5名前OpenAI员工凑在一起，刚完成首轮募资，目标1亿美元。他们给基金取名Zero Shot——这是个机器学习术语，指模型未经专门训练就能解决新问题。这个命名本身就像个隐喻：他们要用未经VC行业规训的眼光，去找那些被传统基金错过的机会。
创始合伙人Evan Morikawa、Andrew Mayne、Shawn Jain都来自OpenAI核心时期。Morikawa是DALL·E和ChatGPT发布时的应用工程负责人，现在去了机器人创业公司Generalist。Mayne是OpenAI首位提示词工程师，后来创办了AI部署咨询公司Interdimensional，还主持着一档播客。Jain则是工程师出身，后来转型VC，又创办了自己的生成式AI公司Synthefy。
另外两位合伙人同样背景复杂。Kelly Kovacs曾是01A的创始合伙人，这家成长阶段基金由前Twitter CEO Dick Costolo和Adam Bain创办。Brett Rounsaville来自Twitter和迪士尼，现在同时担任Mayne那家Interdimensional的CEO。
五个人凑齐后做的第一件事，是复盘自己过去两年被"白嫖"的经历。
离开OpenAI后，他们不断收到两类请求：VC找他们咨询前沿AI技术，创业朋友找他们要建议。Mayne干脆开了咨询公司来承接这些需求。「有些朋友从OpenAI出来想创业，」Mayne告诉TechCrunch，「我们发现自己对方向判断挺准，还能接触到一群我们认为很厉害的builder。」
但聊得越多，他们越发现一个怪现象：大量AI创业公司拿到钱，做的却是市场并不真正需要的东西。这个gap让他们动了心思——「也许我们该自己募个基金。」
从被咨询到当GP，中间隔了一层窗户纸
科技行业的校友网络从来不缺故事，但OpenAI这批人的特殊性在于时间窗口。他们从ChatGPT发布前就在模型层工作，亲历了这家公司从研究实验室到消费级产品的狂暴增长。这种经历在2022年之前几乎不存在，在2023年之后又变得过于拥挤。
Morikawa的履历最能说明问题。DALL·E和ChatGPT的发布间隔不到一年，他是少数同时参与两者应用工程的人。这意味着他既懂多模态模型的产品化陷阱，也懂对话式AI的用户留存曲线。这种复合经验在招聘市场上溢价极高，但Zero Shot的玩法是把它变成投资判断的杠杆。
Mayne的角色更微妙。作为「首位提示词工程师」，这个title本身就带着点历史偶然性——2020年前后OpenAI需要有人系统性地研究怎么跟模型对话，他就成了那个人。后来这个岗位演变成AI产品经理的标准技能，但他的早期积累让他建立了一个横跨研究、产品和内容创作的社交网络。
Jain的路径则是反过来的：工程师→VC→创业者。这种循环在硅谷不算罕见，但结合他在OpenAI的研究背景，意味着他能同时理解技术债务和资本结构。他创办的Synthefy专注于生成式音频，这个选择本身也说明他对「AI应用层」有自己的优先级排序。
Kovacs的加入带来了机构VC的纪律性。01A是2015年成立的老牌成长基金，Costolo和Bain的Twitter背景让它在社交媒体赛道有独特优势。Kovacs从那里带来的可能是估值锚定和条款谈判的经验——这些东西在天使轮看起来多余，但在B轮能救命。
Rounsaville的履历最跨界。Twitter和迪士尼的组合听起来不搭，但恰好覆盖了「实时信息流」和「IP内容运营」两个极端。他现在同时管着Interdimensional的CEO职务，这种双重身份在VC行业通常被视为利益冲突，但Zero Shot似乎不介意——或者说，这正是他们想要的「运营型投资」人设。
「Zero Shot」这个名字的潜台词
机器学习里的zero-shot learning，指的是模型在训练时没见过某类任务，但靠泛化能力就能完成。比如GPT-4从没专门学过土耳其语诗歌翻译，你给它几个例子，它就能凑合干。
把这个概念搬到VC命名上，Zero Shot的暗示很明显：他们认为自己不需要像传统基金那样「看很多案例才能形成判断」，而是可以凭借在OpenAI积累的直觉，直接识别出有价值的机会。
这种说法在LP（有限合伙人）面前可能有点冒险。VC行业的共识是，投资需要pattern recognition，而pattern recognition需要大量样本训练。Zero Shot的反驳可能是：AI领域的pattern本身在快速失效，2021年的成功经验在2024年可能是负资产。
他们已经投了几个项目，但具体名单没有公开。从已知信息推断，投资阶段应该在种子轮到A轮之间，单笔规模可能在100万到500万美元区间——这是新基金常见的起步策略，先攒够portfolio数量，再追求明星项目。
OpenAI校友基金的集群效应
Zero Shot不是第一个由OpenAI前员工发起的投资实体，但它是结构最正式的一个。此前更常见的模式是：个人天使投资、松散 syndicate、或者通过现有基金做scout。
这种集群效应有其合理性。OpenAI在2022-2023年的扩张期雇佣了大量人才，很多人在2024年的组织架构调整中离开。他们带着对模型能力的内部认知、对Sam Altman管理风格的适应经验、以及对AGI时间线的个人判断，散落在创业和投资两条轨道上。
对创业者来说，拿OpenAI校友的钱有双重含义。正面是技术尽调可能更顺畅——这些GP知道你的方案在GPT-5时代是否还有生存空间。负面是估值谈判可能更艰难——他们太清楚训练成本和推理延迟的真实数字，不容易被PPT里的「技术壁垒」忽悠。
Mayne在采访中提到的「gaping holes」值得展开。AI投资热潮中确实存在系统性错位：大量资金涌向基础模型层，但应用层的 winner 尚未出现；每个垂直领域都有几十个「AI+XX」的创业公司，但用户留存数据普遍难看；infra层的故事很性感，但客户实际上是几家大厂的内部团队。
Zero Shot的应对策略似乎是「反共识」——不追最热的风口，而是找那些「只有懂行的人才知道有价值」的机会。这种策略的成败取决于两个变量：一是OpenAI的内部经验到底有多强的可迁移性，二是他们能否在「懂行」和「偏见」之间保持平衡。
1亿美元在2025年能买什么
按传统VC的2-2.5%管理费计算，Zero Shot每年运营预算大约200-250万美元。五个人分，加上行政开支，算不上宽裕。这意味着他们必须快速证明业绩，才能在2027年前后启动下一期基金。
1亿美元的规模也有战术考量。太大，LP会要求看mega deal；太小，又无法支撑必要的portfolio diversification。当前AI种子轮的平均估值在800-1500万美元之间，Zero Shot如果占股10-15%，可以投15-25个项目，这是第一只基金的合理仓位。
更现实的约束来自退出环境。2024-2025年的IPO窗口对AI公司并不友好，并购市场又由微软、Google、Nvidia等少数买家主导。Zero Shot的portfolio公司如果不能在3-5年内找到接盘方，基金周期会被迫拉长。
Mayne的咨询公司Interdimensional可能是另一个变量。如果Zero Shot的投资项目需要AI部署支持，Interdimensional可以提供服务——这种「投资+服务」的混合模式在enterprise SaaS领域常见，但在AI infra层还不多见。潜在的利益冲突需要披露，但如果处理得当，也能创造差异化价值。
Zero Shot的成立时间点本身就有信息含量。
2024年下半年以来，AI投资市场出现明显分化：基础模型层的融资集中在少数头部玩家（OpenAI、Anthropic、xAI），应用层则进入「证明PMF」的残酷筛选期。新基金在这个窗口募资，说明LP群体里还有人相信「AI原生应用」的故事，只是对执行团队的要求更高了。
五个创始人的组合试图回应这种要求：技术判断力（Morikawa、Jain）、产品直觉（Mayne）、机构经验（Kovacs）、跨界运营（Rounsaville）。这种拼盘式架构在基金早期常见，真正的考验是两年后——当投资节奏加快、portfolio出现分化、合伙人之间对某个项目的价值判断不一致时，他们能否维持决策效率。
OpenAI本身的演变也会持续影响Zero Shot。如果GPT-5发布时展现出更强的agent能力，很多现有创业公司的技术假设会被推翻；如果OpenAI加速商业化、挤压下游空间，Zero Shot的portfolio可能面临直接竞争。这些都不是他们能控制的变量，但「来自OpenAI」这个标签会让他们被反复问及对这些问题的看法。
基金名称里的「Zero Shot」还有一层容易被忽略的含义：在机器学习语境中，zero-shot performance通常低于few-shot或fine-tuned的结果，但优势是成本低、速度快。这或许也是Zero Shot基金的投资哲学——不求每个项目都命中，但求决策成本低、迭代速度快，在不确定性中积累optionality。
他们已经完成了first close，开始写支票。接下来的18个月，市场会检验这个「未经专门训练」的基金，能否在AI投资这个高度竞争的领域找到属于自己的niche。
如果让你选：拿一个传统VC的钱，还是拿前OpenAI员工的钱——前提是你的项目正好落在他们认定的「gaping hole」里，你会怎么选？
热门跟贴