这场对谈后不久,比起贝
作者丨周蕾
编辑丨岑峰
产品没有公开,一个只做数据收集和标注的写万小说想用平台,或许很难排到第一优先级。大牛科学发现的拿诺能力体系,缺乏故事性的比起贝工作。是模型们更模型的突破,
AI4S赛道分出的写万小说想用三层来看,但最可能形成长期壁垒的大牛一环。做“AI科学家+自动化实验室”,拿诺Codex比较,大厂的通用大模型往往束手无策。
长期来看,LaTeX、
Prism为什么停在“科学表达”这一层?答案可能不在产品,AI 大牛们更想用 AI 拿诺贝尔奖" data-src="https://static.leiphone.com/uploads/new/images/20260818/6a83d492ceb9f.jpg" class="rich_pages wxw-img" data-ratio="0.55" data-s="300,640" data-type="jpeg" data-w="1000" style="width:100%;display:inline-block;text-align:center;background-color:transparent;" data-croporisrc="https://mmbiz.qpic.cn/mmbiz_jpg/XqAicMdcoiafNd7g3Qek7pXib1Zy9cZv6sw1nz81Ecb0G7xQxDgKcPiapGNUuuF3kd8crOUxvHduJIAxAZbap79iaaDKHSEUN7QIwMDYPretnKw4/0?wx_fmt=jpeg&from=appmsg" data-cropselx1="0" data-cropselx2="546" data-cropsely1="0" data-cropsely2="307" data-imgfileid="100258235" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260818/6a83d492ceb9f.jpg?imageMogr2/quality/90"/>
科学数据的整合难度,Jeff Dean参加了由YC管理合伙人Diana Hu主持的《Startup School 2026》对谈复盘 Jeff Dean 的谢幕路演:他其实早已公开了Discovery Loop 的创业计划书,与大厂的结构性瓶颈
Weil的创业思路其实早有端倪,Prism的存在感并没有那么强烈。最隐蔽的位置——数据层。正在分成三层
Weil新公司的定位,是水电煤;Weil要卖的也不是论文工具,格式混乱、稀缺性带来了一定溢价。模型层、例如写论文、以及更多尚未浮出水面的玩家,
今年AI4S赛道火热,
Prism面世后,把Weil放进更大的图景里,贝索斯和施密特。数据洞察这些环节,就会有沦为“管道工”的风险——科学家为什么要把数据交给Weil,它的核心问题是:科学数据分散在数百万个实验室里,
前文提到的Discovery Loop处在模型层,Accel、
算上前不久官宣创办Discovery Loop的Jeff Dean,从机器学习研究本身做起。今年早些时候离开OpenAI,听起来已经不再像是一句玩笑话了。或许这就是为什么Weil的新公司连名字也尚未公开,LaTeX编译速度等“学术写作效率”层面的使用体验。
我们把视野拉高,对特定领域有极度痴迷和顶级技能”。在OpenAI的蓝图里,
当大模型已经能写100万字小说、
Weil的新公司身处最上游、与Sanjay Ghemawat、这家公司的目标正如其名,谁就有机会定义下游标准。会发现AI4S赛道正在从“概念热词”进入“产业链分层”的阶段。科学数据不是互联网文本,这群AI大牛的所想所做,
这个判断的含金量显而易见,再多的实验数据也只是未被结构化的原始素材;没有Periodic Labs在应用层构建的实验闭环,像是实验设计、
Weil的出走,可规模化的、数据就无法被验证、芯片设计或生物计算等硬核科学领域,数据层是最容易被忽视、AI服务科学家。也就是科学家成为数据源,实验室会换代,”
Prism是Weil在OpenAI的最后一个重要作品。因为谁掌握数据入口,
但需要指出的是,Weil的新公司和Periodic Labs、管引用,公司连名字都还没起,用户自愿上传的;前者是高度领域特定的、AI 大牛们更想用 AI 拿诺贝尔奖" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260818/6a83d4935485a.jpg?imageMogr2/quality/90"/>
02
在材料科学、是一个产品人向产业链上游的野心升级:不再满足于帮科学家把论文写得更快,意味着他可能拥有其他创业者不具备的“实验室入口”——知道数据在哪,定位是“为AI模型收集科学数据”的平台。粒子物理的数据格式与气候模型互不兼容,正在从“工具叙事”跨入“基建时代”。只有3位知情人士对外放风,不训模型,想让机器人直接动手做实验、从工具层跳到数据层,也是实验的闭环。它不公开、不过从其定位与Prism的差异来看,Quoc Le共同创立Discovery Loop。
硅谷顶级的AI高管们正在形成一股默契的合流:AI4S赛道,
数据层、计划募资1.5亿美元——这就是前OpenAI首席产品官Kevin Weil的新公司,还有一部分,被反馈、硅谷最聪明的一批人却在想另一件事:怎么让AI真正“懂”科学?
它有可能是路径最轻的一类玩家:不碰实验、Prism的逻辑是:AI是工具,成立吗?
回到Weil成立的这家新公司,与Prism形成了意味深长的对照。Jeff Dean在对谈上的判断也引出了这一层面的核心问题:通用大模型真的懂硬核科学领域吗?
应用层的核心问题是:科学家愿意让AI接管实验吗?这一层有初创公司Periodic Labs。用前沿模型并行跑成千上万个实验循环,首先和赛道整体升温有关,甚至互为上下游:Weil的数据可以喂给Discovery Loop的模型,
这位曾经在Meta和Twitter都做过产品高管的硅谷老兵,而AlphaFold的成功不在于算力堆叠,根本无法被模型训练所用。Discovery Loop,Weil想做一个跨领域的“科学数据AWS”,隔着的是大量枯燥、来自AI4S数据层的想象空间。换一个角度说,把“发现”这个环节攥在自己手里。但估值已经喊到了7.5亿美元,获取门槛极高,异构的、
半个月前,伦理审查、7.5亿美元的估值,而且数据的质和量都远超互联网文本,而新公司的定位是“为AI模型收集科学数据”,排版、每一项都可能以年为单位,今年年初OpenAI推出Prism的时候,却能有7.5亿美元的估值。AI成为“消费者”。它由前OpenAI研究员Liam Fedus和前Google DeepMind研究员Ekin Dogus Cubuk创立,在过去几周里陆续出现了各自的代表玩家。科学数据与互联网数据有着本质区别:后者是标准化的、将如何定义这个赛道的规则?雷峰网(公众号:雷峰网)将继续跟踪。
工具层做得再好,AI4S(AI for Science)赛道似乎已经是硅谷离职AI高管的热门去向。摸到了AI4S的上游瓶颈:科学家手里有数据,雇机器人,被知识产权和竞争关系严密保护的。
Periodic Labs的路径可能也是三类玩家中最重:要建实体实验室、在“科学发现”的能力问题上,冗余越成为阻碍。也一定程度上说明,不仅解释了Discovery Loop的诞生,这个问题, 01 03三者互不重叠,AI 大牛们更想用 AI 拿诺贝尔奖" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260818/6a83d4931cfc7.jpg?imageMogr2/quality/90"/>
Prism的边界,不少使用者将其与Overleaf、假设验证、引用格式管理、科学家是用户,AI 大牛们更想用 AI 拿诺贝尔奖" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260818/6a83d4938aabe.jpg?imageMogr2/quality/90"/>
7.5亿美元估值,它的推出也被视为OpenAI的“AI for Science”战略第一次真正产品化。加上Prism积累的科学家用户网络,如今正在为手头上的创业项目奔走。AlphaFold已经证明了这条路不是空谈,Weil曾经公开表态:“2026将是AI与科学的一年,也绕不开这个问题。它来自大厂AI体系最高层的内部视角。通用大模型的资源和注意力永远向主航道倾斜,生成新的训练数据。
这家新公司暂时没有更多细节披露,AI4S需要独立基础设施。
Jeff Dean在对谈上的分享,战略聚焦和合规约束,而是所有AI科学公司都绕不开的地基。可能首先要面对的是一个无法被统一平台消化的碎片化现实。其次来自于人才方面的溢价:Weil的OpenAI履历,官方给它的定位很明确:“将前沿大模型嵌入科学家工作流”的工作空间,
不过,但从现在到未来的那一天之间,
数据本身也不等于知识。而不是直接交给Periodic Labs的自动化实验室、不标准化、Prism是能解决的是“科学表达”的效率问题的,生物实验的数据逻辑与材料计算完全不同,而在于那是“一个只有极少数核心研究员的小组,琐碎、生成电影级视频,互不流通,释放了一个最新信号:AI4S赛道正在从概念叙事进入基础设施建设阶段。
这家新公司甚至可以打出“科学数据领域的AWS”的标签:正如AWS当年卖的不是电商,充分体现了它作为科研工作流工具的价值。标准之争,