社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  chatgpt

3亿美金种子轮!ChatGPT大神联手DeepMind牛人,要造一个真正的“AI科学家”

AIGC开放社区 • 1 年前 • 401 次点击  
专注AIGC领域的专业社区,关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型(LLM)的发展和应用落地,聚焦LLM的市场研究和AIGC开发者生态,欢迎关注!

9月30日,两位分别来自OpenAI和谷歌DeepMind的顶级大牛,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)。

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,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

点击图片立即报名👇️


图片

图片


图片
图片

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/187658