硅谷又开始频繁提起「黑帮」这个词，这次被套用到的对象，不是当年的 PayPal，而是从 OpenAI 和 Anthropic 离开的一批人。
在 TechFlowPost 作者 David 看来，这个词在硅谷长期沉寂后重新出现，背后是两家头部 AI 公司正在持续向外输送创业者。文章写道，2026 年刚过去大半年，从 OpenAI 和 Anthropic 出走、转身创办新公司的人，已经多到可以拉出一份长名单。
从实验室离开后，创业方向开始集中到大模型外围
报道提到，2002 年 eBay 以 15 亿美元收购 PayPal 后，一批经历过公司从 0 到 1 的年轻人离开，后来分别创办或参与了特斯拉、SpaceX、Palantir、LinkedIn、YouTube 等公司，「PayPal 黑帮」一词也由此流行。按文中说法，「黑帮」在这里并不是贬义，而是一种对成功背景和再创业能力的认证。
这次被放到同一语境里的，是 OpenAI 和 Anthropic 的离职者。但与 PayPal 时代不同，新的创业潮没有大规模涌向基础模型本身。文章给出的解释很直接：训练前沿模型往往需要几十亿美元，OpenAI、Anthropic 和 Google 已经在主干位置贴身竞争，创业公司如果正面进入，生存空间极小。
不过，模型能力越强，周边留下的空地反而越多。文中认为，眼下的瓶颈已经不只是「模型会不会」，而是能不能真正干活、干完后是否可信、可信之后是否可控。大公司顾不上、或者不适合亲自处理的问题，恰好成为这批离职者集中的创业方向。
自动化研究、自我改进与验证系统成为重点
文章先提到一块最激进的空白：让 AI 自己研究 AI。
前 OpenAI 研究副总裁 Jerry Tworek 与几位同事创办了 Core Automation，目标是建设自动化研究实验室，让模型自行阅读论文、提出假设并运行实验。按照文中描述，这一判断相当明确：AI 继续进步的瓶颈，已经不再只是算法，而是研究人手。
与之相近的还有 Mirendil。该公司由前 Anthropic 研究员 Behnam Neyshabur 等人组建，刚刚拿到 2 亿美元，做的是「自我加速系统」，让模型参与改进模型本身。在这个框架里，人的角色更像监督者，而不再是研究主体。
模型开始承担更多工作后，新的问题随之出现：怎么确认它做得对。文章把这一方向概括为「AI 可信」。
文中指出，在多数领域里，验证 AI 给出的答案，成本往往高于生成一个答案。前 OpenAI 研究员 Jesse Han 创办的 Math Inc 就押注在这个环节，尝试把数学证明转化为机器可以逐行验证的形式。报道认为，数学属于少数能够彻底检验对错的领域之一，如果验证能力能先在这里跑通，才可能迁移到其他行业。随着 AI 开始替人做决策，证明结果正确本身可能会变得比生成结果更有价值。
智能体工作流、个人 AI 与 AI 时代硬件也在扩张
文章还把视线转向更贴近日常使用的一层：如何把模型的「聪明」变成真正能办事的系统。
报道写道，从模型会答题，到模型能替用户完成任务，中间隔着大量具体工作，包括调用工具、拆解任务、保留上下文，以及把一件事从头执行到尾。这些能力本身也需要额外工具支撑。
在这条路上，Rational 和 Zavify 分别由 OpenAI 和 Anthropic 前员工创办，主要落在 agent 工作流，帮助企业把业务流程交给智能体运行。与此同时，前 xAI 联合创始人 Igor Babuschkin 创办的 River AI，则试图打造真正属于个人、由个人塑造的 AI。
文中还提到一个较为特殊的项目。前 OpenAI Codex 工程师 Daniel Edrisian 创办 Blackstar，选择从硬件切入，目标是做一台为 AI 时代重新设计的个人电脑。
安全与评估被单独做成生意
当 AI 能承担更多任务后，谁来监督也成了独立问题。文章认为，AI 公司自己宣布「模型很安全」并不足以令人信服，因为运动员不能同时做裁判，这使得安全评估有机会成为单独的商业方向。
按报道梳理，这类公司多数由曾在 OpenAI 或 Anthropic 内部亲手研究 AI 安全的人创办，主要分布在几类工作上。
- Syntony 由前 Anthropic 团队创办，核心工作是主动寻找系统漏洞，诱导 AI 犯错，测试其是否会越界。
- Resolution 由前 OpenAI 研究员创办，关注如何确认 AI 是否真的按人的意图执行任务，并尝试给这种把握程度打分。
- Guidelight 同样出自 OpenAI 前员工之手，目标是给行业定义哪些做法可以算作安全，并推动相关标准落地。
文章认为，这批公司并不去追逐 AI 能力的上限，而是在守住底线。模型越能干，这类公司的需求可能越大。
与 PayPal 黑帮相比，新创业者的方向更收敛
报道把这轮 AI 创业潮与 PayPal 黑帮做了对照。两者的差别，被概括为「分散」与「收敛」。
PayPal 出走的创业者后来分散到支付、社交、航天、情报分析等多个领域，因为当时互联网世界的机会分布更广；而这批新的 AI 创业者，方向明显更加集中。按文中说法，AI 周边真正有空间的地方就那么几块，而全球对模型理解最深的一批人，正在用实际去向标出下一个瓶颈所在。
员工套现、IPO 预期与 VC 追逐，共同推动这轮出走
文章认为，PayPal 黑帮能形成规模，一个重要前提是 eBay 收购带来的集中流动性事件。2026 年的 AI 行业，也出现了类似道具。
据报道，去年秋天 OpenAI 安排了一轮老股转让，员工合计套现 66 亿美元，公司估值达到 5000 亿美元。文中还提到，OpenAI 和 Anthropic 都在筹备上市，最快可能在今年落地。对早期员工而言，上市前夜是离开的好时点，因为手中的纸面财富即将接近兑现；若再晚离开，可能需要继续被长期激励绑定数年。
风投机构也早已盯上这批人。文章称，硅谷 VC 已形成蹲守两大实验室离职通道的惯例。OpenAI 首位销售负责人 Aliisa Rosenthal 已转做投资人，并公开表示将借助前同事网络寻找项目；前消费产品负责人 Peter Deng 也加入风投机构 Felicis。
在融资环境上，文中举了几项例子来说明资金追人的程度。报道提到，Mira Murati 在没有产品的情况下拿到 20 亿美元，Mirendil 刚亮相就获得 2 亿美元支持。按文章表述，资本追逐人才已经到了相当夸张的程度。
对离职创业者来说，风险账也并不复杂。文中写道，最差的结果，无非是回到大公司，再拿一份百万年薪。
赛道拥挤，最终能留下名字的可能不多
不过，文章并没有把这轮创业潮简单写成单向度的乐观叙事。
报道指出，目前由这些「AI 黑帮」创立的几十家公司，正挤在同几块空地上。每条路径上的竞争者都足够聪明，背景相近，资金也不短缺。拥挤的另一面，往往就是大多数会输。
文章拿 PayPal 黑帮作比，称这个故事之所以动人，很大程度上是因为人们只记得 Tesla 和 LinkedIn，而忽略了同时期倒下的几十家公司。对于眼下这份名单，几年后再回头看，真正还能被叫出名字的，文中判断或许不会超过五个。
更隐蔽的风险在于，这批公司的生意，不少都建立在同一个前提上：模型能力还会持续快速进步。无论是让 AI 干活，还是监督 AI 干活，客户需求和市场前景都与这一前提绑定。如果这个前提放缓，许多目前看似存在的空地，也可能同步缩小甚至消失。
即便如此，文章仍认为这份创业名单值得持续关注。给出的理由不是其中某几家公司一定会赢，而是当一个时代最重要的人才开始从同一个地方向外流动，他们的去向往往能更早提示行业下一阶段的重点。文章最后把这种判断落回一句话：树往哪个方向长，种过树的人最早知道。