從ChatGPT成員成立這家初創(chuàng)，我們看到更完整AI for Science形態(tài)

今年三月，Liam Fedus 在推特上宣布離開 OpenAI。這條推文的影響力超出了所有人的預(yù)期——硅谷的風(fēng)投們幾乎是立刻行動(dòng)起來，爭(zhēng)相聯(lián)系這位 ChatGPT 最初小團(tuán)隊(duì)的核心成員、曾領(lǐng)導(dǎo) OpenAI 關(guān)鍵的后訓(xùn)練部門的研究者，他的離職甚至一度引發(fā)了一場(chǎng)“反向競(jìng)標(biāo)”。

圖丨Liam Fedus（右）與 Dogus Cubuk（左）（來源：Felicis）

風(fēng)投們爭(zhēng)相向他和聯(lián)合創(chuàng)始人 Dogus Cubuk 遞出橄欖枝，有人甚至寫下“情書式”的投資意向書。短短數(shù)月后，他們創(chuàng)立的 Periodic Labs 就拿下了 3 億美元的種子輪融，領(lǐng)投方 Felicis 聯(lián)合 Andreessen Horowitz、DST、英偉達(dá)旗下的 NVentures 以及 Accel 等頂級(jí)機(jī)構(gòu)，Jeff Bezos、Elad Gil、Eric Schmidt 和 Jeff Dean 等科技界傳奇人物也作為天使投資人加入其中。

除了錢，人才也紛紛涌入，超過二十位來自 Meta、OpenAI、Google DeepMind 等 AI 巨頭的頂尖研究人員陸續(xù)離職，放棄了數(shù)千萬美元乃至上億美元的股權(quán)激勵(lì)，轉(zhuǎn)而加入這家初創(chuàng)公司。他們當(dāng)中包括 o1 和 o3 模型的核心研究者 Alexandre Passos、已有重大超導(dǎo)體發(fā)現(xiàn)的材料科學(xué)家 Eric Toberer，以及微軟生成式 AI 材料科學(xué)工具的開發(fā)者 Matt Horton。這份名單還在不斷增長(zhǎng)，這家公司儼然成為了此前那波由 Meta 掀起的硅谷人才爭(zhēng)端戰(zhàn)中的最大幕后贏家之一。

圖丨Periodic Labs 的團(tuán)隊(duì)名單（來源：Periodic Labs）

這一切的起點(diǎn)，始于 Fedus 與 Cubuk 七個(gè)月前的一次對(duì)話。Cubuk 曾是 Google Brain 最出色的機(jī)器學(xué)習(xí)和材料科學(xué)研究者之一，他在 2023 年發(fā)表的開創(chuàng)性論文中展示了一個(gè)全自動(dòng)機(jī)器人實(shí)驗(yàn)室，通過語言模型建議的配方成功合成了 41 種全新化合物。

當(dāng)硅谷無數(shù)人高談闊論生成式 AI 將如何顛覆科學(xué)發(fā)現(xiàn)時(shí)，這兩位研究者意識(shí)到，技術(shù)拼圖的所有關(guān)鍵部分終于到位了：處理粉末合成的機(jī)器臂已經(jīng)足夠可靠；機(jī)器學(xué)習(xí)模擬可以高效準(zhǔn)確地建模復(fù)雜物理系統(tǒng)；而大語言模型的推理能力——部分歸功于 Fedus 團(tuán)隊(duì)在 OpenAI 的工作——已經(jīng)達(dá)到了前所未有的高度。

但更重要的是，F(xiàn)edus 和 Cubuk 意識(shí)到，即使是失敗的實(shí)驗(yàn)對(duì)他們的新公司也極具價(jià)值，因?yàn)閿?shù)據(jù)是 AI 的生命線。AI 科學(xué)提供了一種全新的真實(shí)世界訓(xùn)練和后訓(xùn)練數(shù)據(jù)來源。這可能會(huì)顛覆現(xiàn)有的科學(xué)激勵(lì)系統(tǒng)——傳統(tǒng)系統(tǒng)通過論文發(fā)表和資助獎(jiǎng)勵(lì)成功，而非探索本身。“讓 AI 與現(xiàn)實(shí)接觸，將實(shí)驗(yàn)納入循環(huán)——我們覺得這是下一個(gè)前沿，”Fedus 告訴媒體。

Felicis 的投資人 Peter Deng 是第一個(gè)得到他們回應(yīng)的人。Deng 曾在 OpenAI 工作，今年年初剛轉(zhuǎn)到 Felicis。聽說 Fedus 離職后，他立即發(fā)了短信。兩人在舊金山 Noe Valley 社區(qū)的一家咖啡館見面，興奮的 Fedus 邀請(qǐng) Deng 邊走邊聊——盡管那天有些冷，但后來天氣突然變熱。穿著毛衣的 Deng 汗流浹背地跟著身材健碩的 Fedus 爬坡，直到 Fedus 說了一句話，讓他“真的停在了原地”。

“每個(gè)人都在談?wù)撟隹茖W(xué)，但要做科學(xué)，你必須真的去做科學(xué)。”這句看似簡(jiǎn)單的話，擊中了當(dāng)前 AI 發(fā)展的一個(gè)核心盲點(diǎn)?；ヂ?lián)網(wǎng)已經(jīng)被榨干了，最好的模型已經(jīng)訓(xùn)練了大約 10 萬億個(gè)文本 token。但僅僅訓(xùn)練是不夠的——你可以反復(fù)閱讀教科書，但最終必須運(yùn)行實(shí)驗(yàn)。你需要在假設(shè)和現(xiàn)實(shí)之間建立反饋循環(huán)，這才是科學(xué)的本質(zhì)。

Deng 回憶說：“關(guān)于這些模型的真相是，它們知道的一切都在正常分布范圍內(nèi)。我們拿一堆數(shù)據(jù)，它只能反芻它所知道的東西?！卑l(fā)現(xiàn)新事物必須涉及測(cè)試假設(shè)。當(dāng)天在 Noe Valley 的山坡上，Deng 就承諾投資。不過他回到辦公室后很快發(fā)現(xiàn)了一個(gè)問題：公司還沒注冊(cè)，甚至連名字都沒有，想投資都簽不了合同?！拔覀儺?dāng)時(shí)就是這么早，”Deng 說。

科學(xué)發(fā)現(xiàn)的本質(zhì)是迭代的?，F(xiàn)有文獻(xiàn)中的數(shù)據(jù)根本不夠——比如形成焓標(biāo)簽的噪聲太高，僅靠這些訓(xùn)練無法產(chǎn)生足夠準(zhǔn)確的預(yù)測(cè)模型；負(fù)面結(jié)果很少發(fā)表，而真正重要的認(rèn)知不確定性只有通過實(shí)驗(yàn)才能消除。這正是 Periodic Labs 要填補(bǔ)的空白。

他們不是在構(gòu)建訓(xùn)練于科學(xué)文本的模型，也不是建立模擬環(huán)境，而是“AI 科學(xué)家”以及供其操作的自動(dòng)化實(shí)驗(yàn)室。他們計(jì)劃在加州的門洛帕克建立一個(gè)龐大的實(shí)體機(jī)器人實(shí)驗(yàn)室，讓機(jī)器人在其中進(jìn)行大規(guī)模的科學(xué)實(shí)驗(yàn)。這些機(jī)器人將根據(jù) AI 模型的指導(dǎo)，混合各種化學(xué)前體、加熱它們以發(fā)現(xiàn)新的超導(dǎo)體、磁體或隔熱材料。

這個(gè)過程形成了一個(gè)強(qiáng)大的閉環(huán)：AI 系統(tǒng)分析現(xiàn)有科學(xué)文獻(xiàn)和模擬數(shù)據(jù)，提出假設(shè)；機(jī)器人執(zhí)行實(shí)驗(yàn)來驗(yàn)證這些假設(shè)；實(shí)驗(yàn)產(chǎn)生的數(shù)據(jù)，無論是成功還是失敗，都將作為高質(zhì)量、獨(dú)家的訓(xùn)練數(shù)據(jù)，反過來進(jìn)一步優(yōu)化 AI 模型。這個(gè)“假設(shè)-實(shí)驗(yàn)-學(xué)習(xí)”的迭代循環(huán)，旨在將科學(xué)發(fā)現(xiàn)的速度從數(shù)年縮短至數(shù)月甚至數(shù)周。這其中，自然本身成為了一個(gè)終極的獎(jiǎng)勵(lì)函數(shù)，每一次實(shí)驗(yàn)都為 AI 提供了來自真實(shí)世界的直接反饋。

這種對(duì)基于物理的（physically grounded）數(shù)據(jù)的追求，是 Periodic Labs 與眾不同的關(guān)鍵。每一次實(shí)驗(yàn)都能產(chǎn)生大量的獨(dú)特?cái)?shù)據(jù)，而這些數(shù)據(jù)是任何競(jìng)爭(zhēng)對(duì)手都無法從網(wǎng)絡(luò)上抓取到的。這種獨(dú)家數(shù)據(jù)護(hù)城河，是訓(xùn)練出真正具備科學(xué)直覺的 AI 的關(guān)鍵。

Fedus 今年早些時(shí)候在斯坦福大學(xué)應(yīng)用物理系做訪問科學(xué)家。在那里，他們做了一系列測(cè)試：讓前沿 AI 模型去分析科學(xué)實(shí)驗(yàn)數(shù)據(jù)，具體來說是凝聚態(tài)物理領(lǐng)域的數(shù)據(jù)。結(jié)果并不樂觀，這些被認(rèn)為最先進(jìn)的模型在科學(xué)分析上表現(xiàn)糟糕，也根本比不上人類研究者。

這與其他人的一些樂觀預(yù)期形成鮮明對(duì)比。OpenAI、Meta 等 AI 巨頭們此前紛紛宣稱他們的技術(shù)有望在藥物發(fā)現(xiàn)、數(shù)學(xué)和理論物理等領(lǐng)域推動(dòng)科學(xué)發(fā)現(xiàn)。八月，OpenAI 副總裁 Kevin Weil 還宣布在公司內(nèi)部啟動(dòng)“OpenAI for Science”部門，“構(gòu)建下一個(gè)偉大的科學(xué)儀器：一個(gè)加速科學(xué)發(fā)現(xiàn)的 AI 驅(qū)動(dòng)平臺(tái)?！監(jiān)penAI 發(fā)言人 Laurance Fauconnet 在聲明中表示：“我們相信先進(jìn) AI 能更快推動(dòng)科學(xué)發(fā)現(xiàn)，OpenAI 在引領(lǐng)這一方向上處于獨(dú)特地位?！?/p>

但 Fedus 直言不諱地表示：“硅谷在設(shè)想大語言模型的未來時(shí)有點(diǎn)偷懶。”從某種意義上說，F(xiàn)edus 和 Cubuk 正在嘗試復(fù)興一種更古老的科技產(chǎn)業(yè)傳統(tǒng)。他們提到了貝爾實(shí)驗(yàn)室和 IBM 研究院——那些曾經(jīng)將物理科學(xué)視為核心使命的企業(yè)研究機(jī)構(gòu)。在那個(gè)時(shí)代，科技公司的研究不僅僅關(guān)注軟件和算法，更追求基礎(chǔ)科學(xué)的突破。晶體管、激光、信息論等改變世界的發(fā)明，都誕生于這種研究文化。但在過去幾十年里，科技產(chǎn)業(yè)的研究重心逐漸轉(zhuǎn)向了純軟件和互聯(lián)網(wǎng)應(yīng)用，物理科學(xué)被邊緣化了。

目前，Periodic 已經(jīng)建立了實(shí)驗(yàn)室，正在處理實(shí)驗(yàn)數(shù)據(jù)、運(yùn)行模擬并測(cè)試一些預(yù)測(cè)。主要的初始任務(wù)是發(fā)現(xiàn)新的超導(dǎo)體材料——這可能帶來重大突破。改進(jìn)的超導(dǎo)體可以為下一代強(qiáng)大但低能耗的技術(shù)提供動(dòng)力。不過機(jī)器人部分還沒有完全運(yùn)行起來?！八鼈冃枰恍r(shí)間來訓(xùn)練，”Cubuk 說。

當(dāng)然，這一切都還充滿不確定。科學(xué)發(fā)現(xiàn)本質(zhì)上是不可預(yù)測(cè)的，無論有沒有 AI 的輔助。雖然目前 Periodic Labs 已經(jīng)有了強(qiáng)大的團(tuán)隊(duì)和充足的資金，但沒有人能保證他們一定會(huì)找到突破性的超導(dǎo)材料，或者在預(yù)期時(shí)間內(nèi)實(shí)現(xiàn)自主實(shí)驗(yàn)系統(tǒng)。但至少，那 20 多位放棄高薪、離開科技巨頭的研究人員是有信心的。他們用腳投票，篤信真正的 AI 科學(xué)革命不會(huì)發(fā)生在更大的語言模型里，而會(huì)發(fā)生在實(shí)驗(yàn)室的試管和熔爐中。

參考資料：

1.https://periodic.com/

2.https://www.nytimes.com/2025/09/30/technology/ai-meta-google-openai-periodic.html

3.https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs/

運(yùn)營(yíng)/排版：何晨龍