2000年5月，马里兰大学一间考场里，24名美国高中生正为5个国际物理奥赛席位鏖战。五小时、三道题，AAPT（美国物理教师协会）用这套流程从1100名初赛者中层层筛选，最终选出Anthony Miller、Jason Oh等五人代表美国队出征莱斯特。那年的团体第七和四铜一银，放在今天看，远不如落选名单刺眼。
希鸥网观察到，一张被网友考古挖出的2000年美国物理奥赛集训队名单，正在硅谷创投圈刷屏。名单上躺着Dario Amodei——执掌估值9650亿美元Anthropic的CEO，身家155亿美元；还有Lighter创始人Vladimir Novakovski、Duolingo AI研究工程师Badr Albanna、UC Berkeley计算生物学教师Nilah Monnier Ioannidis。24个人，拼出半张硅谷AI人才地图。
筛选机制的逻辑是选拔“当下解题最快的人”，但商业世界的回报函数截然不同。Dario Amodei落选后进入普林斯顿读物理博士，2014年加入百度硅谷AI实验室参与Deep Speech 2，随后辗转Google Brain，2016年加入OpenAI做到研究副总裁，参与领导GPT-2和GPT-3研发。2021年，他与6名联合创始人另起炉灶创办Anthropic，做出Claude。
Novakovski的路径更说明问题。落选次年他卷土重来拿到IPhO银牌，哈佛提前毕业后被Citadel创始人Ken Griffin亲自招入做量化交易，随后在Quora做到机器学习负责人，2017年联合创办AI社交平台Lighter，2025年完成6800万美元融资，估值约15亿美元。Gregory Price——当年的银牌得主、美国队最高分——靠数学天赋加一本旧大学物理课本自学参赛，后来又在国际信息学奥赛拿铜，物理、数学、计算机三线开花。
这场选拔的真正产品不是奖牌，而是信任网络。Novakovski在奥赛圈结识的老熟人Vlad Tenev，二十多年后以Robinhood联合创始人身份成为Lighter投资方；跟Novakovski一起创办Lunchclub的Scott Wu，如今执掌Cognition。USAPhO维基页面的“知名校友”栏横跨近二十年，从1996年的Chris Hirata排到2014年的Alexandr Wang——Scale AI创始人，Meta花143亿美元购入其股份并请他执掌超级智能实验室。少年时代一起刷题攒下的交情，最终写进了股权结构表。
希鸥网认为，这场人才交易所揭示的竞争规则，对创业公司同样适用：选拔赛筛选的是单点峰值能力，而商业成功依赖的是“换赛道后的复利曲线”。Dario从物理学转到AI，把统计力学模型迁移到神经网络对齐；Novakovski从量化交易跳到社交产品；Badr Albanna从听觉皮层建模转向多臂老虎机优化推送通知。真正稀缺的不是物理天才这个标签，而是把一套底层思维模型迁移到新场景的能力。
达利欧在《原则》里写过一句话：如果过去考试只得三四十分的人，几个月提到五十多分，说成绩在改善也对，但水平仍然很差。生命中重要的东西，需要以足够快的速度超越平凡。这句话放在创业语境下有两层意思：一是别被“阶段性改善”的假象迷惑，创业公司每月20%的增长在早期毫无意义，要盯住能否在有限窗口期内逼近行业头部；二是“不必过于精确”——教育系统过度重视精确，导致创业者常犯错误：把大量时间耗在边缘因素的微调上。
完美主义者花太多时间关注边缘性微小因素，影响对重大因素的考虑。一个商业决策通常只有5到10个关键变量，过了临界点后，深入研究这些变量的边际收益急剧递减。Dario Amodei在OpenAI参与GPT-2、GPT-3研发时，如果执着于每个实验细节的精确调参，就不会有RLHF那篇论文。创业者要学会区分“决定生死的变量”和“无关痛痒的变量”，把精力钉在那三五件事上。
现实分层次，每一层给你不同的视角，高手能在层次间自由转换。高层次的全局是你想成为什么样的公司，次一级是产品形态，再下一级是技术选型，最底层是今晚要写的代码。Dario从物理学博士到百度工程师再到OpenAI研究副总裁、Anthropic CEO，每次跃迁都是视角层级的切换。创业者的日常，就是在“公司愿景”和“下一行代码”之间来回横跳，关键是不能在某一层扎得太深而丢失全局。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo