OpenAI前研究副總裁Liam Fedus與DeepMind材料科學領軍者Ekin Cubuk共創Periodic Labs，以一輪高達3億美元的種子融資走出隱身模式，震驚硅谷。然而，曾給出祝福的前東家OpenAI，並未參與本輪投資。
在OpenAI締造了ChatGPT的前研究副總裁，和谷歌DeepMind材料科學與化學研究的領導者，聯手出走創業了！
他們的新公司Periodic Labs一亮相就拿下了3億美元的種子輪融資，投資陣容星光熠熠，a16z領投，跟投方有DST、英偉達NVentures、Accel、Felicis等，以及傑夫·貝索斯、埃裡克·施密特、傑夫·迪恩等科技大佬。
如此誇張的融資數字和投資人陣列，在初創公司中極為罕見，引發了業界的轟動。
這家公司究竟要做什麼？為何能夠吸引如此多關注？
從頂尖實驗室出走，只為「真正做科學」
這兩位聯合創始人一位是William Liam Fedus，OpenAI前研究副總裁，核心團隊成員之一，參與創造了劃時代的ChatGPT；
另一位是Ekin Dogus Cubuk（暱稱「Doge」），曾在谷歌DeepMind領導材料科學與化學研究。
他也是震驚學界的GNoME項目負責人之一，該項目在2023年利用AI一下子發現了超過200萬種全新晶體材料。
按理說，他們在各自領域已經登頂，可謂前途無量。
William Liam Fedus
作為OpenAI後訓練部門負責人，Liam Fedus主要進行ChatGPT、API和AI智能體底層模型的研究與開發工作。
此前，他就職於谷歌大腦，專注於通過MoE技術來優化神經網絡效率。
2022年，他正式入職OpenAI，初期作為核心開發人員加入強化學習團隊，是ChatGPT的共同創造者之一，主要負責數據處理和模型評估工作。
期間，他主導了多個重要模型（包括4o、o1-mini、o1-preview等）的後訓練研發工作。
2024年10月，Fedus接替了的Barret Zoph的職位，晉升為後訓練團隊負責人。
當時首席技術官Mira Murati和首席研究官Bob McGrew也一起離職。
Fedus在MIT獲得物理學學士學位（期間參與了一個定向暗物質探測器項目：DMTPC），並劍橋大學獲得物理學學士學位。
2016年，他獲得了加州大學聖迭戈分校基本粒子物理學的碩士學位，導師是David Meyer和Gary Cottrell。
隨後，他又在蒙特利爾大學獲得了計算機科學博士學位，師從Yoshua Bengio和Hugo Larochelle。
Ekin Dogus Cubuk
另一位聯合創始人Ekin Dogus Cubuk，之前是Google DeepMind的研究科學家。
他於2017年加入谷歌大腦，參與了材料科學發現領域的旗艦項目GNoME，併為公司內部構建了多個自動化合成實驗平臺，聚焦於如何用AI尋找新材料。
他是哈佛大學凝聚態與材料物理和計算科學的博士。
然而今年3月，Fedus毅然從OpenAI辭職，Cubuk也選擇離開DeepMind，轉身投入創業。
緣起在谷歌一起翻輪胎
兩人的交集最早來自谷歌內部，一次合力翻輪胎的趣事成為他們相識的契機——但真正把他們聚在一起的，是對當前AI研究路徑侷限的清醒認識，以及對AI科學家的共同追求。
現階段訓練AI主要依賴互聯網文本，可互聯網看似無邊無際，其實是有限的。
據估計，互聯網上有價值的文本數據約有10萬億個tokens（一個英文單詞約1-2個token），頂尖的大模型這幾年幾乎已把這些數據消耗殆盡。
沒有新鮮數據，僅靠無限制增大參數規模已經難有質的突破。
正如Fedus在接受採訪時直言的：
AI的主要目標根本不是替白領自動化辦公。AI的主要目標，是加速科學。
在他看來，如今硅谷熱炒的大模型應用有些「智力上的懶惰」，AI真正該發力的是推動科學發現的速度。
Cubuk也指出，光靠大模型在文本中推理幾天幾夜，不可能憑空蹦出驚世駭俗的科學發現。真正的科學突破離不開大量實驗和無數次失敗的淬鍊。
現在的AI模型，缺的恰恰就是「親自動手實驗」的環節。
於是，兩人在今年年初一拍即合：與其受限於既有數據，不如讓AI自己「走進」實驗室，從零開始創造數據。
他們要打造一位「AI科學家」，讓AI親自提出假設並在現實世界反覆試驗，從實驗結果中學習，無論結果成功還是失敗。
正如Fedus在和投資人交流時所說的那句話：
要讓AI真正做科學，就必須讓它動手做真正的科學。
OpenAI前同事、現Felicis投資合夥人Peter Deng第一次聽到這句話時，甚至在舊金山山坡上當場停下腳步，決定立刻投資。
在他看來，大模型掌握的只是訓練數據的「常規分佈」，也就是人類已有的知識；
要想有原始創新，唯有讓AI走出舒適圈，像科學家一樣提出新假說並驗證之。
這一理念，成為Periodic Labs創業的原點。
自主實驗室讓自然成為強化學習環境
Cubuk總結道，近年有三大技術進展讓這一切成為可能。
第一，能夠處理粉末合成的機器人手臂已經變得可靠，意味著機器可以自動混合原料、燒製新材料；
第二，機器學習驅動的物理模擬更加高效精確，足以模擬複雜材料和化學體系；
第三，大型語言模型（LLM）的推理能力今非昔比，能夠勝任更復雜的規劃和分析。
三個領域的飛躍拼合在一起，就勾勒出一幅圖景：AI可以在虛擬世界假設並計算，在真實世界動手實踐，再由AI分析實驗結果、調整思路。
材料科學的自動化閉環實驗室，現在正是構建的好時機。
事實上，Cubuk正是相關先驅工作的參與者之一。
早在2023年，他與同事在《Nature》上發表論文，描述了谷歌的一座全自動化機器人實驗室：由AI語言模型提議實驗方案，機器人據此合成材料，在短短17天內合成了41種以前從未記錄的新化合物。
這項成果被視為AI自主科研的里程碑，證明了技術可行性。
Periodic Labs的核心，就是要構建這樣的「自主實驗室」（autonomous lab）。
它是一個真實的物理實驗場，有機械手臂操作試管和材料，有傳感器表徵產物性質，每進行一次實驗就產生海量一手數據。
這一過程就像給AI搭建了一個巨大的強化學習環境，大自然本身成為了它的試驗場。
模型讀文獻、跑模擬，提出對某材料性質的預測，接著由機器人按方案合成該材料並測量驗證，實驗結果要麼證實了猜想，要麼打臉。
無論結果如何，都為下一步改進提供了依據，實現真正的「閉環」。
正因為每次實驗都是獨一無二的，這套系統將源源不斷產出以前不存在的新數據，擴充AI的知識庫。
而且它還有一個傳統科研無法比擬的優點：系統地記錄失敗。
平常科研中，大量「負結果」無人問津，論文裡發表的大多是成功案例，導致研究存在倖存者偏差。
Periodic Labs的自主實驗室則把每一次失敗都當作寶貴財富，失敗本身也成為模型學習的養分。
久而久之，AI將積累起一個覆蓋成功與失敗案例的完整經驗庫，幫助它更聰明地探索未知。
正如Periodic Labs官網放出的豪言壯語：「在這裡，自然界本身成為強化學習環境」。
瞄準超導與尖端材料，直擊百億美元難題
Periodic Labs選擇從物理科學領域切入，並非心血來潮。
一方面，物理和材料領域的數據相對豐富且客觀可驗證，AI在有海量數據且結果可驗領域往往進展神速（例如數學定理證明、蛋白質摺疊預測等）；
另一方面，人類技術的飛躍很大程度受限於材料的突破——誰要是率先找到室溫超導體這樣的「聖盃」，將徹底改變遊戲規則。
Fedus和Cubuk深知這一點，因此公司初始的頭號目標就是發現新型高溫超導材料。當前已知的超導體都需要極低溫度或高壓才能工作。
如果能研製出在接近常溫下工作的超導體，將帶來革命性影響：零電阻輸電、電網幾乎無損耗，磁懸浮列車、大型核聚變裝置等等都有望成為現實。
找到室溫超導體，可能就是下一個諾獎級別的成就，也是幾十萬億美元級產業的引爆點。
Periodic Labs押注AI可以加快這一奇蹟的誕生。
除了超導體，他們還將目光投向半導體等領域的現實難題。
目前團隊已經在與一家芯片製造商合作，利用專門訓練的AI代理優化散熱材料，幫助工程師更快迭代解決芯片散熱瓶頸。
未來，這種AI科研平臺還可以拓展到航天、能源、國防等前沿行業中。
例如加速新型合金、耐熱材料的開發，幫助人類以更低成本邁向深空探測和可控核聚變等目標。
a16z在投資公告中將Periodic Labs的策略稱為「在前沿領域登陸並擴張」：
先針對太空、國防、半導體這些每年投入數萬億美元研發的行業，挑選評價標準清晰、價值巨大的關鍵難題，與客戶合作用AI實驗室攻克，證明這套方法的威力——向世界展示，與其依賴互聯網文本訓練，不如直接面向物理現實優化AI，究竟能強大到什麼程度。
一旦在這些尖端領域站穩腳跟，再逐步將能力拓展到更廣闊的科學版圖。
換言之，先拿下幾個「硬核」戰役，再將勝利經驗複製推廣。
投資人相信，如果這一步步走通了，Periodic Labs有機會撬動先進製造、材料、能源、航空航天等總計約15萬億美元產值的龐大市場。
在摩爾定律遭遇瓶頸的當下，也許正是這種全新範式來接棒續寫下一章的時候。
頂尖人才和資本的狂熱下注
如此宏大的願景自然需要與之匹配的夢之隊。
Fedus和Cubuk用3億美元「彈藥」迅速網羅了全球一流的人才，短短几周內，就有超過20位AI研究領域的翹楚從Meta、OpenAI、Google DeepMind等大廠離職，加入Periodic Labs。
據《紐約時報》報道，不少人為了投身這家初創放棄了數百萬甚至上千萬美元的薪酬待遇。
他們的創業團隊履歷令人瞠目：不僅有共同創造ChatGPT者、執掌過DeepMind材料項目者，還包括Transformer神經網絡「注意力機制」的發明者、OpenAI早期智能體Operator（Agent）的開發者、微軟材料科學大模型MatterGen的締造者等。
這樣的組合幾乎囊括了AI算法和物理科學兩界的一眾頂尖高手。
為了讓不同背景的專家形成合力，Periodic Labs每週都會內部舉辦研究生水平的跨界講座：這周物理學家給大家講量子力學中的邏輯，下週機器學習專家再給同事們培訓前沿AI模型，讓全員都對彼此領域有深刻理解。
公司還組建了一個豪華科學顧問委員會，包括諾獎得主Carolyn Bertozzi等多位在化學、物理領域德高望重的教授，為研究方向把關。
可以說，Periodic Labs在創立之初就建立起了學術界與產業界罕見融合的一支隊伍。
正如投資方a16z所評價的：
Liam和Doge彙集了一支獨一無二的團隊：物理學家、化學家、模擬專家以及世界上最頂尖的機器學習研究者。
這樣的團隊配置，大模型公司裡都不多見，更何況一家初創。
另一邊，投資界的熱情同樣高漲。
當Fedus宣佈離開OpenAI投身新事業時，硅谷VC們幾乎陷入瘋狂爭搶。
據說有投資人情真意切地寫了一封「情書」給Periodic Labs表白，還有的遞上數頁紙長的PPT來介紹自己能提供的價值，希望打動創始人。
最先敲開他們大門的是Felicis風投的合夥人Peter Deng——巧的是，他曾與Fedus在OpenAI共事，也是在今年初離開去做VC的。
Deng火速約了Fedus在舊金山Noe Valley街區喝咖啡，興奮地邊走邊聊。
當聽到Fedus描繪的願景，他激動得當場表示：「我現在就給你們寫支票！」
他甚至一度忘了公司尚未註冊、連名字都沒取好，支票無處可寄的尷尬。
最終，Felicis成功搶下了這一輪的領投權之一。
不過OpenAI本身並未參與投資。
雖然Fedus離職時OpenAI高層給予了祝福，他甚至在推文中暗示OpenAI可能會支持，但這一假設並未成真。
然而，OpenAI的缺席並不重要了。
憑藉創始團隊的聲望，Periodic Labs手握的投資邀約很快多到令人眼花繚亂。
除了前述機構，跟投名單上還出現了硅谷最大牌的天使投資人：亞馬遜創始人貝索斯、前谷歌CEO施密特、AI領域傳奇人物傑夫·迪恩、硅谷投資人埃拉德·吉爾等等，連NVIDIA也透過旗下基金NVentures站臺助威。
硅谷幾乎半個「神仙圈子」都聚齊了，可見大家對AI4S這個賽道的期待有多高。
投資人直言這可能是「壓縮幾十年科研進程」的機會，誰都不願錯過。
AI科研競賽，巨頭與初創同臺競技
Periodic Labs的橫空出世，標誌著AI探索版圖的一次重要轉向：從追逐通用人工智能、聊天機器人這樣的「虛擬智能」，邁向與物理世界深度互動、以創造新科學知識為目標的新賽場。
他們並非孤軍奮戰。在大型科技公司中，類似的理念正在萌芽。
OpenAI就在上月宣佈成立「OpenAI for Science」部門，試圖打造「AI驅動的次世代科學儀器」，讓AI平臺加速科學發現。
DeepMind更是早有先例：其AlphaFold系統將生物蛋白質摺疊難題攻克，一舉改變生物學研究版圖，不僅贏得了全球聲譽，更為兩位核心研發者贏得了諾貝爾獎的肯定。
可以說，科技巨頭們已經意識到，下一個AI突破口很可能就在實驗室裡，在現實世界的未知現象中。
而在創業公司陣營，除了Periodic Labs外，也有像FutureHouse這樣的新創非營利組織，喊出要打造自主AI科學家的口號。
種種跡象表明，「AI搞科研」正成為新一輪創新競賽的熱點。
相比之下，Periodic Labs擁有業界罕見的專注和豪華班底，手握充沛資金，又沒有大公司的包袱，被視為這一賽道最值得期待的選手之一。
當然，科學研究從來就不是一朝一夕之功，更何況要用AI去挑戰人類未知領域的難題。
Periodic Labs本身也承認，這是一場高風險的豪賭。
就算有再聰明的AI和再能幹的機器人，科研過程依然充滿不可預知的曲折，可能十試九敗。
但正因為充滿不確定性，才意味著巨大的突破空間和價值，哪怕最終沒能找到理想的超導體，他們在探索中積累的大量數據和失敗教訓也本身具有非凡意義。
這與傳統科研過於功利、只獎勵成功論文發表的機制形成對照，Periodic Labs追求的是一種「探索本身即有價值」的新範式。
可以預見，如果這條道路走通了，我們對待科研的思路也將被顛覆。
Periodic Labs要重新想象科學發現的進行方式。
當AI真正走入實驗室，當自然世界變成AI的訓練場，也許人類迎來的將是科研範式的躍遷。
抱著這樣的信念，這群頂尖科學家和投資人正全情投入這場豪賭。
未來十年，Periodic Labs能否交出改變世界的答卷，我們拭目以待。
參考資料：
https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs/
本文來自微信公眾號“新智元”，作者：新智元，36氪經授權發佈。
