OpenAI后训练负责人William Fedus与DeepMind材料科学领域专家Ekin Dogus Cubuk近日宣布联合创立AI4S公司Periodic Labs，旨在通过AI智能体技术重构传统科研范式。这家新锐企业已获得由a16z领投的3亿美元💵融资，投资者阵容包括NVIDIA风险投资部门NVentures、Felicis Ventures等机构，以及杰夫·贝索斯、Eric Schmidt等科技界知名人士。
联合创始人William Fedus兼具物理与计算机双重背景，其职业生涯横跨MIT物理系、蒙特利尔大学计算机博士项目，并在Google Brain与OpenAI主导过ChatGPT早期版本的强化学习管线开发。另一位创始人Ekin Dogus Cubuk作为哈佛大学凝聚态物理博士，曾在DeepMind领导材料科学旗舰项目GNoME，并在Google内部构建多个自动化实验平台。两位科学家在Google工作期间因共同研究项目结识，最终决定携手创建专注于物理世界AI科研的实验室。
Periodic Labs的核心技术路线聚焦于构建闭环推理系统，该系统能够自主完成从文献分析、假设生成到实验执行的全流程。与传统AI模型依赖『互联网』文本数据不同，该公司通过自主物理实验室获取高质量实验数据，每个实验可产生数GB的独特数据集。这种"现实世界数据采集-模型优化"的循环模式，使得AI系统能够处理包含负面结果的完整数据集，而非仅依赖已发表的成功案例。
公司首个重大攻关方向选定高温超导材料研究，这项选择蕴含多重战略考量：超导领域需要整合文献解析、晶体结构生成、热力学建模等复杂能力，成功案例可横向迁移至电池材料、『半导体』结构等其他物理领域。更关键的是，该领域的实验结果具有明确可验证性，符合公司"科学即强化学习环境"的核心理论——自然环境提供真实反馈，实验结果构成奖赏函数。
在产业应用层面，Periodic Labs已与『半导体』制造商展开合作，开发解决『芯片』散热问题的定制化AI代理。该系统通过分析历史实验数据、调用仿真工具，能够输出优化设计方案并评估物理约束条件。这种嵌入研发流程的AI助手，可帮助『工程师』压缩搜索空间、生成新材料结构，显著缩短试验周期。公司计划将类似解决方案推广至航空航天、国防等需要快速材料迭代的领域。
团队构成方面，30人的研发力量呈现显著学科交叉特征：约半数为顶尖『大语言模型』研究者，另一半来自物理、化学与材料工程领域。这种结构通过每周内部教学实现知识融合，模型专家学习量子力学基础，实验科学家掌握强化学习原理。公司特别强调"行动优先"文化，鼓励提出基础性问题，并以实际系统构建而非论文发表作为核心评价标准。
学术生态建设上，Periodic Labs设立学术顾问委员会并启动资助计划，重点支持基础工具研发。这种产学研结合的模式，既保证前沿技术探索，又构建可持续的科研生态系统。投资方NVIDIA的参与尤为引人注目，其GPU算力支持与AI硬件优化经验，将为实验室的大规模仿真计算提供关键基础设施。
对于AI与科学的关系，Periodic Labs提出颠覆性观点：真正强大的AI科学家必须具备实验能力。当被问及"通用人工智能是否会取代人类科学家"时，公司核心团队认为，科学发现本质是智力与现实交互的过程，自然界的反馈机制不可替代。他们的目标不是替代科学家，而是创造能够自主完成"假设-实验-验证"循环的新型研究主体，最终重构人类获取知识的方式。
