人工智能與科研的深度融合迎來新突破。OpenAI后訓練團隊核心成員William Fedus與DeepMind材料科學領域專家Ekin Dogus Cubuk聯合創立的Periodic Labs宣布完成3億美元融資，這家專注于"AI科學家"培養的初創企業，正試圖重構傳統科研范式。
創始團隊背景堪稱豪華。William Fedus作為Transformer架構重要貢獻者，曾在Google Brain和OpenAI主導語言模型后訓練體系搭建，其開發的Operator（現Agent）系統開創了實用智能新范式。這位擁有MIT物理本科學位與蒙特利爾大學計算機博士的跨界專家，在ChatGPT早期強化學習管線構建中發揮關鍵作用。聯合創始人Ekin Dogus Cubuk則是哈佛大學凝聚態物理博士，其在DeepMind期間參與的GNoME項目，曾通過AI發現220萬種潛在晶體結構，相關成果登上《自然》雜志封面。
公司核心技術路線聚焦自主實驗室構建。團隊認為，當前大模型訓練依賴的互聯網文本數據（約10萬億token）已接近極限，而物理實驗產生的結構化數據具有不可替代性。每個實驗可生成GB級高質量數據，包含大量未被公開的負向結果，這些數據構成的"現實強化學習環境"，能培養真正具備科學發現能力的AI系統。
高溫超導材料研究被選為首個攻堅方向。團隊指出，常壓下超過200K的超導體尚未被發現，這類材料若實現將引發能源傳輸、量子計算等領域的革命。實驗系統需整合文獻解析、晶體生成、熱力學模擬、配方優化等多模塊能力，形成"假設-仿真-實驗-優化"的完整閉環。這種能力遷移后，可應用于磁性材料、電池材料等更廣泛領域。
產業應用已現端倪。公司正在為半導體企業開發芯片散熱解決方案，其系統通過分析歷史實驗數據，結合實時仿真條件，可快速輸出新型散熱結構設計，并評估物理約束極限。這種研發流程嵌入的AI助手，能將材料發現周期從數年壓縮至數月。
團隊構成體現鮮明跨界特征。30人團隊中，半數為頂尖大模型研究者，半數為物理、化學領域實驗專家。每周的跨學科研討會成為知識融合的重要場景，量子力學與強化學習、晶體生長與數據管線的碰撞持續產生創新火花。公司特別強調"行動優先"文化，要求團隊成員必須親自動手實驗，而非僅停留在理論推導。
本輪融資陣容堪稱頂級。由a16z領投，NVIDIA風險投資部門NVentures、Felicis、DST、Accel等機構參投，杰夫·貝索斯、谷歌前CEO Eric Schmidt、DeepMind聯合創始人Jeff Dean等個人投資者也加入戰局。這筆資金將用于實驗室擴建、團隊招募及自主實驗平臺開發。
技術路線圖顯示，公司計劃在2026年前建成自動化材料合成平臺，實現從假設提出到實驗驗證的全流程自主運行。中期目標是將AI科學家系統推廣至航空航天、國防等領域，為工程師提供實時決策支持。長期愿景則是建立通用型科研AI框架，使機器具備真正意義上的科學發現能力。
