AI科学新范式:OpenAI巨头联手,3亿美元打造AI科学家挑战室温超导 | AIGC.bar AI资讯

type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能(AI)领域,当所有人的目光都聚焦于LLM(大语言模型)的参数竞赛和多模态能力的进化时,一群来自OpenAI和DeepMind的顶尖大脑,却悄然将视线投向了一个更宏大、更根本的领域:用AI重塑科学发现的整个流程。
近日,OpenAI后训练负责人William Fedus与DeepMind材料科学专家Ekin Dogus Cubuk正式宣布,他们联合创办了名为Periodic Labs的AI科学公司。这家公司不仅汇集了来自谷歌、Meta等巨头的20多位顶级研究员,更是在成立之初就获得了由a16z领投,NVIDIA、杰夫·贝索斯等巨头跟投的3亿美元巨额融资。他们的目标石破天惊:培养真正的“AI科学家”,让AI走出虚拟世界,走进实验室,自主地提出假说、设计实验、分析结果,最终实现室温超导等颠覆性科学突破。这不仅是AI新闻中的一个亮点,更可能预示着AGI发展的新方向。

AI的下一站:从“阅读世界”到“实验世界”

近年来,以ChatGPTClaude为代表的大模型已经几乎“读完”了整个互联网。据估计,互联网上的高质量文本数据约为10万亿个token,而最前沿的模型已经接近这个极限。这意味着,单纯依靠扩大数据规模来提升模型智能的路径正变得越来越窄。
Periodic Labs的创始人们敏锐地意识到了这一点。他们认为,AI的下一步进化,不能再局限于重复学习人类已有的知识,而必须具备创造新知识的能力。而科学,正是创造新知识的终极场域。
他们的核心理念是: * 数据稀缺性转变:互联网数据已饱和,而高质量、结构化的实验数据(尤其是负面结果)是极其稀缺和宝贵的。每个实验都能产生独一无二的GB级数据。 * 行动与验证:真正的智能不仅需要推理,更需要行动。物理世界是一个“可验证”的环境,实验结果是检验AI假设的最终标准(Ground Truth)。自然本身,就是终极的强化学习环境。 * 闭环科学流程:Periodic Labs致力于打造一个“感知-认知-行动”的闭环系统。AI科学家将自主完成从阅读文献、提出假说、进行物理模拟,到设计实验、控制自动化设备执行、分析数据、并根据结果迭代优化的全过程。
这标志着AI从一个被动的知识问答引擎,向一个主动的科学探索者的根本性转变。

梦幻团队:ChatGPT与GNoME缔造者的强强联合

Periodic Labs的底气,源于其星光熠熠的创始团队。他们不仅是顶级的AI专家,更是深耕物理与材料科学的跨界人才。
  • William Fedus:作为Transformer架构的重要共创者,他曾领导Google Brain和OpenAI的核心模型后训练工作,是ChatGPT早期强化学习管线的关键构建者。他拥有MIT物理学和计算机科学的双重背景,始终关注如何让语言模型具备真正的实用智能。
  • Ekin Dogus Cubuk:一位哈佛大学的物理学博士,曾在DeepMind领导材料科学研究,是其著名的材料发现项目GNoME的核心成员。他在利用AI驱动自动化实验平台方面拥有丰富的实践经验。
两位创始人的背景完美互补,将最前沿的大模型技术与最硬核的物理科学实验结合在了一起。此外,团队还吸引了包括NeurIPS最佳论文奖得主Rishabh Agarwal、前TikTok机器学习技术领导Wei Chen(中科大少年班校友)等众多天才研究员的加入。这是一个真正为“自动化科学发现”而生的梦幻团队。

为何是室温超导?一个撬动未来的支点

在众多科学难题中,Periodic Labs将第一个目标锁定在了“室温超导材料”。这个选择极具战略眼光。
首先,室温超导是物理学领域的圣杯之一,一旦实现,将彻底改变能源传输、交通、计算等多个行业,其影响力不亚于一次新的工业革命。
其次,这个目标具备理想的“AI科学家”训练特性: * 高信噪比:超导是一种宏观量子现象,实验结果相对明确,适合AI进行学习和迭代。 * 可自动化:材料的粉末合成与测量流程相对成熟,便于机器人自动化平台进行高通量筛选实验。 * 可迁移性:为解决超导问题而开发的一系列能力,如文献解析、晶体结构生成、热力学模拟、实验方案优化等,可以被迅速迁移到电池材料、半导体、催化剂等其他高价值领域。
攻克室温超导,就像是为AI科学家打造的“终极图灵测试”,一旦成功,其背后的一整套方法论和技术平台将拥有无可估量的价值。

不止于科学发现:赋能产业的“AI科研副驾”

尽管目标宏大,Periodic Labs的规划却非常务实。他们并非只想成为一个象牙塔里的研究机构,而是致力于将“AI科学家”的能力产品化,赋能广大的工业界。
他们的商业模式是打造嵌入企业研发流程的“AI科研副驾”(Copilot for physical R&D)。例如,他们已经开始与一家半导体制造商合作,利用其AI系统解决芯片的散热问题。系统通过分析历史实验数据、结合物理仿真,为工程师提供新的设计思路、预测材料性能极限,从而大幅缩短研发周期,降低试错成本。
这种模式清晰地展示了AI变现的巨大潜力,将抽象的科学探索与具体的产业需求紧密结合,有望成为工程研发领域的下一个颠覆性工具。
结论
Periodic Labs的诞生,是人工智能发展史上的一个标志性事件。它宣告了AI不再满足于理解世界,而是要亲手改造世界。这支由业界最强大脑组成的团队,手握3亿美元的雄厚资本,正试图撬动一个万亿级的市场,并从根本上改变人类知识增长的方式。
当许多人还在讨论AGI是否会取代人类时,Periodic Labs给出了一个更具建设性的答案:AI将成为人类科学家最强大的工具,一个能够自主探索未知、验证真理的伙伴。这场由AI驱动的科学革命,已经拉开序幕。
想要获取更多前沿的AI资讯和深度分析,敬请关注 AIGC.bar,您的专属AI门户
Loading...

没有找到文章