Scale Mafia：AI时代最彪悍的创业校友网络

从血战到改变世界：Scale 的独特文化

一条来自 Twitter 的帖子让「Scale Mafia」这个词浮出水面。发帖人回忆，创业最特别的体验之一，就是看着早期一起摸爬滚打的战友走出去改变世界。Scale 的团队被他形容为「超自然」的存在——它是最早一批把 IOI（国际信息学奥林匹克）和 IMO（国际数学奥林匹克）背景做到极致的公司，而真正的魔力在于：这群天才不仅聪明，还真的在乎，愿意「穿墙」解决问题。

这种评价并非客套。在 AI 行业普遍追逐履历光鲜的背景下，「geniuses gave a shit」这句粗粝的形容反而点出了 Scale 的人才密度来源：智力之外，还有一股不要命的执行力。

Scale Mafia 名单：横跨模型、工具与政策

帖子里点名了一长串从 Scale 走出来或与之深度关联的人物，覆盖了当下 AI 生态的多个关键节点：

Cognition：创始人 Steven（@stevenkplus1）与总裁 Russell Kaplan（@russelljkaplan）
Modal：创始人 Akshat（@akshat_b）
Bun：创始人 Jarred Sumner（@jarredsumner）
Claude Code：产品负责人 Cat Wu（@_catwu）
KPCB（Kleiner Perkins）：合伙人 Laura Braswell（@LM_Braswell）与 Naya（@nayakkayak）
Greylock：合伙人 Sophia Luo（@sophia_luo_）
Liquid AI：COO Jeffrey Li
Netic：创始人 Melisa Tokmak（@melisatokmak）
Cobot：创始人 Brad Porter（@BradPorter_）
Secureframe：创始人 Shrav Mehta（@shravvmehtaa）
Paramount Skydance：CFO Dennis Cinelli（@DennisKCinelli）
Thinking Machines：总法律顾问 Lauren Lennon
Gallatin AI：创始人（@agilemofo）
TBD：产品负责人（@lindugong）、安全负责人 Julian Michael（@julianmichael）
Center for AI Safety：总裁 Devin Kim（@devindkim）
白宫科技与科学顾问：Michael Kratsios（@mkratsios47）

这份名单的特别之处不在于人数，而在于跨度。从模型层（Liquid AI、Thinking Machines）、开发工具层（Bun、Claude Code、Modal）、应用层（Cognition、Cobot、Netic），到投资机构（KPCB、Greylock），再到政策与安全（白宫顾问、Center for AI Safety），Scale 的校友几乎铺满了 AI 产业链的每一环。发帖人由此断言：Scale mafia 是现代科技时代第一个真正意义上的「mafia」。

RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）是 Scale 早期核心业务的技术背景。它指先用人类标注者对模型输出进行偏好排序，再以此训练奖励模型，最后用强化学习让语言模型对齐人类意图。Scale 正是为前沿实验室提供这类高质量人类反馈数据的中间层，因此其员工能同时接触模型训练的底层需求与产品落地的最后一公里。

「Mafia」 在科技圈特指某家公司离职员工形成的创业者与高管网络，源自「PayPal Mafia」——PayPal 早期团队后来创办了 Tesla、LinkedIn、YouTube 等公司。判断一个 mafia 是否成立，通常看三点：成员是否在多个领域独立成功、网络是否掌握资本与话语权、纽带是否超越领英上的共同标签。

为什么 Scale 能长出「Mafia」

科技圈用「mafia」形容某家公司出来的创业者网络，最早可以追溯到 PayPal。此后有「Stanford mafia」「Google mafia」等说法，但多数停留在松散的同侪关系。Scale 的案例提供了几个值得拆解的观察点。

高密度人才池与高强度项目制

Scale 早期以数据标注与 RLHF 服务切入，这类业务天然要求大量高智力人才在短周期内攻坚。IOI/IMO 背景的工程师聚集在同一屋檐下，彼此之间形成的是「战斗友谊」而非普通同事关系。帖子中「fought and bled with」的说法，指向的正是这种高压协作留下的纽带。

从基础设施到前沿研究的视野

Scale 处在 AI 供应链的中间层，向上服务前沿实验室，向下管理大规模人力。这种位置让员工同时看到模型训练的底层需求和产品落地的最后一公里。Modal 做 serverless 基础设施、Bun 做 JavaScript 运行时、Claude Code 做 AI 编程产品——这些创业方向看似分散，实则都源于对「AI 开发工作流」的切身体会。

Serverless 基础设施指开发者无需管理服务器、按需自动扩缩容的云计算模式。Modal 正是把这一模式带入 AI 工作负载（如模型推理、GPU 任务）的创业公司。JavaScript 运行时则是执行 JavaScript 代码的环境，Bun 以高性能一体化工具链挑战 Node.js 的地位。AI 编程产品如 Claude Code，让开发者用自然语言驱动代码生成与修改。这三类方向看似分散，实则都围绕「AI 开发工作流」的切身体验展开。

校友网络的自我强化

名单中已经出现投资机构合伙人（KPCB、Greylock）与政策岗位（白宫、AI 安全中心）。这意味着 Scale 校友不仅在下游创业，还开始掌握资本配置与规则制定的上游话语权。当一个网络同时具备「造公司」「投公司」「定规则」三种能力时，它的影响力会自我放大。

IOI 与 IMO 分别是国际信息学奥林匹克与国际数学奥林匹克，是全球中学生最高级别的学科竞赛。能在其中获奖的选手通常具备极强的算法与数学功底，是 AI 实验室和量化机构争抢的对象。Scale 最早一批把这类背景做到极致，意味着其人才池在智力密度上接近竞赛国家队水平，这也是「geniuses gave a shit」评价中「genius」一面的来源。

对创业者的启示

对正在选择雇主的工程师而言，Scale 这个案例提示了一个反直觉的判断标准：比起公司当下的估值，更该看它能否提供高密度同侪与硬仗机会。这两样东西不会写在 offer 里，却决定了五年后人脉网络的质量。

对创业者而言，「Mafia」的形成并非刻意设计的结果。PayPal mafia 的成员后来反复强调，他们当年只是在解决支付难题，并没有「培养创业者」的计划。Scale 也一样——它只是在做数据与模型之间那件苦活，顺带把一批人磨成了能独立作战的创始人。真正可复制的经验或许只有一条：把最优秀的人放进最难的战场，然后让他们彼此信任。

一个待观察的问题

帖子末尾提到，这张合影来自 Nate Herman 的婚礼，发帖人称他在很多意义上算作 Scale 的联合创始人。这种私人化的细节恰好说明，Scale mafia 的凝聚力部分来自真实的人际关系，而非领英上的共同标签。

当然，名单再长也只是起点。一个「mafia」是否成立，最终要看这些人做出的公司能否持续交付。Cognition、Modal、Bun 已经进入开发者视野，更多名字仍待验证。但至少在当下，Scale 校友网络的密度与跨度，在 AI 行业里找不到第二个可比的样本。