9月30日，两位分别来自OpenAI和谷歌DeepMind的顶级大牛智财资本，正式宣布联手创业。
他们一个叫William Fedus，是ChatGPT的共同创造者之一。另一个叫Ekin Dogus Cubuk，是用AI发现了200多万种新材料的GNoME项目负责人。
这两个人凑在一起，成立了一家名叫Periodic Labs的新公司，目标：创造“AI科学家”和自主实验室。
公司一亮相，就宣布拿到了3亿美元的种子轮融资。
领投方是硅谷顶级风投Andreessen Horowitz（a16z），跟投的名单星光熠熠：DST Global、英伟达旗下的NVentures、Accel、Felicis，还有一群重量级个人投资者，比如杰夫·贝索斯（Jeff Bezos）、埃拉德·吉尔（Elad Gil）、前谷歌首席执行官埃里克·施密特（Eric Schmidt），以及谷歌AI的掌门人杰夫·迪恩（Jeff Dean）。
展开剩余87%科技圈最有权势和远见的一群人，为这个看似疯狂的想法投了赞成票。
从AI的“尽头”说起
为什么这两个已经站在AI之巅的人，要选择离开，从头再来？
因为他们同时看到了当前AI路径的局限，甚至可以说是尽头。
Fedus在OpenAI担任研究副总裁，主管的是post-training团队，这是让大模型变得可用、好用的关键环节。他深度参与了2022年ChatGPT的创建，亲手把这个划时代的产品推向了世界。
Cubuk则是在Google DeepMind领导材料和化学团队，他的代表作GNoME项目，在2023年震惊了科学界，这个AI工具一口气发现了超过200万种人类闻所未闻的新晶体材料，其数量相当于人类过去知识积累的几百倍。
按理说，他们本可以在各自的公司里继续发光发热，但他们不约而同地选择了离开。
他们在社交媒体上点出了问题的核心：到目前为止，科学AI的进步，几乎都来自于在互联网上训练的模型。
但互联网，尽管看起来包罗万象，实际上是有限的。
据估计，整个互联网有价值的文本数据，大约是10万亿个token。一个英文单词差不多就是一到两个token。这个数字听起来很大，但在过去的几年里，最顶尖的AI模型，已经把这些数据彻彻底底地“吃干抹净”了。
数据没了，增长的引擎就要熄火了。继续在更大的模型、更多的参数上内卷，边际效益会越来越低。
Fedus在接受《纽约时报》采访时说得更直白，他认为，AI的主要目标根本不是自动化白领工作。
AI的主要目标，是加速科学。
他觉得，现在硅谷谈论大语言模型未来的方式，在“智力上很懒惰”。他和Cubuk想做的，是回到贝尔实验室和IBM研究院的那个黄金时代，那个将物理科学视为核心使命的时代。
Cubuc也补充了一个非常关键的观点：聊天机器人不可能光靠推理几天智财资本，就得出惊天动地的科学发现。
人类也做不到。
科学家们在找到真正有价值的东西之前，需要进行无数次的实验，经历无数次的失败。
科学的本质，是提出假说，然后动手实验，从结果中学习，无论结果是成功还是失败。而这个“动手”的过程，恰恰是目前所有AI模型都缺失的环节。
既然网上没得学，那就自己动手做实验
Periodic Labs给出的解药，听起来简单，却极具颠覆性。
他们不打算继续在互联网的文本海洋里捞针，而是要建造真实的物理实验室，让AI系统能够亲自设计实验、动手操作，并从物理世界的真实反馈中学习。
这个“自主实验室”，就是他们整个构想的核心。
根据公司官网的说法，这个自主实验室有三大无可比拟的优势。
它能提供海量的高质量数据。一次物理实验，就能产生GB级别的数据，这些数据干净、精准，而且是独一无二的，你在互联网上任何地方都找不到。这就像让一个厨子去读菜谱和让他亲自下厨的区别，后者获得的经验是前者无法比拟的。
它能系统性地生成和记录“负面结果”。在科学研究中，知道“什么东西行不通”和知道“什么东西行得通”同样重要。但现实是，学术期刊和论文数据库里，绝大多数都是成功案例，充满了“幸存者偏差”。AI只学习这些成功案例，认知就会有巨大的偏差。而自主实验室会把每一次失败都当成宝贵的学习资料，喂给AI。
它为AI科学家提供了行动的工具。AI不再只是一个会计算和推理的大脑，它拥有了可以感知和干预物理世界的“手脚”。
a16z的投资公告里，也一针见血地指出了为什么现在的AI模型在物理科学领域会失败：因为科学本质上是迭代的。文献里的数据根本不够用，比如，描述材料稳定性的“形成焓”标签，噪声大到模型根本学不会有效预测。没有实验，AI就无法解决关键的认知不确定性。
Periodic Labs选择从物理科学切入，也不是一时兴起。
他们认为，人类的技术进步，很大程度上受限于我们设计物理世界的能力。而物理实验信噪比高、速度相对快，很多系统还可以用物理模拟来辅助，最关键的是，物理是一个结果可被明确验证的环境。
AI在有数据和可验证结果的领域，进步总是最快的，比如数学和编程。
现在，Periodic Labs想把这个逻辑应用到物理世界。
正如他们官网那句充满野心的话：“在这里，自然成为强化学习环境。”
他们到底想做什么？
那么，这个“AI科学家”具体要解决什么问题呢？
Periodic Labs已经规划了几个明确的方向。
第一个目标，是发现超导体。不是普通的超导体，而是能在比现有材料高得多的温度下工作的超导体。这个一旦突破，意味着下一代交通工具、损耗最小的电网，甚至是科幻电影里的场景都可能成为现实。
第二个方向，是半导体行业。他们已经在帮助一家面临芯片散热难题的半导体制造商。通过训练一个定制的AI代理，帮助工程师和研究员更好地理解实验数据，从而以前所未有的速度加快研发迭代。
更宏大的图景，是整个材料科学。如果能实现材料设计的自动化，那么摩尔定律的延续、太空旅行的成本、核聚变的实现，这些人类最前沿的探索，都有可能被大大加速。
他们的商业模式也很有意思，叫做“在前沿着陆并扩展”。先与太空、国防、半导体等领域的客户合作，这些领域代表着数万亿美元的研发支出。通过解决一些评估标准明确的关键问题，来证明他们方法的优越性，告诉世界，针对物理现实而非互联网文本进行优化的AI，到底有多强大。然后再将这种能力扩展到更广阔的领域。
一支梦幻团队
当然，如此宏大的愿景，需要一支与之匹配的团队。
Periodic Labs的创始团队背景包括：共同创造了ChatGPT、主导了DeepMind的GNoME项目、开发了OpenAI的Operator（现在叫Agent）、发明了神经注意力机制、参与了微软的MatterGen（一个用于材料科学发现的大语言模型），并且拥有扩展自主物理实验室的实战经验。
在最近几周，有超过20名研究人员，从Meta、OpenAI、Google DeepMind等顶尖AI项目中离职，加入了Periodic Labs。
据《纽约时报》报道，许多人为此放弃了价值数百万甚至数千万美元的薪酬待遇。
除了内部团队，他们还组建了一个强大的科学顾问委员会，成员包括Carolyn Bertozzi教授、Mercouri Kanatzidis教授、Steven Kivelson教授、Zhi-Xun Shen教授和Chris Wolverton教授等五位在各自领域享有盛誉的学者。
a16z在投资公告中这样描述这个团队：“Liam和Dogus建立了一个独一无二的团队：物理学家、化学家、模拟专家，以及一些世界上最好的机器学习研究人员。团队每周都会举行教学会议，物理学家教大语言模型推理量子力学，机器学习研究员则学习物理学和科学直觉。”
Periodic Labs代表了AI研究方向的一次重要转向。它试图从纯粹的语言理解和信息处理，迈向与物理世界真实互动，并通过实验创造新知识的全新阶段。
他们要做的，不是一个更聪明的聊天机器人，而是重新构想科学被完成的方式。
参考资料：
https://techcrunch.com/2025/09/30/former-openai-and-deepmind-researchers-raise-whopping-300m-seed-to-automate-science
https://a16z.com/announcement/investing-in-periodic-labs
https://www.nytimes.com/2025/09/30/technology/ai-meta-google-openai-periodic.html
https://periodic.com
https://www.linkedin.com/in/william-liam-fedus-26547811
https://www.linkedin.com/in/ekin-dogus-cubuk-9148b8114
END智财资本
发布于：河北省广盛网提示：文章来自网络，不代表本站观点。
相关文章
沪深京行情 实时轮播
热点资讯
