OpenAI 旧将悄悄组了个 1 亿美元基金：懂模型的人，开始亲自下注 AI 创业了
OpenAI 的“校友经济”又往前走了一步。
据 TechCrunch 报道，一个与 OpenAI 关系颇深的新基金 Zero Shot 已经完成首轮募资，目标规模瞄准 1 亿美元，目前先关账了 2000 万美元，而且已经开始出手投资。基金名字也很 AI，来自“zero-shot”这个术语——不额外训练也能完成任务，听上去像是在说模型能力，也像在形容这群人：他们从研究、产品、工程一线走出来，没怎么铺垫，就直接跨进了风险投资。
Zero Shot 的创始团队里，有三位来自 OpenAI 的早期成员：曾在 DALL·E 和 Codex、ChatGPT 发布时期担任应用工程负责人 Evan Morikawa；被称为 OpenAI 最早“提示词工程师”之一、也做过官方播客主持人的 Andrew Mayne；以及做过工程师和研究员、后来又转去做投资的 Shawn Jain。团队里还有前 01A 合伙人 Kelly Kovacs，以及曾在 Twitter 和 Disney 工作、如今也是 Mayne 旗下 AI 咨询公司 Interdimensional CEO 的 Brett Rounsaville。
这不是一支传统意义上“华尔街式”的基金。它更像一群在大模型浪潮里亲手搭过船的人，离开 OpenAI 后，发现自己同时被两拨人追着问：投资人想知道 AI 到底会怎么变，创业者想知道自己该不该现在下场。问的人多了，他们干脆自己设了一个牌桌。
从“懂 AI 的顾问”变成“亲自投的人”
这件事真正有意思的地方，不在于又多了一支 AI 基金，而在于：现在市场开始相信，最懂下一波 AI 机会的人，未必是老牌 VC，而可能是上一波模型革命的建设者。
过去两年，硅谷出现了一个很明显的现象：一边是资金疯狂涌入 AI，一边是大量投资决策其实带着雾气。许多基金在追项目时，看的不是产品与需求是否匹配，而是创始人是否沾了“OpenAI、Anthropic、DeepMind”这些标签。于是市场上诞生了大量“听起来很像未来”的公司：做 AI Copilot 的、做数字分身的、做机器人数据平台的、做自动编程外壳的。名字都很新，PPT 都很亮，但真正能沉淀为产品壁垒的并不多。
Zero Shot 这支基金，某种程度上就是对这种“热闹型投资”的回应。Andrew Mayne 对 TechCrunch 直说，他们之所以决定自己做基金，是因为看到了资本投向和真实市场需求之间存在明显空档。翻译成人话就是：很多钱投得太快了，很多方向看着热，其实不一定成立。
这让我想到 2021 年那波 Web3 投资热潮。那时人人都在讲基础设施、协议层、去中心化未来，结果几年过去，真正留下来的还是少数。AI 现在当然比当年的 Web3 更具现实价值，但资本市场的情绪机制没变：一旦确定这是“新时代主线”，就会先把赛道炒热，再慢慢筛掉泡沫。Zero Shot 代表的，正是筛泡沫的人开始入场了。
他们投了什么，比他们不投什么更重要
目前 Zero Shot 已知投了几家公司，其中包括 OpenAI 前产品经理 Angela Jiang 创办的 Worktrace AI。这家公司做的是企业管理软件，但切口不是简单地“让 AI 帮你自动化”，而是先判断企业里到底哪些流程值得自动化。这个思路很务实，也很有时代感。
因为今天很多企业上 AI，最大的障碍不是模型不够聪明，而是不知道该把模型塞进哪条业务链里。流程梳理、权限设计、数据接入、责任边界，这些问题都比“接入一个大模型 API”要复杂得多。Worktrace AI 如果真能先做诊断，再推动自动化，它解决的是企业 AI 落地里最不性感、却最值钱的一段。
另一笔投资是 Foundry Robotics，一家做下一代 AI 工厂机器人的公司。它最近完成了由 Khosla Ventures 领投的 1350 万美元种子轮。把 AI 和机器人放在一起，是现在硅谷最令人兴奋也最容易高估的方向之一。很多人喜欢讲“具身智能”会成为继大模型之后的下一站，但从实验室能力到工业场景部署，中间隔着的是良率、维护成本、供应链和工厂安全规范，不是几段演示视频就能跨过去的。
Zero Shot 还投了一家暂时处于隐身模式的创业公司。按硅谷规矩，这种“先投再慢慢揭面纱”的故事，往往最能吊胃口。但比起神秘感，Zero Shot 更值得关注的是它公开说了自己不看好什么。
当所有人都在追风口，他们在公开谈“避坑”
Andrew Mayne 表示，他对大多数“vibe coding”项目持保留态度。这个词在近两年很火，大意是开发者通过自然语言和 AI 协作，以一种更直觉、更像“感觉驱动”的方式写代码。它当然有真实需求，也确实诞生了一批增长很快的产品。但 Mayne 的判断是，模型公司自己在编程能力上的推进速度太快，很多外层产品的订阅价值可能很快被吞掉。
这个判断并不激进，反而相当冷静。过去一轮 AI 创业中，最危险的一类公司就是“贴着基础模型能力做一层很薄的壳”。它们早期增长会很快，因为用户愿意为效率买单；可一旦 OpenAI、Anthropic 或 Google 直接把核心功能集成进自己的主产品，这些创业公司就会瞬间从“新入口”变成“可替代插件”。历史已经反复证明，平台升级时，离平台太近的创新往往最脆弱。
Morikawa 则对当下机器人领域很热的一批“视频数据公司”不太买账。这些公司主打通过人体操作视频或具身数据去训练机器人，让机器学会更自然地与物理世界互动。但他的观点很直接：现在行业里对“如何跨越 embodiment gap（具身鸿沟）”仍然带着很强的希望主义，技术上并没有接近真正可行。
这话听起来有点泼冷水，但冷水在风口里恰恰稀缺。过去半年，只要沾上“机器人+基础模型+世界模型”，估值就容易起飞，仿佛通用机器人明天就能上工厂、后天就能进家庭。可现实从来不是这样推进的。自动驾驶花了十几年还没彻底走完最后一公里，机器人只会更慢，不会更快。
Mayne 还提到，自己对多数“数字孪生”创业公司也保持怀疑。他甚至为此做过技术尽调，搭了推理模型去测试，最后发现普通大语言模型的效果并不差。这句话对创业者来说多少有点扎心：有些看起来高深的概念，最后未必比一个调教得更好的通用模型更值钱。
OpenAI 校友基金潮，可能才刚开始
Zero Shot 并不是孤例，它只是一个缩影。随着 OpenAI、Anthropic、DeepMind 等机构培养出越来越多具备“模型直觉”的产品人和工程师，AI 行业正在出现一种新的权力转移：过去解释技术的人是研究员，配置资本的人是投资人；现在，两种角色正在重叠。
这会带来一个很微妙的变化。未来最受欢迎的基金，可能不一定是钱最多、品牌最老的那家，而是那些真正知道模型能力边界在哪里、知道什么只是 demo、什么能长成业务的人。尤其在 AI 这样非线性演进的行业里，“预测下一步模型会走到哪”本身就成了一种稀缺资产。Morikawa 那句“这不是线性的”，其实点中了要害。很多投资人习惯用 SaaS 时代的经验判断 AI 创业，但大模型的跃迁往往不是按季度线性增长，而是某个版本更新后，整条赛道的价值分布都被改写。
Zero Shot 还请来了几位顾问，包括 OpenAI 前人力负责人 Diane Yoon、前 OpenAI 与苹果公关高管 Steve Dowling，以及前 OpenAI 产品负责人 Luke Miller。这些名字背后说明一件事：今天 AI 创业的竞争，不只是技术和资金的竞争，也是人才网络、品牌背书和资源调动能力的竞争。
我对这支基金的兴趣，恰恰不在它的 OpenAI 光环，而在它是否真能持续保持“逆热度投资”的能力。因为在风口里，人人都说自己理性，真正难的是当一个赛道人人看好时，你敢不敢不投；当一个方向还没热起来时，你能不能提前看见。
更大的问题也在这里：当越来越多来自头部 AI 公司的人既掌握技术判断，又开始掌握资本分配权，行业会不会进一步向少数圈层集中？这会提升投资效率，也可能加剧资源向“熟人网络”聚拢。创业公司想拿钱，未来是不是越来越要先进入这些核心技术共同体的视野？这值得继续观察。
说到底，Zero Shot 不只是一个新基金的故事。它像是 AI 行业进入下一个阶段的一个小信号：从全民追模型，进入比拼理解力的时候了。热钱还在，故事也还很多，但真正决定谁能穿越周期的，可能不再是“谁讲得最像未来”，而是谁最清楚未来什么时候会来，什么时候根本不会来。