aigcbar - null

AI科研新范式：ChatGPT缔造者联手DeepMind大神，剑指高温超导 | AI资讯

type
status
date
slug
summary
tags
category
icon
password
网址
在人工智能（AI）浪潮席卷全球的今天，当大多数目光还聚焦于LLM（大语言模型）如何优化办公、生成内容时，一场更深刻的变革正在悄然酝酿。近日，一则重磅AI新闻引爆了整个科技圈：ChatGPT的前核心缔造者与DeepMind的材料科学大神联手创立新公司Periodic Labs，并以3亿美元的惊人种子轮融资，宣告了一个新时代的到来——让AI亲自下场做科学。
这不仅是一次简单的创业，更是对当前AI发展路径的一次深刻反思和大胆突破。它标志着顶尖AI人才的目光，正从虚拟的文本世界，转向广阔而真实的物理世界。

梦幻团队的诞生：为何顶尖人才选择离开？

Periodic Labs的两位创始人，本身就是AI领域的传奇人物。
  • William Liam Fedus：前OpenAI研究副总裁，深度参与了ChatGPT、GPT-4o等划时代模型的后训练研发工作，是OpenAI技术路线的核心贡献者之一。
  • Ekin Dogus Cubuk：前Google DeepMind研究科学家，领导了震惊学界的GNoME项目，该项目利用AI发现了超过200万种新晶体材料，是材料科学领域的权威。
他们在各自的职业生涯中已然登顶，为何却选择在此刻毅然出走？答案直指当前大模型发展的核心瓶颈：数据。
Fedus在采访中直言，当前硅谷热炒的大模型应用存在“智力上的懒惰”。AI真正的目标不应只是自动化白领工作，而是要“加速科学”。互联网上的高质量文本数据（约10万亿tokens）已接近被消耗殆尽，单纯依赖扩大模型参数已难实现质的飞跃。
Cubuk也认为，真正的科学突破，不可能仅靠大模型在文本数据中推理几天几夜就凭空产生。它需要无数次的实验、失败与迭代。而这，正是现有AI模型所缺失的关键环节。
他们的共识是：与其在有限的存量知识中“内卷”，不如让AI自己动手，去创造全新的增量知识。这便是Periodic Labs创立的初心——打造一位真正的“AI科学家”。

自主实验室：让AI亲手“做”科学

Periodic Labs的核心理念是构建“自主实验室”（Autonomous Lab）。这并非一个纯粹的软件概念，而是一个真实的、软硬件结合的物理实验平台。
这个平台的运作模式构成了一个完美的闭环学习系统：
  1. 提出假设：AI模型（LLM）首先学习海量科学文献和物理模拟数据，然后像科学家一样，对某种新材料的性质或合成路径提出创新性假设。这就像是给AI一个高维度的Prompt，让它生成科学猜想。
  1. 动手实验：机器人手臂根据AI的方案，在实验室中自动混合原料、进行化学反应、烧制新材料。
  1. 表征与分析：传感器实时监测和测量新产物的各种物理化学性质，并将海量一手数据反馈给AI。
  1. 学习与迭代：AI分析实验结果。如果成功，假设得到验证；如果失败，AI则从失败中学习，分析原因并修正下一轮的假设。
这个过程，正如其官网所言，是“让自然界本身成为强化学习环境”。它有两大革命性优势：
  • 创造全新数据：每一次实验，无论成败，都会产生世界上独一无二的新数据，从根本上解决了大模型的数据瓶颈。
  • 系统化记录失败：传统科研中，大量失败的“负结果”被忽视，导致知识库存在幸存者偏差。Periodic Labs则将每一次失败都视为宝贵的学习资料，让AI建立一个更完整、更接近真实的知识体系。

剑指“圣杯”：从高温超导到万亿级市场

Periodic Labs将第一个目标瞄准了物理学界的“圣杯”——高温超导材料。如果能找到在常温常压下工作的超导体，将彻底颠覆能源、交通、计算等多个领域，引爆一个价值数十万亿美元的庞大市场。这是一个典型的、评价标准清晰且价值巨大的科学难题，非常适合作为检验“AI科学家”能力的试金石。
除了超导，他们的“登陆并扩张”战略还瞄准了半导体、航天、国防等尖端领域。例如，团队已在与芯片制造商合作，利用AI代理优化散热材料，解决行业痛点。
投资人们相信，一旦这套方法论被验证，Periodic Labs有潜力撬动先进制造、材料、能源等总计约15万亿美元的庞大市场。在摩尔定律放缓的今天，这种全新的科研范式，或许正是开启下一轮技术爆炸的关键钥匙，其潜力远超目前我们熟知的ChatGPT或Claude等应用，是真正通往AGI（通用人工智能）的另一条路径。这也解释了为何其能吸引到半个硅谷的顶级资本争相入局。

资本狂热与AI科研新赛道

Periodic Labs的诞生，不仅吸引了a16z、英伟达、DST等顶级机构，更引来了贝索斯、施密特等科技巨擘的个人投资，其团队也迅速集结了来自Meta、OpenAI、Google DeepMind的一众顶尖AI研究员和物理学家。
这一现象标志着“AI for Science”（AI科研）正成为继LLM之后，人工智能领域最炙手可热的新赛道。事实上，巨头们也早已布局：
  • OpenAI成立了“OpenAI for Science”部门，探索AI在科学发现中的应用。
  • DeepMind的AlphaFold早已攻克蛋白质折叠难题，改变了生物学研究的版图。
与巨头相比，Periodic Labs的优势在于其极致的专注、顶级的跨学科团队和初创公司的灵活性。他们正在进行的是一场高风险、高回报的豪赌。
总结
Periodic Labs的出现，远不止是又一家明星AI公司的诞生。它代表了一种科研范式的跃迁——从人类主导、AI辅助，迈向AI自主探索、发现新知识的全新阶段。当AI真正走进实验室，当物理世界成为AI的训练场，科学发现的速度和边界或将被彻底重塑。
这场实验的结果尚不可知，但其探索本身就极具价值。它为我们描绘了一幅激动人心的未来图景：AI不仅是我们的工具，更将成为我们探索未知的智慧伙伴。要持续关注这类前沿的AI资讯和行业动态，可以访问AI门户网站如 AIGC.bar 获取最新信息。
Loading...

没有找到文章