噪声太大,不适合排名)。从支票切进去。Vinod Khosla 在 OpenAI 估值10亿美元时投了5000万美元。Jaan Tallinn 领投了 DeepMind 和 Anthropic 的 A 轮。
5. 学术 / 研究(9位中有6位;样本内67%,n=9,95% CI 约35-88%,噪声太大,不适合排名)。Fei-Fei Li 在48岁创立 World Labs。Geoffrey Hinton 在65岁共同创立 DNNresearch。PhD 仍然是一张很耐用的深度证明。
6. 没有锚点的通用 AI 初创公司(这份数据里看不到代表)。在这里被纳入的人群中,没有局外人是在没有既有网络关系、基础设施切口或领域专长的情况下,冷启动一家通用 AI 公司并冲到 T1-T3。由于这个数据集的收录方式,尝试这条路却没有被外界看见的创始人不会进来,所以这里看到的是某类幸存者缺席,不是失败率被测出来了。
行不通的路径
在这份数据里,走不通的局多半有一个共同点:想进 AI,但手里没有足够强的锚点,补不上多年行业积累。
1. 没有锚点的通用 AI 初创公司,这份数据里看不到代表。在这里被纳入的人群中,没有局外人是在没有既有网络关系、基础设施切口或领域专长的情况下,冷启动一家通用 AI 公司并冲到 T1-T3。这张图没看到成功案例,只能说明这条路在可见样本里很少见;到底是真更难,还是更不容易被看见,这份数据分不出来。
基础设施知识胜过品牌。 最能打的组合是基础设施专长加领域深度。Ash Ashutosh 从 HP Storage VP,到创立 Actifio(后被 Google 收购),再到担任 Pinecone CEO。Edo Liberty 从 Amazon AI Labs Director,到创立标杆向量数据库。只要把世界依赖的基础部件做出来,品牌反而不是入场券,作品本身会把人带进网络。
样本里还有一种反常模式:有些内部人会主动离开看起来最顺的那条路。Illia Polosukhin 在2017年共同署名了 “Attention Is All You Need”,随后跳去共同创立 NEAR Protocol。这个 Layer-1 区块链网络已融资超过5亿美元、处理数十亿笔交易。
极少有人既参与奠定现代 AI 的关键基础,又把一个重要区块链网络做起来。大多数研究者会二选一。Polosukhin 把两边都当成严肃赌注,赌的是未来十年的基础设施会怎么建。正常情况下,同时押两个大赌注很容易押错:注意力被拆散,两边都输,或者更难的那边先倒。Polosukhin 属于少数例外。两个赌注都滚出了复利,因为它们背后是同一个判断:开放、去中心化的基础设施,最后会成为长期 AI 产品需要的平台。对局外人来说,能带走的结论其实很窄:并行赌注要共享同一个下注逻辑才有用,光抢同一个人的注意力不够。
样本里,层级是怎么跳上去的
T4/T5 到 T3:样本里的描述性关联。 T3+ 里,PhD 持有者占比高于 T4/T5(子组中 43% vs 17%,原始计数;因果方向未知,PhD 也和年龄、领域、角色类型、纳入概率混在一起)。和已经在网络里有边的创始人共同创业,也更常出现在 T3+ 案例,而不是 T4/T5 案例。公开教学在 T3 同样更常见(当前关键词检测为 26% vs 约 7%)。到底是教学把人往上拽,还是人已经显著后更容易去教学,现在说不清;这里更像是在记录高层级人物常做什么,不是在给人开处方。
数据集内构成:T3 vs T4/T5(描述性关联,不是预测因子)
PhD(任何学校)
43.6%
T3(CI 36.5-50.9%)· vs 16.8% T4/T5(CI 10.9-25.0%)
公开教学
25.7%
T3(CI 19.9-32.6%)· vs 7.5% T4/T5(CI 3.8-14.1%)
连接到 T2
36.9%
T3(CI 30.1-44.1%)· vs 29.9% T4/T5(CI 22.1-39.2%)
平均连接数
3.3
T3(n=179)· vs 2.9 T4/T5(n=107)
Wilson 95% 二项置信区间。PhD 和公开教学的 CI 都很宽,但没有重叠,样本内差异很可能不只是噪声。连接到 T2 和连接到 T1 的 CI 有重叠,所以这些差距没表面那么稳。这里讲的是样本内构成,不是因果预测因子。
0美元打法(这里说的是本样本人群中观察到的模式,不是成功概率)下面这些,是被纳入的 T3+ 局外人真实做过的事,只能代表样本内构成。它不是预测模型,数据集也抓不到那些做了同样动作却没被外界看见的人。 阶段1(第0-12个月):公开教学。盯住一个具体 AI 细分领域,持续做课程、教程系列或分析博客,也有人选择给现有 AI 开源项目出力。本样本中,公开教学在 T3 比 T4/T5 更常见(26% vs 约7%);因果方向未知,但这张牌经常出现在被纳入的案例里,而且不花钱。 阶段2(第6-18个月):被一位 T2 或 T3 人物看见。教学和写作有时会把机会引上门,也会通向与已有网络边的人共同创办或合作项目。在这个数据集里,许多 T3+ 局外人案例都有与已有连接创始人的共同创办关系。 阶段3(第12-36个月):做基础设施工具(样本内 T3+ 占比80%,n=10,CI 约49-94%),或扎进某个垂直领域,让专长变成护城河。没有既有网络锚点而冷启动通用 AI 公司,在所有被纳入的 T3+ 局外人案例中都没有代表。这个缺口更适合读成风险提示,而不是失败率。
这项分析没抓到什么
范围偏差。 这本书看的是 核心 AI 行业:前沿实验室、基础模型公司,以及直接塑造 AI 怎么被做出来、怎么落地的投资者与基础设施建设者。层级排名只量这个特定世界里的影响力,不覆盖垂直 AI(医疗 AI、法律 AI、气候 AI)、更广泛的投资行业、AI 之外的企业软件、政府、AI 研究之外的学术界,或其他任何领域。一个人在这个数据集里是 T5,可能仍然是自己领域最有影响力的人。所以上面的层级、进入路径和样本内占比,都只能放在这本书的研究范围里看。对正在垂直 AI、应用 ML、AI 政策或相邻行业建立职业的人来说,这些模式更像路标,不是自己那片地形的地图。
Ashton Anderson,University of Toronto — 2026-05-20。
Beyang Liu,Sourcegraph — 2026-05-20。
Bret Taylor,Sierra — 2026-05-20。
Chelsea Finn,Physical Intelligence — 2026-05-20。
Chris Manning,Stanford — 2026-05-20。
Chris Olah,Anthropic — 2026-05-20。
Clay Bavor,Sierra — 2026-05-20。
David Lazer,Northeastern — 2026-05-20。
Demetrios Brinkmann,MLOps Community — 2026-05-20。
Diyi Yang,Stanford — 2026-05-20。
Elad Gil,Gil Capital — 2026-05-20。
Emil Eifrem,Neo4j — 2026-05-19。
Emma Brunskill,Stanford — 2026-05-20。
Erik Brynjolfsson,Stanford HAI — 2026-05-20。
Ethan Mollick,Wharton — 2026-05-20。
Garry Tan,Y Combinator — 2026-05-20。
Harrison Chase,LangChain — 2026-05-20。
Hemant Taneja,General Catalyst — 2026-05-20。
Illia Polosukhin,NEAR Protocol — 2026-05-20。
Jake Hofman,Microsoft Research — 2026-05-20。
Jakob Uszkoreit,Inceptive — 2026-05-20。
James Landay,Stanford HAI — 2026-05-20。
Jason Lemkin,SaaStr — 2026-05-20。
Jason Wei,ex-Google Brain — 2026-05-20。
Jeff Dean,Google DeepMind — 2026-05-20。
Jerry Chen,Greylock — 2026-05-20。
Jerry Liu,LlamaIndex — 2026-05-20。
Joao Moura,CrewAI — 2026-05-20。
Kendall Clark,Stardog — 2026-05-20。
Kevin Weil,ex-OpenAI — 2026-05-20。
Konstantine Buhler,Sequoia — 2026-05-20。
Laszlo Bock,ex-Google / Humu — 2026-05-20。
Lukasz Kaiser,OpenAI — 2026-05-20。
Martin Casado,a16z — 2026-05-20。
Matt Turck,FirstMark — 2026-05-19。
Michael Bernstein,Stanford — 2026-05-19。
Mike Krieger,Anthropic — 2026-05-20。
Milind Tambe,Harvard / Google — 2026-05-20。
Neel Nanda,Google DeepMind — 2026-05-20。
Nicholas Christakis,Yale — 2026-05-20。
Niki Parmar,Essential AI — 2026-05-20。
Noam Shazeer,Google DeepMind — 2026-05-20。
Pat Grady,Sequoia Capital — 2026-05-20。
Percy Liang,Stanford / Together AI — 2026-05-20。
Pieter Abbeel,UC Berkeley — 2026-05-20。
Prasad Setty,ex-Google — 2026-05-20。
Reid Hoffman,Greylock — 2026-05-20。
Richard Socher,Recursive AI — 2026-05-19。
Rob Cross,Babson — 2026-05-20。
Saam Motamedi,Greylock — 2026-05-20。
Sandy Pentland,MIT — 2026-05-20。
Sarah Guo,Conviction — 2026-05-20。
Sergey Levine,Physical Intelligence — 2026-05-20。
Sholto Douglas,Anthropic — 2026-05-20。
Sonya Huang,Sequoia Capital — 2026-05-20。
Stacia Garr,RedThread Research — 2026-05-20。
Tom Brown,Anthropic — 2026-05-20。
Tsedal Neeley,HBS — 2026-05-20。
Victoria Krakovna,Google DeepMind — 2026-05-20。已核验。
Wade Foster,Zapier — 2026-05-20。
如果您在书中被提及并希望审阅自己的档案,请使用地图上的 Contribute 按钮或直接联系作者。
本书主张什么,不主张什么
即使经过上述核验,本作品仍按 "as is" and without any warranty of any kind 提供,不作明示或默示保证。在世人士、私营公司和活跃商业关系的信息会不断变化。本书中的数字(估值、员工数、融资轮次、年龄、婚姻与家庭状态、职衔)反映写作时可获得的最佳公开信源,读者阅读时可能已经过时。作者和贡献者不保证本作品中任何信息的准确性、完整性、及时性,或其适合任何特定目的。
如何实际使用这些限制。引用本书发现时,尤其是百分比、中心性排名、「谁连接谁」或「这类人会成功」这类说法,最稳妥的做法是先交代切片:「在本数据集捕捉到的 420 位公开可见核心 AI 与企业 AI 人物中,...」。方法审计日志(notes/ML_AUDITING.md)在当前版本中也用这个框架重写相关声明。
公众人物与善意评论
本书讨论的人,要么是公众人物,要么已因公司归属、投资活动、公开发言、监管听证或商业角色进入关于 AI 的公共讨论。人物与商业信息均来自已公开信源。涉及争议、纠纷、诉讼或其他敏感事件时,本书依据有记录的公开事件:法院文件、具名声明和已发表报道。评论、定性或解释,均为作者基于所引证据作出的善意评估,意在对公共利益事项进行善意评论。
这个项目不是正式的 Social Network Analysis,也不是正式的 Organizational Network Analysis。它是一张现代 AI 行业的公开数据知识图谱,基于媒体报道、文件、论文、公司页面、公开履历和其他开放信源构建。地图用来探索、叙事和提出假设,不用来测量私人信任、组织内部影响力或因果性组织动态。
边类型和边强度分桶(strong、medium、weak、latent、affiliation)是针对本领域的编辑分类,让公开关系更容易检查和比较;不应理解为经过验证的 SNA 或 ONA 工具、心理测量指标,或影响力的权威度量。
正式 SNA 和 ONA 需要本项目没有使用的结构化数据:问卷、通信元数据、协作记录、决策流程、角色语境,以及其他内部或一手记录。作者关于 ONA 与组织智能的另一项工作,见 Columbia 上关于 Organizational Intelligence Loop(OIL)框架的论文:Columbia Academic Commons 和 SSRN。
本书任何声明都不应解读为正式 SNA 或 ONA 结果。本项目是一张公开的、教育性的 AI 行业可观察关系地图。
这 420 人最初由 AI 辅助研究流程筛出。起点是已知的前沿 AI 实验室、主要 AI 基础设施公司、企业 AI 平台、顶级 AI 投资人、基础研究者和组织情境专家,随后沿公开关系向外扩展:联合创立、雇佣、投资、董事会席位、顾问关系、学术传承、合著、收购,以及有助于解释 AI 行业影响力如何流动的公开家庭或信任关系。
名单是参考层,不是叙事章节。入选主要看四条规则:
现代 AI 决策权威。此人在前沿实验室、超大规模云厂商、模型公司、基础设施企业、企业应用或 AI 专项基金中掌握训练、部署、资本、招聘或治理方面的决策权。