Periodic Labs, được đồng sáng lập bởi cựu Phó Chủ tịch Nghiên cứu của OpenAI, Liam Fedus và nhà lãnh đạo khoa học vật liệu của DeepMind, Ekin Cubuk, đã thoát khỏi chế độ ẩn dật với vòng huy động vốn vòng hạt giống trị giá 300 triệu đô la, gây chấn động Thung lũng Silicon. Tuy nhiên, OpenAI, công ty cũ của họ, vốn trước đây đã ngỏ lời ủng hộ, đã không tham gia vòng gọi vốn này.
Cựu phó chủ tịch nghiên cứu tại OpenAI, người đã tạo ra ChatGPT và người đứng đầu bộ phận nghiên cứu khoa học vật liệu và hóa học tại Google DeepMind đã hợp tác để khởi nghiệp!
Công ty mới của họ, Periodic Labs, đã huy động được 300 triệu đô la tiền tài trợ hạt giống ngay khi ra mắt, với đội hình đầu tư toàn sao dẫn đầu là a16z, tiếp theo là DST, Nvidia NVentures, Accel, Felicis và những gã khổng lồ công nghệ khác như Jeff Bezos, Eric Schmidt và Jeff Dean.
Những con số tài chính và danh sách nhà đầu tư phóng đại như vậy cực kỳ hiếm gặp ở các công ty khởi nghiệp và gây chấn động trong ngành.
Công ty này thực sự làm gì và tại sao lại thu hút được nhiều sự chú ý đến vậy?
Rời khỏi một phòng thí nghiệm hàng đầu, chỉ để "làm khoa học thực sự"
Một trong hai người đồng sáng lập là William Liam Fedus, cựu phó chủ tịch nghiên cứu tại OpenAI và là thành viên cốt cán đội ngũ đã tham gia vào quá trình tạo ra ChatGPT mang tính đột phá;
Người còn lại là Ekin Dogus Cubuk (biệt danh "Doge"), người đứng đầu nghiên cứu khoa học vật liệu và hóa học tại Google DeepMind.
Ông cũng là một trong những người lãnh đạo dự án GNoME gây chấn động cộng đồng học thuật. Năm 2023, dự án đã sử dụng AI để khám phá hơn 2 triệu vật liệu tinh thể mới cùng một lúc.
Xét về mặt logic, họ đã đạt đến đỉnh cao trong lĩnh vực của mình và có tương lai tươi sáng.
William Liam Fedus
Với tư cách là người đứng đầu bộ phận đào tạo sau đại học của OpenAI, Liam Fedus chủ yếu tiến hành nghiên cứu và phát triển ChatGPT, API và các mô hình cơ bản của tác nhân AI.
Trước đây, ông làm việc tại Google Brain, tập trung vào việc tối ưu hóa hiệu quả của mạng nơ-ron thông qua công nghệ MoE.
Năm 2022, anh chính thức gia nhập OpenAI và ban đầu tham gia đội ngũ học tăng cường với tư cách là nhà phát triển cốt lõi. Anh là một trong những người đồng sáng tạo ChatGPT và chủ yếu chịu trách nhiệm xử lý dữ liệu và đánh giá mô hình.
Trong thời gian này, ông đã lãnh đạo hoạt động nghiên cứu và phát triển sau đào tạo của một số mô hình quan trọng (bao gồm 4o, o1-mini, o1-preview, v.v.).
Vào tháng 10 năm 2024, Fedus thay thế Barret Zoph và được thăng chức làm trưởng đội ngũ đào tạo sau đại học.
Giám đốc công nghệ Mira Murati và Giám đốc nghiên cứu Bob McGrew cũng rời công ty vào thời điểm đó.
Fedus nhận bằng Cử nhân Vật lý từ MIT (nơi ông làm việc trong Dự án thăm dò vật chất tối có định hướng: DMTPC) và bằng Cử nhân Vật lý từ Đại học Cambridge.
Năm 2016, ông nhận bằng thạc sĩ vật lý hạt cơ bản từ Đại học California, San Diego, dưới sự hướng dẫn của David Meyer và Gary Cottrell.
Sau đó, ông lấy bằng Tiến sĩ Khoa học Máy tính tại Đại học Montreal, nơi ông học dưới sự hướng dẫn của Yoshua Bengio và Hugo Larochelle.
Ekin Dogus Cubuk
Một người đồng sáng lập khác, Ekin Dogus Cubuk, trước đây là nhà khoa học nghiên cứu tại Google DeepMind.
Anh gia nhập Google Brain vào năm 2017 và tham gia GNoME, dự án chủ lực trong lĩnh vực khám phá khoa học vật liệu. Anh cũng xây dựng nhiều nền tảng thử nghiệm tổng hợp tự động trong công ty, tập trung vào cách sử dụng AI để tìm kiếm vật liệu mới.
Ông có bằng Tiến sĩ về Vật lý Vật chất và Vật liệu ngưng tụ và Khoa học tính toán của Đại học Harvard.
Tuy nhiên, vào tháng 3 năm nay, Fedus đã kiên quyết từ chức khỏi OpenAI và Cubuk cũng quyết định rời DeepMind để chuyển sang kinh doanh.
Mọi chuyện bắt đầu khi chúng tôi cùng nhau lật lốp xe tại Google
Hai người gặp nhau lần đầu tại Google, trong một lần lật lốp xe vui vẻ. Nhưng điều thực sự đưa họ đến với nhau chính là sự hiểu biết rõ ràng về những hạn chế của các hướng nghiên cứu AI hiện tại và cùng theo đuổi mục tiêu trở thành các nhà khoa học AI.
Hiện nay, việc đào tạo AI chủ yếu dựa vào văn bản trên Internet, mặc dù Internet có vẻ vô tận nhưng thực tế lại có hạn.
Người ta ước tính rằng có khoảng 10 nghìn tỷ token dữ liệu văn bản có giá trị trên Internet (một từ tiếng Anh có khoảng 1-2 token) và các mô hình lớn hàng đầu đã gần như sử dụng hết dữ liệu này trong những năm gần đây.
Nếu không có dữ liệu mới, sẽ rất khó để đạt được bước đột phá về chất lượng chỉ bằng cách tăng thang tham số không giới hạn.
Như Fedus đã phát biểu trong một cuộc phỏng vấn:
Mục tiêu chính của AI không phải là tự động hóa công việc văn phòng. Mục tiêu chính của AI là thúc đẩy khoa học.
Theo quan điểm của ông, các ứng dụng mô hình quy mô lớn hiện đang được thổi phồng ở Thung lũng Silicon có phần "lười biếng về mặt trí tuệ" và điều mà AI thực sự nên tập trung vào là đẩy nhanh tốc độ khám phá khoa học.
Cubuk cũng chỉ ra rằng việc chỉ dựa vào các mô hình lớn và lý luận bằng văn bản trong nhiều ngày đêm sẽ không tạo ra những khám phá khoa học mang tính đột phá. Những đột phá khoa học thực sự đòi hỏi phải trải qua lượng lớn thử nghiệm và lần thất bại.
Điều mà các mô hình AI hiện tại còn thiếu chính là liên kết “thí nghiệm thực hành”.
Vì vậy, hai bên đã hợp tác với nhau vào đầu năm nay: thay vì bị giới hạn bởi dữ liệu hiện có, sẽ tốt hơn nếu để AI "đi vào" phòng thí nghiệm và tạo dữ liệu từ đầu.
Họ muốn tạo ra một "nhà khoa học AI" có thể đề xuất các giả thuyết và tiến hành nhiều thí nghiệm lặp đi lặp lại trong thế giới thực, học hỏi từ kết quả thí nghiệm, bất kể kết quả có thành công hay không.
Như Fedus đã nói khi giao tiếp với các nhà đầu tư:
Để AI thực sự có thể làm khoa học, nó phải được phép làm khoa học thực sự.
Khi Peter Deng, cựu đồng nghiệp của OpenAI và hiện là đối tác đầu tư của Felicis, lần đầu tiên nghe thấy điều này, ông thậm chí đã dừng lại trên sườn đồi ở San Francisco và quyết định đầu tư ngay lập tức.
Theo quan điểm của ông, các mô hình lớn chỉ nắm bắt được "phân phối chuẩn" của dữ liệu đào tạo, tức là kiến thức mà con người đã có.
Nếu chúng ta muốn đạt được sự đổi mới độc đáo, chúng ta phải để AI thoát khỏi vùng an toàn, đề xuất các giả thuyết mới và xác minh chúng như các nhà khoa học.
Khái niệm này đã trở thành điểm khởi đầu của Periodic Labs.
Các phòng thí nghiệm tự động làm cho thiên nhiên trở thành một hoàn cảnh học tập nâng cao
Cubuk kết luận rằng ba tiến bộ công nghệ lớn trong những năm gần đây đã giúp mọi điều này trở nên khả thi.
Đầu tiên, cánh tay robot có khả năng xử lý tổng hợp bột đã trở nên đáng tin cậy, nghĩa là máy móc có thể tự động trộn nguyên liệu thô và nung vật liệu mới.
Thứ hai, mô phỏng vật lý do máy học điều khiển hiệu quả và chính xác hơn, đủ để mô phỏng các vật liệu phức tạp và hệ thống hóa học;
Thứ ba, khả năng lập luận của các mô hình ngôn ngữ lớn (LLM) hiện nay vượt trội hơn nhiều so với trước đây, cho phép lập kế hoạch và phân tích phức tạp hơn.
Những bước tiến vượt bậc trong ba lĩnh vực này kết hợp lại đã vẽ nên một bức tranh: AI có thể đưa ra các giả định và tính toán trong thế giới ảo, áp dụng chúng vào thực tế trong thế giới thực, sau đó phân tích kết quả thử nghiệm và điều chỉnh tư duy.
Bây giờ là thời điểm thích hợp để xây dựng một phòng thí nghiệm vòng kín tự động cho khoa học vật liệu.
Trên thực tế, Cubuk là một trong những người tham gia vào công trình tiên phong này.
Ngay từ năm 2023, ông và các đồng nghiệp đã công bố một bài báo trên tạp chí Nature, mô tả một phòng thí nghiệm robot hoàn toàn tự động tại Google: mô hình ngôn ngữ AI đề xuất kế hoạch thử nghiệm và robot đã tổng hợp các vật liệu dựa trên đó, tổng hợp 41 hợp chất mới chưa từng được ghi nhận trước đây chỉ trong 17 ngày.
Thành tựu này được coi là cột mốc trong nghiên cứu khoa học AI tự động, chứng minh tính khả thi của công nghệ.
Mục tiêu cốt lõi của Periodic Labs là xây dựng một "phòng thí nghiệm tự động" như vậy.
Đây là một lĩnh vực thực nghiệm vật lý thực sự, với cánh tay robot vận hành ống nghiệm và vật liệu, cùng các cảm biến mô tả đặc tính sản phẩm. Mỗi thí nghiệm tạo ra một lượng lớn dữ liệu thực tế.
Quá trình này giống như xây dựng một hoàn cảnh học tăng cường khổng lồ cho AI và bản thân thiên nhiên sẽ trở thành nơi thử nghiệm của nó.
Mô hình đọc tài liệu, chạy mô phỏng và đưa ra dự đoán về các đặc tính của một vật liệu nhất định. Sau đó, robot tổng hợp vật liệu theo kế hoạch, đo lường và kiểm chứng. Kết quả thực nghiệm hoặc xác nhận hoặc bác bỏ giả thuyết.
Bất kể kết quả ra sao, nó cũng cung cấp cơ sở cho bước cải tiến tiếp theo và đạt được "vòng lặp khép kín" thực sự.
Vì lần thí nghiệm đều độc đáo nên hệ thống này sẽ liên tục tạo ra dữ liệu mới chưa từng tồn tại trước đó, mở rộng cơ sở kiến thức của AI.
Và nó có một lợi thế mà nghiên cứu khoa học truyền thống không thể sánh kịp: ghi lại những thất bại một cách có hệ thống.
Trong nghiên cứu khoa học thông thường, lượng lớn"kết quả tiêu cực" bị bỏ qua và hầu hết các kết quả được công bố trên các bài báo đều là những trường hợp thành công, dẫn đến sự thiên vị người sống sót trong nghiên cứu.
Phòng thí nghiệm độc lập của Periodic Labs coi mọi thất bại là tài sản quý giá và bản thân thất bại trở thành nguồn dinh dưỡng cho việc học tập mô hình.
Theo thời gian, AI sẽ tích lũy được một thư viện kinh nghiệm hoàn chỉnh bao gồm cả những trường hợp thành công và thất bại, giúp AI khám phá những điều chưa biết một cách thông minh hơn.
Như trang web Periodic Labs tự hào: "Ở đây, bản thân thiên nhiên trở thành hoàn cảnh học tập tăng cường."
Nhắm mục tiêu vào các chất siêu dẫn và vật liệu tiên tiến để giải quyết thách thức trị giá hàng tỷ đô la
Quyết định bước vào lĩnh vực khoa học vật lý của Periodic Labs không phải là một ý thích nhất thời.
Một mặt, dữ liệu trong lĩnh vực vật lý và vật liệu tương đối phong phú và có thể kiểm chứng khách quan. AI thường đạt được tiến bộ nhanh chóng trong các lĩnh vực có lượng dữ liệu khổng lồ và kết quả có thể kiểm chứng (như chứng minh định lý toán học và dự đoán sự gấp nếp của protein).
Mặt khác, những bước tiến vượt bậc trong công nghệ của con người phần lớn bị giới hạn bởi những đột phá về vật liệu. Bất cứ ai đầu tiên tìm ra "chén thánh" của chất siêu dẫn ở nhiệt độ phòng sẽ hoàn toàn thay đổi luật chơi.
Fedus và Cubuk hiểu rõ điều này, vì vậy mục tiêu hàng đầu ban đầu của công ty là khám phá ra những vật liệu siêu dẫn nhiệt độ cao mới. Các chất siêu dẫn hiện nay cần nhiệt độ cực thấp hoặc áp suất cực cao để hoạt động.
Nếu một chất siêu dẫn hoạt động ở nhiệt độ gần nhiệt độ phòng có thể được phát triển, nó sẽ tạo ra một tác động mang tính cách mạng: truyền tải điện không có điện trở, lưới điện gần như không có tổn thất, tàu đệm từ, thiết bị tổng hợp hạt nhân quy mô lớn, v.v. dự kiến sẽ trở thành hiện thực.
Việc tìm ra chất siêu dẫn ở nhiệt độ phòng có thể là thành tựu tiếp theo đạt giải Nobel và là động lực cho một ngành công nghiệp trị giá hàng nghìn tỷ đô la.
Periodic Labs đang đặt cược rằng AI có thể đẩy nhanh sự ra đời của phép màu này.
Ngoài chất siêu dẫn, họ còn chú ý đến các vấn đề thực tế trong các lĩnh vực như chất bán dẫn.
Đội ngũ hiện đang làm việc với một nhà sản xuất chip để sử dụng các tác nhân AI được đào tạo đặc biệt nhằm tối ưu hóa vật liệu tản nhiệt, giúp các kỹ sư lặp lại nhanh hơn để giải quyết các điểm nghẽn tản nhiệt của chip.
Trong tương lai, nền tảng nghiên cứu AI này cũng có thể được mở rộng sang các ngành công nghiệp tiên tiến như hàng không vũ trụ, năng lượng và quốc phòng.
Ví dụ, việc đẩy nhanh quá trình phát triển các hợp kim và vật liệu chịu nhiệt mới có thể giúp con người hướng tới các mục tiêu như thám hiểm không gian sâu và phản ứng tổng hợp hạt nhân có kiểm soát với chi phí thấp hơn.
Trong thông báo đầu tư, a16z mô tả chiến lược của Periodic Labs là “đổ bộ và mở rộng vào các lĩnh vực tiên tiến”:
Trước tiên, chúng tôi sẽ nhắm mục tiêu vào các ngành công nghiệp như hàng không vũ trụ, quốc phòng và chất bán dẫn, những ngành đầu tư hàng nghìn tỷ đô la vào nghiên cứu và phát triển mỗi năm. Chúng tôi sẽ chọn ra những vấn đề then chốt và khó khăn với tiêu chí đánh giá rõ ràng và giá trị to lớn, đồng thời hợp tác với khách hàng để giải quyết chúng bằng cách sử dụng phòng thí nghiệm AI để chứng minh sức mạnh của phương pháp này - cho thế giới thấy sức mạnh của AI khi được tối ưu hóa trực tiếp cho thực tế vật lý, thay vì chỉ dựa vào đào tạo văn bản trên internet.
Khi đã tạo dựng được chỗ đứng vững chắc trong những lĩnh vực tiên tiến này, chúng tôi sẽ dần mở rộng năng lực của mình ra phạm vi khoa học rộng hơn.
Nói cách khác, trước tiên hãy giành chiến thắng trong một vài trận chiến "khó nhằn", sau đó sao chép và thúc đẩy trải nghiệm chiến thắng.
Các nhà đầu tư tin rằng nếu cách tiếp cận từng bước này thành công, Periodic Labs sẽ có cơ hội tận dụng một thị trường khổng lồ với tổng giá trị sản lượng khoảng 15 nghìn tỷ đô la, bao gồm sản xuất tiên tiến, vật liệu, năng lượng, hàng không vũ trụ, v.v.
Giờ đây, khi Định luật Moore đã chạm đến điểm nghẽn, có lẽ đã đến lúc mô hình mới này tiếp quản và viết nên chương tiếp theo.
Cơn sốt đầu tư từ những nhân tài và vốn hàng đầu
Một viễn cảnh mong đợi lớn như vậy tất nhiên cần có một đội ngũ trong mơ để thực hiện.
Fedus và Cubuk đã sử dụng 300 triệu đô la "đạn dược" để nhanh chóng chiêu mộ những nhân tài hàng đầu toàn cầu. Chỉ trong vài tuần, hơn 20 nhà lãnh đạo trong lĩnh vực nghiên cứu AI đã từ chức khỏi các công ty lớn như Meta, OpenAI và Google DeepMind để gia nhập Periodic Labs.
Theo tờ New York Times, nhiều người đã bỏ ra hàng triệu, thậm chí hàng chục triệu đô la tiền lương để tham gia vào công ty khởi nghiệp này.
Bản lý lịch của đội ngũ doanh nhân này thật đáng kinh ngạc: không chỉ bao gồm người đồng sáng tạo ChatGPT và người đứng đầu dự án vật liệu DeepMind, mà còn bao gồm người phát minh ra "cơ chế chú ý" của mạng nơ-ron Transformer, nhà phát triển Operator (Agent) - tác nhân thông minh đầu tiên của OpenAI, và người tạo ra mô hình khoa học vật liệu quy mô lớn MatterGen của Microsoft.
Sự kết hợp này bao gồm hầu hết các chuyên gia hàng đầu trong lĩnh vực thuật toán AI và khoa học vật lý.
Để các chuyên gia từ nhiều bối cảnh khác nhau có thể làm việc cùng nhau, Periodic Labs tổ chức các bài giảng liên ngành cấp sau đại học hàng tuần: tuần này, một nhà vật lý sẽ giải thích logic của cơ học lượng tử, và tuần tới, một chuyên gia về máy học sẽ đào tạo các đồng nghiệp về các mô hình AI tiên tiến, để tất cả nhân viên đều có hiểu biết sâu sắc về lĩnh vực của nhau.
Công ty cũng đã thành lập một ủy ban cố vấn khoa học uy tín, bao gồm người đoạt giải Nobel Carolyn Bertozzi và nhiều giáo sư được kính trọng khác trong lĩnh vực hóa học và vật lý, để giám sát các hướng nghiên cứu.
Có thể nói rằng Periodic Labs đã thành lập một đội ngũ là sự kết hợp hiếm có giữa giới học thuật và công nghiệp ngay từ khi thành lập.
Như nhà đầu tư a16z đã bình luận:
Liam và Doge đã tập hợp một đội ngũ độc đáo: các nhà vật lý, nhà hóa học, chuyên gia mô phỏng và một số nhà nghiên cứu máy học hàng đầu thế giới.
Cấu hình đội ngũ như vậy rất hiếm thấy ở các công ty lớn, chưa nói đến các công ty khởi nghiệp.
Mặt khác, sự nhiệt tình của cộng đồng đầu tư cũng cao không kém.
Khi Fedus thông báo rằng ông sẽ rời OpenAI để theo đuổi một dự án mới, các nhà đầu tư mạo hiểm ở Thung lũng Silicon gần như đã lao vào cuộc tranh giành điên cuồng.
Người ta nói rằng một nhà đầu tư đã viết một "bức thư tình" chân thành gửi đến Periodic Labs để bày tỏ tình yêu của mình với công ty, trong khi những người khác nộp một bản PPT nhiều trang để giới thiệu giá trị mà họ có thể cung cấp, với hy vọng gây ấn tượng với người sáng lập.
Người đầu tiên gõ cửa là Peter Deng, một đối tác tại Felicis Venture Capital. Trùng hợp thay, anh ấy từng làm việc với Fedus tại OpenAI và cũng đã rời đi để trở thành một nhà đầu tư mạo hiểm vào đầu năm nay.
Deng nhanh chóng hẹn Fedus đi uống cà phê ở khu Noe Valley của San Francisco, và họ vừa đi vừa trò chuyện vui vẻ.
Khi nghe được viễn cảnh mong đợi của Fedus, ông vô cùng phấn khích đến nỗi nói ngay tại chỗ: "Tôi sẽ viết cho ông một tấm séc ngay bây giờ!"
Thậm chí có lúc ông còn quên mất rằng công ty vẫn chưa được đăng ký, thậm chí chưa chọn được tên và không có nơi nào để gửi séc.
Cuối cùng, Felicis đã thành công trong việc tìm được một trong những nhà đầu tư dẫn đầu trong vòng này.
Tuy nhiên, bản thân OpenAI không tham gia vào khoản đầu tư này.
Mặc dù các giám đốc điều hành của OpenAI đã chúc phúc khi Fedus rời đi, và ông thậm chí còn ám chỉ trong một dòng tweet rằng OpenAI có thể sẽ hỗ trợ ông, nhưng giả định này đã không thành sự thật.
Tuy nhiên, sự vắng mặt của OpenAI không quan trọng.
Nhờ danh tiếng của đội ngũ sáng lập, Periodic Labs đã sớm nhận được số lượng lớn lời đề nghị đầu tư.
Ngoài các tổ chức đã đề cập ở trên, danh sách đầu tư tiếp theo còn bao gồm các nhà đầu tư thiên thần lớn nhất của Thung lũng Silicon: nhà sáng lập Amazon Bezos, cựu CEO Google Schmidt, huyền thoại AI Jeff Dean, nhà đầu tư Thung lũng Silicon Elad Gill, v.v. Ngay cả NVIDIA cũng đã tham gia hỗ trợ thông qua quỹ NVentures của mình.
Gần một nửa "nhóm thần thánh" ở Thung lũng Silicon đã tụ họp tại đây, điều này cho thấy kỳ vọng của mọi người dành cho lộ trình AI4S cao đến mức nào.
Các nhà đầu tư đã tuyên bố rằng đây có thể là cơ hội để "rút ngắn quá trình nghiên cứu khoa học trong nhiều thập kỷ" và không ai muốn bỏ lỡ.
Cuộc thi nghiên cứu AI: Các công ty lớn và các công ty khởi nghiệp cạnh tranh trên cùng một sân khấu
Sự xuất hiện của Periodic Labs đánh dấu một bước chuyển quan trọng trong bối cảnh khám phá AI: từ việc theo đuổi "trí tuệ ảo" như trí tuệ nhân tạo nói chung và chatbot sang một lĩnh vực mới về tương tác độ sâu với thế giới vật lý và mục tiêu tạo ra kiến thức khoa học mới.
Họ không đơn độc. Những ý tưởng tương tự cũng đang xuất hiện trong các công ty công nghệ lớn.
Chỉ tháng trước, OpenAI đã công bố thành lập bộ phận "OpenAI for Science", nỗ lực tạo ra "các công cụ khoa học lần do AI điều khiển" để cho phép các nền tảng AI đẩy nhanh các khám phá khoa học.
DeepMind đã tạo ra một tiền lệ: hệ thống AlphaFold của họ đã giải quyết được vấn đề khó khăn về việc gấp protein sinh học, thay đổi toàn bộ cục diện nghiên cứu sinh học chỉ trong một bước, không chỉ giành được danh tiếng toàn cầu mà còn giành được giải Nobel cho hai nhà phát triển cốt lõi của họ.
Có thể nói rằng các gã khổng lồ công nghệ đã nhận ra rằng bước đột phá tiếp theo về AI rất có thể sẽ diễn ra trong phòng thí nghiệm và trong những hiện tượng chưa biết trong thế giới thực.
Trong nhóm khởi nghiệp, ngoài Periodic Labs, còn có các tổ chức phi lợi nhuận mới như FutureHouse, cam kết đào tạo các nhà khoa học AI độc lập.
Nhiều dấu hiệu cho thấy "sử dụng AI cho nghiên cứu khoa học" đang trở thành điểm nóng trong vòng thi đổi mới sáng tạo mới.
Ngược lại, Periodic Labs sở hữu một đội ngũ giàu kinh nghiệm và chuyên môn hiếm có trong ngành, với nguồn vốn dồi dào và không phải chịu gánh nặng của một công ty lớn. Công ty được coi là một trong những công ty triển vọng nhất trong lĩnh vực này.
Tất nhiên, nghiên cứu khoa học không bao giờ có thể đạt được chỉ sau một đêm, chứ đừng nói đến việc sử dụng AI để giải quyết những vấn đề khó khăn trong những lĩnh vực mà con người chưa biết đến.
Bản thân Periodic Labs thừa nhận rằng đây là một canh bạc rủi ro cao.
Ngay cả với AI thông minh nhất và robot có năng lực nhất, quá trình nghiên cứu khoa học vẫn đầy rẫy những diễn biến khó lường và chín trong mười lần thử có thể thất bại.
Nhưng chính vì nó đầy rẫy sự bất định, nên nó mang lại không gian rộng lớn cho những đột phá và giá trị. Ngay cả khi cuối cùng họ không tìm thấy chất siêu dẫn lý tưởng, lượng lớn dữ liệu và bài học kinh nghiệm từ những thất bại tích lũy trong quá trình khám phá vẫn có ý nghĩa vô cùng to lớn.
Điều này trái ngược với nghiên cứu khoa học truyền thống, vốn quá thực dụng và chỉ mang lại lợi ích cho việc xuất bản các bài báo thành công. Periodic Labs theo đuổi một mô hình mới, trong đó "bản thân việc khám phá là có giá trị".
Có thể thấy trước rằng nếu con đường này thành công, cách tiếp cận nghiên cứu khoa học của chúng ta cũng sẽ bị Sự lật đổ.
Periodic Labs đang tái hiện lại cách thức tiến hành khám phá khoa học.
Khi AI thực sự bước vào phòng thí nghiệm và khi thế giới tự nhiên trở thành nơi đào tạo cho AI, có lẽ điều mà nhân loại sẽ mở ra sẽ là một bước nhảy vọt trong mô hình nghiên cứu khoa học.
Với niềm tin này, nhóm các nhà khoa học và nhà đầu tư hàng đầu này hoàn toàn cam kết với canh bạc này.
Chúng ta sẽ phải chờ xem liệu Periodic Labs có thể đưa ra câu trả lời làm thay đổi thế giới trong thập kỷ tới hay không.
Tham khảo:
https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs/
Bài viết này được trích từ tài khoản công khai WeChat "Xinzhiyuan" , tác giả: Xinzhiyuan và được 36Kr cho phép xuất bản.
