按这段公开转录,立正说自己持有的是换成OpenAI股票的那部分,不是说他另外买了OpenAI股份。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
他讲的是换股,不是另买股份
材料里的观点立正在这段视频里说,OpenAI以全股票方式收购了他所在的公司Statsig;他原来持有的Statsig股票100%转成了OpenAI股票,账面金额没有变化,只是名字从Statsig变成OpenAI1。所以按这段材料,他确实持有OpenAI股票,但来源是公司被收购后的换股,而不是他作为外部投资人买入OpenAI股份。
“股东”要看你指哪种持股
他本人用了“换来了还不少的OpenAI的股票”这样的说法,也提到OpenAI股票比Statsig股票更难拿到1。这说明他把自己看作持股者。但这段转录没有说明OpenAI的公司结构、他持股的具体形式或比例,也没有说他是否参与OpenAI的决策。因此“是不是股东”取决于你问的是持有股票,还是具有股东身份和权利;材料只能支持前者。
这段材料只覆盖立正本人的一段讲述,没有OpenAI的股权登记或交易文件,无法核实他持股的具体形式、比例和股东权利。
出处
- 1公司被OpenAI收购前夜离职:回答大家关心的问题
立正本人讲述Statsig被OpenAI全股票收购、自己的股票转为OpenAI股票,是回答持股问题的直接依据。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- AI总是在给了我一个解决方案,我试过之后猜发现哪里不好,怎么才能有效的评价AI给出的解决方案呢?比如工具的选择。尤其是一些技术细节,我并不知道这里的优劣之分。
评价 AI 方案的关键,是先写清“什么算对”,再让 AI 给出可核对的依据;工具选择往往不是重点,先判断问题值不值得做、验收标准是什么。
- 从数据科学转去做AI产品,第一步应该做什么?
第一步不是先学某个工具,而是想清楚数据科学真正交付的是什么——更好的决策;然后把这个判断带进产品,用能跑起来的东西验证它。
- 想入职 agent 开发,解决过什么问题最硬
最硬的问题不是“我调通了 agent”,而是你解决过一个真实场景里 agent 不可靠、不可信或落不了地的问题,并能说清取舍和验证。
- 怎么样写好评判标准?
先写清“什么算成功”,再定可接受的错误阈值;标准要能随真实用户反馈迭代,而不是套现成模板。
- 你在AI上的支出和花销是多少?token是主要的支出吗?给出具体数字
嘉宾梁津晶说,若纯按 API 计价,她每月用量“好几万”美元;但她实际只买各家约 200 美元的订阅套餐,所以真实现金支出远低于这个数。片段没有给出精确总额,也没有把 token 单独列为支出项。
- 对于个人而言,怎样才叫真正的AI native,包括生活、工作和学习
真正的 AI native 不是会用多少工具,而是把一件具体的事重新做一遍:看清结果、改掉旧流程、用 AI 放大自己的判断,并拿出证据。