从 HRT 实习生到对手：华裔创始人如何掌控了 AI

10 月 19 日，Alexandr Wang 在 X 上发了一张照片，三位多年未聚的老同事头一回重逢。配文「HRT 帮又聚齐了！」指的是哈德逊河交易公司（Hudson River Trading），这家纽约量化公司是 Wang、Cognition 的 CEO Scott Wu 和 Hyperliquid 创始人 Jeff Yan 大约十年前都当过实习生的地方。这张图看起来像一次重聚。但时机透露出别的东西。

六天前，Wang 在 Meta 超级智能实验室的团队发布了 Muse Wonder Full，一个为软件工程任务打造的前沿级推理模型。Meta 拒绝通过其公开 API 提供它。相反，该模型只在 Muse Code —— Meta 基于终端的 AI 编码智能体 —— 内部交付，而后者的主要商业目标正是 Devin，即 Scott Wu 现在领导的公司 Cognition 打造的自主软件工程师。

这张照片是一个关于 AI 产业新权力版图的结构性故事里的一个微小的人情细节。追踪 AI 栈的任何一个主要环节 —— 基础模型、编码智能体、客服自动化、AI 搜索、数据基础设施、半导体 —— 领先公司的创始人或 CEO 要么是华裔，要么是华人移民的子女。更醒目的是，很多情况下他们彼此私交甚笃，因为他们经由同样的招聘渠道、同样的量化交易公司，常常还是同样的早期雇主。

Meta 的前沿模型策略把竞争者挡在门外 —— 包括一家其自家负责人帮着建起来的

Wang 于 2025 年年中加入 Meta，当时该公司以 143 亿美元收购了 49% 股份——收购的是他的数据标注公司 Scale AI——并招募他来运营一个名为 Meta 超级智能实验室的新内部单元。Scale 正是 Scott Wu 离开哈佛后担任创始工程师的公司，也是 Cognition 的 CTO Steven Hao 作为早期工程师待了四年的地方。Hao 于 2022 年 5 月离开 Scale；到那年底，他和 Wu 创立了 Cognition。

9 月 8 日，Cognition宣布了一轮 E 系列融资，金额超过 20 亿美元，投后估值 480 亿美元。Andreessen Horowitz 和 Accel 领投；Founders Fund、General Catalyst 和 Avenir 参投。年化营收接近 9 亿美元 —— 高于春季那轮融资时的 4.92 亿美元。Cognition 点名的企业客户包括花旗集团、GE 航空、梅赛德斯-奔驰、英伟达和 Modal。

同一天，Meta 的消费级 AI 助手 Muse 发布，向美国用户开放，其智能体能发邮件、订旅行、在线购物。

编码智能体的对峙在 10 月 12 日至 13 日进一步加剧，当时 Meta 发布了 Muse Wonder 和 Muse Wonder Full。在 AI 基准服务 Artificial Analysis 发布的编码智能体指数上，Muse Wonder Full 得 68 分 —— 与在 Claude Code 内运行的 Claude Sonnet 5.5 持平。与通过 Meta 公开 API 以每百万输入 token 4 美元、每百万输出 token 20 美元提供的 Muse Wonder 不同，Muse Wonder Full 没有按 token 的价格。它只向 Muse Code 的 Power（每月 50 美元）和 Maximum（每月 200 美元）套餐订户交付。在 Meta 生态之外构建产品的开发者无法授权使用这个能力更强的模型。

这一限制之所以重要，是因为 Devin 的竞争地位一直部分建立在一个假设上：Cognition 可以购买访问任何最适合某个任务的前沿模型。在 2026 年 6 月的一期播客中，Scott Wu 把 Cognition 描述为志在成为编码智能体市场的「瑞士」—— 一个中立的编排者，把任务路由到 OpenAI、Anthropic、Google 和开源模型，为每项工作优化成本和质量。那套策略依赖上游的中立。当最有能力的工具被锁在一个直接竞争者的产品里时，中立就不再奏效。

延伸阅读：Meta 发布首个前沿模型 Muse Wonder，面向长时运行的智能体

Cognition 的 SWE-1.7 模型 —— 驱动 Devin 最苛刻任务的那个 —— 建立在Moonshot AI 的 Kimi K2 基础模型之上，由 Cognition 施加额外的强化学习训练。对第三方基座的依赖凸显了这种暴露。Devin 也为特定子任务使用 Claude Fable 5.1 和 OpenAI 的 GPT-6 Astra，但栈中最紧密的耦合 —— 处理最复杂软件工程的那个模型 —— 跑在一个 Cognition 自己并不控制的中国基础模型上。

建起这场竞争双方的人才流水线

Cursor，被 SpaceX 以 600 亿美元收购——2026 年 8 月——把它最新的自训练模型 Composer 2 建立在Moonshot AI 的 Kimi K2.5之上，通过 Jiao Lin 创立的推理平台 Fireworks AI 授权和托管。Lin 此前在 Meta 领导 PyTorch 基础设施，管理超过 300 名工程师。Fireworks AI 的估值已超过 150 亿美元，客户包括 Cursor 和 Perplexity。

这些彼此交叠的联系 —— 共同的前雇主、共同的模型供应商、共同的投资者 —— 并非巧合。它们是一条特定人才流水线的产物。

这条流水线的第一阶段是竞赛数学和计算机科学。Perplexity 的联合创始人兼首席战略官 Johnny Ho 在 2012 年国际信息学奥林匹克竞赛中拿了满分 40 分。Scott Wu 赢过多枚全国数学奥赛奖牌。英伟达 CEO 黄仁勋学生时代在台湾的数学竞赛中获过名次。业界观察者指出，中国的教育机构不成比例地培养出了如今定义 AI 产业领导层的、受过奥赛训练的人才。

流水线的第二阶段是量化交易。Jane Street、Citadel 和哈德逊河交易公司多年来直接从奥赛选手中招人。Wang、Wu 和 Yan 大约在 2016 年在 HRT 实习时，该公司正运行着最早的、面向竞赛数学人才的正式项目之一；Citadel 曾表示每年有 20 到 30 名参加过奥赛的实习生。这些交易台成了精英数学教育与科技领导层之间的主要桥梁，提供了其他职业路径无法匹敌的薪酬和智力挑战。

第三阶段是 AI 实验室。2024 年 MacroPolo 的一项分析发现，超过三分之一的 NeurIPS 论文作者拥有中国高校的本科学位，而其中约四分之三在美国机构工作。关于这一群体的报道记录了伴随其高曝光度而来的压力：16 小时工作日、极端的薪酬波动，以及一些创始人出于「被公开认定为华人可能影响投资者或客户关系」的顾虑而婉拒采访。

被 Wang 离开重塑的数据层

Scale AI 在数据标注市场的地位也被这笔 Meta 交易重构了。交易完成前，Scale 的客户名单包括 Google 和 OpenAI，这是全球三大模型开发者中的两家。两家公司都不希望自己的训练数据需求被一个如今由 Meta 共同持有的平台看到。Google 和 OpenAI 都把大量数据订单转移给了外部供应商。

主要受益者是 Surge AI，由 Edwin Chen 于 2020 年创立。Chen 此前在 Google、Facebook 和 Twitter 担任工程职位。他在没有风险投资的情况下建起 Surge，其明确理由是外部融资会扭曲激励结构、推高人头。据《福布斯》，Surge 在 2024 年以约 110 名员工产生了约 12 亿美元营收，而 Scale —— 拥有超过 1000 名员工 —— 同年报告 8.7 亿美元营收。Chen 在 Surge 约 75% 的持股使他以估计 180 亿美元净资产登上 2025 年福布斯 400 富豪榜。

芯片层：四位华裔 CEO 为其他所有人供应算力

虽然应用层和数据层呈现华裔创始人之间的直接竞争，基础设施层却呈现另一种结构：四位华裔高管领导着为整个产业 —— 包括彼此的竞争者 —— 供应 AI 算力的公司。

黄仁勋于 1993 年联合创立英伟达，当时它只是数十家试图在新兴消费图形市场占一席之地的硬件创业公司之一。该公司最近一个财季的数据中心营收达到 890 亿美元。苏姿丰自 2014 年起领导 AMD；该公司市值于 2026 年 9 月 21 日突破 1 万亿美元 —— 一年内上涨 187% —— 但仍落后于英伟达约 5.45 万亿美元。领导博通、出生于马来西亚槟城的 Hock Tan，在 2026 财年第三季度产生了 167 亿美元的 AI 半导体营收，同比增长 221%，由为 Google 的 TPU 项目、Meta 的 MTIA 芯片打造的定制加速器和一份与 OpenAI 的共同开发协议驱动。定制加速器占博通 AI 业务的 73%。Tan 已设定 1150 亿美元 AI 营收的目标，面向 2027 财年。

这一群体的第四位是 Lip-Bu Tan（陈立武），在 Pat Gelsinger 离职后于 2025 年 3 月被任命为英特尔 CEO。Tan 的任期在 2025 年 8 月一度动荡，当时特朗普总统因其此前对中国半导体公司的投资而要求他辞职。Tan 去了白宫。结果是：美国政府宣布对英特尔进行 89 亿美元的股权投资，代表 9.9% 的股份，而英伟达另外承诺 50 亿美元。

芯片层的动态造就了一种不寻常的激励结构。Meta 和 OpenAI 都与英伟达签了大额采购协议，同时也在订购定制加速器。OpenAI 于 2025 年 9 月与英伟达签了 10 吉瓦容量协议，又于 2025 年 10 月与博通签了 6 吉瓦定制芯片协议。Meta 在 2026 年 2 月复制了两种做法，同意购买数百万块英伟达 Blackwell 和 Rubin GPU，并签了一份与 AMD 对等的 6 吉瓦协议，条款与 OpenAI 的 AMD 安排几乎相同，包括同样的最多 1.6 亿份 AMD 股票认股权证。每一个主要买家实际上都在用这群华裔 CEO 互相对冲。

PayPal 黑帮这个类比错在哪里

与 PayPal 黑帮 —— 建起 Musk 那家被 eBay 收购的支付公司、后来散布到社交媒体、航空航天、风投和对冲基金的那群创始人 —— 的类比，经常出现在对这一群体的报道中。但它主要在崩溃之处有启发。

PayPal 那一代受益于或许可称为早期互联网「开阔地」的时期：相关的产品类别（社交网络、视频托管、消费点评、职业社交、支付）每一个都大到足以支撑独立的十亿美元公司，而且它们在结构上并不彼此冲突。Reid Hoffman 把 Peter Thiel 介绍给 Mark Zuckerberg，Thiel 没付出任何代价；对 Facebook 的投资并不与 Founders Fund 在 SpaceX 的头寸竞争。当 PayPal 群体经历内部冲突时 —— 最显眼的是董事会在 Musk 蜜月飞行途中罢免了他的 CEO 职位 —— 解决之道是各自另起炉灶。Thiel 去了风投；Musk 造火箭；其他人建起社交平台和职业网络。每个人都找到了开阔的疆域。

如其发展所呈现的 AI 产业提供的疆域更窄。基础模型、编码智能体、企业客服自动化、AI 搜索、数据标注和专门推理基础设施，是本轮周期中产生超过 100 亿美元估值的六个类别。资本高度集中在这六个细分，而这些细分在结构上相连：谁控制了最好的基础模型，谁就对每一个依赖 API 访问的下游产品握有筹码。当 Meta 最有能力的编码模型只在 Meta 的编码智能体内部可用时，编码智能体类别就从六个可行玩家缩减为五个。

Scott Wu 仅四个月前提出的「瑞士」说法，假设没有哪个模型供应商会对竞争者封堵访问。Muse Wonder Full 的发布直接回答了那个假设。Cognition 的回应是加速自力更生 —— 在 Kimi K2 之上训练 SWE-1.7，而不是依赖对竞争者前沿模型的 API 访问。20 亿美元的 E 轮为继续这一投入提供了跑道。

唯一的出口匝道

在 Wang 发的重聚照片里，第三个人是 Jeff Yan，他没有加入 AI 市场的主战场。Yan 建起了 Hyperliquid，一个去中心化的永续合约交易所，所处的市场在很大程度上与 AI 产业的资本集中区分离。

Yan 曾直白地描述他与竞争性失败的关系：「输是常态。多数人都会输。通常只有一个人赢。」AI 产品栈的结构也许恰好会证明他说得对。在数千亿美元被投入建设单一技术周期的基础设施和应用、而能支撑起吸收了那笔投资的公司的类别不到十个的情况下，HRT 那一群人人人都能走向互不重叠疆域的概率，接近于零。

对接下来会发生什么，最接近的历史类比也许根本不是 PayPal 黑帮 —— 一个因互联网大到能容纳所有人而四散的群体 —— 而是 1990 年代竞争激烈的硬件产业，在那里黄仁勋、苏姿丰、Hock Tan 及其同侪学到了同一课的更早版本：在一个由复合技术优势和集中资本定义的市场里，长期赢家的数量很少，而一起受训的人最终为同样的客户竞争。