人工智能与硬科技领域迎来震撼消息：OpenAI前核心后训练负责人William Fedus与DeepMind材料科学领军者EkinDogus Cubuk正式宣布联合创立Periodic Labs，这家定位“AI驱动科学发现”的初创公司已完成3亿美元融资，由硅谷传奇风投a16z领投，瞬间点燃行业对科研范式变革的期待。更引人瞩目的是，两人已组建起一支由20余名OpenAI、Meta、谷歌前顶级研究员构成的核心团队，堪称人工智能与物理科学交叉领域的“梦之队”。
Periodic Labs的诞生，源于两位创始人跨越数年的理念共鸣与能力互补。早在GoogleBrain时期，一次合力翻轮胎的趣事让Fedus与Cubuk结缘，而真正促成合作的，是他们对AI发展瓶颈的共同洞察。
William Fedus堪称“AI智能落地的关键推手”：作为Transformer架构的核心共作者，他主导搭建了ChatGPT早期版本的强化学习管线，更是OpenAI Agent（前身为Operator）的早期开发者，深耕“让语言模型具备实用智能”的核心命题。其MIT物理系本科与蒙特利尔大学计算机博士的双重背景，让他既能驾驭前沿AI模型，又深谙物理世界的底层逻辑。
EkinDogus Cubuk则是“AI赋能材料科学的先行者”：这位哈佛大学凝聚态物理与计算科学博士，曾领导DeepMind材料科学与化学研究，深度参与材料发现旗舰项目GNoME，并构建多个自动化合成实验平台。他擅长通过量子力学计算与机器学习结合的方式设计新材料，研究覆盖锂电池、相变材料等关键领域，其学术履历彰显了对“AI+实验”模式的深刻理解。
“科学的进步不仅需要智力猜想，更需要与现实的验证碰撞。”Periodic Labs在官宣中明确，其核心战略是构建“AI科学家+自动化实验室”的闭环系统，直击当前AI发展的关键痛点——现有大模型已耗尽约10万亿文本token的互联网数据，但缺乏与物理世界的互动能力，无法生成真正的新知识。
这一模式的革命性体现在三大维度：
数据革命：自动化实验室每轮实验可产生GB级高维物理数据，远超文本信息的信息量与精准度，且能系统性捕捉传统科研中从未公开的“负面结果”——在材料科学中，这类失败数据占比远超成功案例，却对模型训练具有不可替代的价值。
能力闭环：AI科学家将自主完成“提出假设-设计实验-操作设备-分析数据-优化猜想”的全流程，无需人工干预。这种闭环能力已在加州理工学院的实验中得到验证：类似系统曾在一年内完成传统十年的材料探索任务，发现光电转换效率突破18.4%的新型钙钛矿材料。
环境适配：选择物理科学作为起点，因该领域具备高信噪比、快速验证的特性，且自然界可直接作为强化学习（RL）的训练环境，与AI擅长的可验证领域（如数学、代码）高度契合。
