OpenAI再失三员大将：Sora关停之后，山姆·奥特曼要的不是“酷项目”，而是能卖出去的AI

OpenAI又有核心人物出走。负责科学研究计划的Kevin Weil、Sora背后的研究员Bill Peebles，已在4月17日宣布离职；据《Wired》报道，企业应用CTO Srinivas Narayanan也将离开。这三个人分属研究、产品和企业业务，放在同一天看，信号比单纯的人事新闻更直接：OpenAI正在缩窄战线，减少那些“看上去很前沿、但短期很难赚钱”的项目。

如果只把这理解成高管流动，就低估了它的意义。Sora上个月已被关闭，原因之一是据报道每天烧掉约100万美元算力成本；OpenAI for Science也被并入其他研究团队。公司一边裁撤“支线任务”，一边把方向对准企业AI和传闻中的“superapp”。这说明OpenAI现在更在乎统一产品线、降低资源分散，而不是继续维持一个像研究实验室那样容纳高熵探索的组织形态。

离职名单背后，是OpenAI主动收缩“副本”

Kevin Weil的离开有些讽刺意味。就在离职前一天，他所在团队刚发布面向生命科学与药物研发的GPT-Rosalind；更早之前，他主导的OpenAI for Science推出了Prism，试图用AI加速科学发现。但这条线从2025年10月正式亮相到现在，不过半年多，已经被并入其他团队，说明它没有拿到足够高的内部优先级。

Bill Peebles的表态更直接。他承认，Sora点燃了整个行业对AI视频的投资热情，但也强调，这类研究需要脱离主航道的空间。他这句话其实点到了问题核心：今天的OpenAI，已经不像一个愿意长期养“偏门研究”的实验室，更像一家要把训练资源、推理资源和商业包装统一到主力产品上的平台公司。

真正重要的是：OpenAI开始像微软，而不是像贝尔实验室

这件事真正重要的地方，不在于Kevin Weil是不是明星经理人，也不在于Sora是否可惜，而在于OpenAI的组织目标变了。过去几年，外界对OpenAI的想象包含两层：一层是做出最强模型，另一层是不断放出新奇产品，把“未来感”变成话题。现在第二层正在退场。

横向看，Anthropic更像“模型公司”，产品节奏相对克制；Google DeepMind保留更多长期研究气质，哪怕商业转化没那么整齐；Meta则习惯大开大合，能接受更高的试错率。OpenAI原本同时扮演三种角色：研究机构、消费产品公司、企业平台。问题是，这三种角色都会吞噬算力和管理带宽，最后总要选一个优先级。

OpenAI眼下这条路，并不稀奇。很多技术公司在从“技术秀场”走向“收入责任制”时都会做同样的事：砍掉昂贵、难规模化、难解释ROI的项目，把最好的GPU和最强的人放到最能带来续费和合同的地方。Sora每天百万美元级别的算力消耗，就是一个足够冷酷的财务锚点。

谁会受益，谁会更难受

对不同人群，这次调整的感受差异很大：

• 企业客户会更受益，产品路线会更稳定
• 开发者会看到API和工具链进一步集中
• 普通用户会更少见到“惊艳但不成熟”的实验产品
• 研究人员会更清楚.内部探索空间正在变窄

如果你是企业采购负责人，这反而是个偏利好的消息。一个收缩支线、统一主线的OpenAI，更容易给出清晰的路线图，也更方便围绕ChatGPT、API、代理工具和办公套件做预算。相反，如果你是做生成视频、科研探索平台、前沿交互的人，接下来更现实的变化是：原本可以依附OpenAI品牌推进的项目，可能要自己找商业模式，或者转投更愿意承担研究不确定性的团队。

公开说法很体面，现实约束还是算力、利润和组织摩擦

公开表态里，Weil谈的是“加速科学”，Peebles谈的是“研究需要熵”，这些都没错。但现实层面的约束更具体：训练与推理成本高企、企业客户需求更可预期、超级应用要整合入口，都会逼着管理层做取舍。尤其在OpenAI既要维持最强模型竞争、又要扩展企业收入、还要准备更大规模产品发布的阶段，任何不能快速证明价值的项目都会变得脆弱。

还有一个容易被忽略的背景：科学研究和视频生成都不是简单叠加一个大模型就能稳妥落地的业务。生命科学涉及专业数据、实验验证和合规流程；视频生成则面临高成本、版权与安全审核压力。它们都容易制造舆论声量，却不一定能在短期内变成大规模、低摩擦的收入来源。站在董事会和财务视角，这类项目最先被压缩，几乎是组织规律。

Peebles说，培养“熵”才有利于研究实验室长期繁荣。问题在于，OpenAI今天是否还把自己主要定义为“研究实验室”。从这次动作看，答案越来越接近“不”。