Oct 31, 2025

2025 年春，一则令人震惊的离职公告传出： 曾任 OpenAI 研究副总裁，负责后训练（post-training）工作的 Liam Fedus 决定离开。 他在一条推文中写道，他对 「AI 在科学中的应用」怀有「最具战略意义的兴趣」——那是他将要探索新征程的方向。 与此同时， 另一名重量级人物 Ekin Dogus Cubuk ——曾在 DeepMind 主导化学与材料科学团队、参与超过二百多万晶体结构生成项目，也毅然选择离开 DeepMind，转身投入创业。 左：Ekin Doğuş Cubuk 右：LiamFedus，图源 TechCrunch 「互联网 10 万亿 tokens 的有价值数据已近枯竭，靠参数扩张换不来质的飞跃」，Fedus 在分享中直言。Cubuk 的补充更具穿透力：「光靠 LLM 在文献里推演，永远出不了室温超导体这样的颠覆性发现。」 于是， 两人在今年年初一拍即合， 与其在既有数据池里 「内卷」，不如让 AI 走进实验室，从零创造数据。 创立初衷：AI 与物理的灵感碰撞 Periodic Labs 的创立源于一次灵感碰撞。7 个月前，Fedus 和 Cubuk 在旧金山的一次对话中探讨生成式人工智能如何重塑科学发现的过程，两人都在不同的实验室中见证了 AI 的力量，却也同时感受到它的边界。 「我们意识到，生成式 AI 已经能写论文、编程，甚至作画，但它还没有真正帮助人类发现新知识」， Fedus 回忆说，「科学界的实验速度太慢，而 AI 已经准备好改变这一切。」 Cubuk 则从物理学的角度切入，他看到机器人自动化、材料仿真和 AI 推理的技术曲线在同一时间点交汇。「这是一个前所未有的契机」，他解释道， 「机器人自动化、模拟精度和大型语言模型的推理能力，终于能融合成一个系统。」 那天的对话，成为了 Periodic Labs 的起点。几周后，两人正式离开各自的公司，召集了一批志同道合的科学家，创立了一个以 AI 驱动实验科学的研究公司。 颠覆传统观念：打造 AI 驱动的科学平台 Periodic Labs 自称正在构建「AI 驱动的科学平台」， 其愿景是让人工智能不仅能分析数据，还能设计实验、驱动物理仪器、发现新材料。 换句话说，它试图将「智能」和「实验操作」融合成一个闭环系统——从算法到试剂瓶，从大模型到机器人手臂。 这并不是一个新话题。过去十年，AI 在药物设计、蛋白质折叠、材料模拟等方向取得了突破——DeepMind 的 AlphaFold、微软与 Meta 的分子生成模型、Chemify 的自动化化学系统，都在证明——AI 可以参与科学发现。 但 Periodic Labs 的目标比这些更大。Fedus 和 Cubuk 想做的是一个「通用实验体」——让 AI 不仅能理解科学，还能在真实实验室里动手做实验。 Periodic Labs 的理念中， 有一个极具颠覆性的观点：失败的数据同样宝贵。 传统科研倾向于追求「成功实验」的发表，而忽视了数以千计的「负结果」。在 Fedus 和 Cubuk 看来，这些「失败」恰恰是训练 AI 科学家的关键燃料。「每一次实验的偏差、每一次误差反馈，都是模型理解物理世界的机会。」Cubuk 说，「AI 不怕失败，它只怕没有数据。」 因此，Periodic Labs 并不急于发布成果，而是更注重积累实验数据，以构建一个前所未有的「科学经验数据库」，为下一代科研 AI 奠定基础。 技术栈：让 AI、模拟与机器人同频 Periodic Labs 的实验室里，机械臂正精准混合金属粉末，高温炉按预设程序升温，光谱仪实时捕捉材料特性数据 —— 这不是科幻电影场景，而是其 「自主实验室」未来的日常运作。这套系统的灵感源自 Cubuk 2023 年发表 Nature 的突破性研究： 当年他主导的 A-Lab 平台在 17 天内合成 41 种新化合物， 证明了 AI 驱动实验的可行性。 论文链接： https://www.nature.com/articles/s41586-023-06734-w 如今 Periodic Labs 将这套逻辑推向极致。其核心创新在于它的「三位一体」科学栈： * 自动化机器人实验室（Autonomous Robotic Lab）： 能够在全自动环境下进行粉末合成、物质混合与材料制备，精准执行实验指令，极大提升科学研究的速度与重复性。 * 高保真物理模拟（High-Fidelity Simulation）： 通过 AI 驱动的模拟技术，在虚拟环境中快速评估物理与化学反应，为实验筛选提供高精度的假设验证平台。 * 大型语言模型研究助手（LLM Research Assistant）： 语言模型不再仅仅生成文字，而是能解析实验数据、提出修正建议、设计下一轮实验，真正成为科研流程的「认知中枢」。 三者之间形成了一个闭环系统，首先由融合 LLM 与物理仿真的 AI 系统解析文献、生成实验假设；接着自动化设备执行合成与表征，每轮实验产生数 GB 高维物理数据；最后 AI 分析结果（无论成败）并优化下一轮方案。这种 「虚拟推演 - 实体验证 - 数据反馈」 的循环，彻底颠覆了传统科研模式，让科学发现的速度呈指数级提升。 「我们的真正创新是数据生产方式」，Cubuk 强调。与依赖互联网文本的传统 AI 不同， 其实验室每天产生的独特数据中，包含大量传统科研中被忽略的 「负结果」。 在材料科学领域，失败实验占比超 90%，而这些未被文献记录的宝贵信息，恰恰成为 Periodic Labs AI 模型的独特养料。正如公司官网上的宣言：「在这里，自然界本身成为强化学习环境」。 技术可行性的背后，是三大领域的同步成熟：工业级机器人手臂的精度已达 0.1 毫米级，足以胜任复杂合成操作；AI 驱动的物理模拟器能将材料性能预测误差控制在 5% 以内；而 o1 等模型的推理能力，已能处理 「设计超导晶体结构」 这类跨学科复杂任务。三者的结合，让 Fedus 口中 「AI 动手做科学」 的愿景落地为现实。 资本狂潮：3 亿美金背后的硅谷共识 2025 年 9 月，Periodic Labs 宣布完成 3 亿美元种子轮融资的消息震惊行业。这个数字不仅创下 AI 初创公司种子轮纪录，更颠覆了风投行业的游戏规则 —— 除 Andreessen Horowitz 领投之外，a16z、DST、英伟达 NVentures 等顶级机构悉数跟投， 天使投资人名单更是星光熠熠：亚马逊创始人 Jeff Bezos、前谷歌 CEO Eric Schmidt、DeepMind 灵魂人物 Jeffrey Adgate 均在其列。 这场资本盛宴的序曲充满戏剧性。当 Fedus 在 2025 年初宣布离开 OpenAI 时，硅谷 VC 圈陷入集体狂热：有投资人递交数十页 PPT 自我推销，有人写下「情书式」投资意向书，更有机构承诺提供从算力到供应链的全方位支持。 但他们真正接到的第一个电话来自 Peter Deng， 他曾是 Fedus 在 OpenAI 的同事，后来成为顶级种子公司 Felicis 的投资者。在听完 Fedus 的愿景后，Deng 甚至忘了公司尚未注册便要写支票。 Felicis 投资 blog，图源 Felicis 官网 投资人的狂热并非盲目。a16z 在投资公告中直言：「这是压缩几十年科研进程的机会」。 在半导体散热、新能源材料等百亿美元级赛道，传统研发周期常达 10 年以上， 而 Periodic Labs 的技术路线有望将其缩短至数年。 a16z 投资 blog，图源 a16z 官网 耐人寻味的是前东家 OpenAI 的缺席。尽管 Fedus 离职时获得管理层祝福，甚至曾暗示可能获得支持， 就连 Sam Altman 也在公司成立时送上了祝福， 但其最终并未出现在投资方名单中。有行业分析师推测，这或许源于技术路线的根本分歧：OpenAI 聚焦通用人工智能，而 Periodic Labs 的 「AI for Science」 垂直路线，更接近谷歌 DeepMind 的战略方向。 梦之队：半个硅谷精英的集体迁徙 3 亿美元融资到账后，Periodic Labs 启动了硅谷史上近乎最惊人的人才招募。短短几周内， 20 多位来自 Meta、OpenAI、DeepMind 的顶尖研究者集体加盟， 其中包括 Transformer 注意力机制发明者、OpenAI Operator 智能体开发者、微软 MatterGen 大模型缔造者等大神级人物。不少人放弃了数百万美元股权激励，只为投身这场 「科研革命」。 这支团队的跨界特质堪称罕见： 半数成员来自 AI 领域，另一半则是物理、化学、材料科学的专家。 团队名单，图源 Periodic Labs 官网 豪华顾问团更强化了这种交叉优势。诺奖得主 Carolyn Bertozzi 领衔的学术委员会中，既有斯坦福大学超导物理权威，也有麻省理工学院材料科学泰斗，为 AI 专家提供全新的搜索算法思路。 科学顾问名单，图源 Periodic Labs 官网 基于这一强大的人才矩阵， 公司将初始目标聚焦于发现新型高温超导材料。 由于当前已知的超导体都需要极低温度或高压才能工作，若能研制出在接近常温下工作的超导体，潜力巨大。Periodic Labs 押注 AI 可以加快这一奇迹的诞生。 除了超导体，他们还将目光投向半导体等领域的现实难题。目前团队已经在与一家芯片制造商合作，利用专门训练的AI代理优化散热材料，帮助工程师更快迭代解决芯片散热瓶颈。 写在最后 从毅然选择离职，到 3 亿美元融资的轰动，从两位科学家的理念碰撞，到横跨 AI 与物理的梦之队组建；Periodic Labs 用不到一年时间，完成了传统科研机构数年的进化。其 「AI 科学家 + 自动化实验室」 的模式，不仅可能催生室温超导这样的颠覆性发现，更在重构人类探索自然的底层逻辑。 正如 a16z 合伙人 Sonal Chokshi 所言：「贝尔实验室曾用晶体管改变世界，IBM 研究院用激光技术开辟未来，而 Periodic Labs 正在用 AI 重塑科学本身。」 当机械臂在实验室里重复第 1,000 次实验，当 AI 模型分析第 10 万组数据，一场由硅基智能驱动的科学革命，已然拉开序幕。 参考文章： 1.https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs 2.https://periodic.com/ 3.https://globalbizoutlook.com/ai-startup-frenzy-how-periodic-labs-raised-300m-to-revolutionize-scientific-discovery/ 4.https://www.felicis.com/insight/periodic-labs-investment 5.https://a16z.com/announcement/investing-in-periodic-labs/ 本文来自微信公众号 “HyperAI超神经” ，作者：椰椰，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。 超神经HyperAI 参与评论 评论千万条，友善第一条 登录 后参与讨论 提交评论