Weil的大牛出走,Prism的拿诺存在感并没有那么强烈。这群AI大牛的比起贝所想所做,
AI4S赛道分出的模型们更三层来看,不仅解释了Discovery Loop的写万小说想用诞生,数据就无法被验证、大牛数据层、拿诺分享了一个关键判断:
在材料科学、比起贝
Prism面世后,模型们更把“发现”这个环节攥在自己手里。写万小说想用它不公开、大牛实验室的拿诺数据孤岛如果真的比想象中更难打通,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,是水电煤;Weil要卖的也不是论文工具,决定了它们很难在“为AI收集科学数据”这种又脏又慢的基建工作上投入重兵。从工具层跳到数据层,而在组织。首先和赛道整体升温有关,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,其次来自于人才方面的溢价:Weil的OpenAI履历,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,谁来整合?
它有可能是路径最轻的一类玩家:不碰实验、没有Discovery Loop在模型层的突破,而AlphaFold的成功不在于算力堆叠,
三者互不重叠,Codex比较,正在从“工具叙事”跨入“基建时代”。数据层很可能成为整个产业链的“收费站”:模型会迭代,
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,就像2025是AI与软件工程的一年。
Prism为什么停在“科学表达”这一层?答案可能不在产品,是模型的突破,它由前OpenAI研究员Liam Fedus和前Google DeepMind研究员Ekin Dogus Cubuk创立,听起来已经不再像是一句玩笑话了。它来自大厂AI体系最高层的内部视角。
我们把视野拉高,伦理审查、没有精力深耕特定垂直领域;组织越大,来自AI4S数据层的想象空间。与大厂的结构性瓶颈
Weil的创业思路其实早有端倪,背后是实验室资质、却能有7.5亿美元的估值。获取门槛极高,Weil或许是在Prism的实践中,充分体现了它作为科研工作流工具的价值。粒子物理的数据格式与气候模型互不兼容,不过从其定位与Prism的差异来看,只做数据的收集和结构化——但网络效应可能最强,
算上前不久官宣创办Discovery Loop的Jeff Dean,引用格式管理、
作者丨周蕾
编辑丨岑峰
产品没有公开,假设验证、换一个角度说,或许很难排到第一优先级。也间接描绘出了Prism可能存在的天花板——OpenAI的资源集中在通用大模型的迭代上,正在分成三层
Weil新公司的定位,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。
当大模型已经能写100万字小说、
工具层做得再好,
今年AI4S赛道火热,因为谁掌握数据入口,7.5亿美元的估值,用前沿模型并行跑成千上万个实验循环,成立吗?
回到Weil成立的这家新公司,隔着的是大量枯燥、但这些数据散落在实验室的笔记本、贝索斯和施密特。
Weil的新公司身处最上游、最隐蔽的位置——数据层。像是实验设计、
还有一部分,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"/>
那么7.5亿也可能成为AI4S赛道第一个被戳破的泡沫。在过去几周里陆续出现了各自的代表玩家。格式混乱、战略聚焦和合规约束,做“AI科学家+自动化实验室”,而在于那是“一个只有极少数核心研究员的小组,生成新的训练数据。AI成为“消费者”。不少使用者将其与Overleaf、与Sanjay Ghemawat、但估值已经喊到了7.5亿美元,它的核心问题是:科学数据分散在数百万个实验室里,”02
AI4S赛道,科学数据的供给体系、实验室会换代,一个只做数据收集和标注的平台,分享了不少排版协作、AlphaFold已经证明了这条路不是空谈,
Prism是Weil在OpenAI的最后一个重要作品。异构的、
Jeff Dean在对谈上的分享,如今正在为手头上的创业项目奔走。Weil的新公司和Periodic Labs、数据层是最容易被忽视、把Weil放进更大的图景里,科学家是用户,
不过,Jeff Dean宣布正式结束27年谷歌生涯,从机器学习研究本身做起。但最可能形成长期壁垒的一环。也绕不开这个问题。谁就有机会定义下游标准。就会有沦为“管道工”的风险——科学家为什么要把数据交给Weil,现在没有人能给出答案。
Periodic Labs的路径可能也是三类玩家中最重:要建实体实验室、Prism是能解决的是“科学表达”的效率问题的,通用大模型的资源和注意力永远向主航道倾斜,
但需要指出的是,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"/>
OpenAI前CPO创业获7.5亿美元融资——硅谷最聪明的一批大脑,科学数据与互联网数据有着本质区别:后者是标准化的、雇机器人,Prism的逻辑是:AI是工具,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。用户自愿上传的;前者是高度领域特定的、希望让AI自动化科学研究全过程。是否被资本市场低估了?资质谈判、
数据本身也不等于知识。应用层三个生态位,也一定程度上说明,根本无法被模型训练所用。但结构化的科学数据资产只会持续增值。稀缺性带来了一定溢价。缺乏故事性的工作。
AI4S的当下战场, 这个判断的含金量显而易见,或许这就是为什么Weil的新公司连名字也尚未公开,大厂的组织冗余、而不是直接交给Periodic Labs的自动化实验室、伦理审查和设备投入,
硅谷顶级的AI高管们正在形成一股默契的合流:AI4S赛道,
半个月前,或者用自己的私有数据训练Discovery Loop式的专用模型?
科学数据的整合难度,公司连名字都还没起,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?
的能力问题上,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"/> “科学发现”
03
7.5亿美元估值,
这家新公司暂时没有更多细节披露,琐碎、管引用,买设备、模型层、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,是数据的地基,Accel、
这位曾经在Meta和Twitter都做过产品高管的硅谷老兵,Quoc Le共同创立Discovery Loop。今年早些时候离开OpenAI,冗余越成为阻碍。LaTeX编译速度等“学术写作效率”层面的使用体验。
这场对谈后不久,加上Prism积累的科学家用户网络,例如写论文、科学数据不是互联网文本,生物实验的数据逻辑与材料计算完全不同,以至于“用AI拿诺贝尔奖”这句话,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,与Prism形成了意味深长的对照。摸到了AI4S的上游瓶颈:科学家手里有数据,芯片设计或生物计算等硬核科学领域,Discovery Loop,被知识产权和竞争关系严密保护的。而是所有AI科学公司都绕不开的地基。投资方名单也可谓是星光熠熠:a16z、可规模化的、而且数据的质和量都远超互联网文本,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。Weil曾经公开表态:“2026将是AI与科学的一年,标准之争,被迭代。在OpenAI的蓝图里,
前文提到的Discovery Loop处在模型层,不标准化、押注算法突破,每一项都可能以年为单位,科学发现的能力体系,这家公司的目标正如其名,数据洞察这些环节,AI4S需要独立基础设施。Weil想做一个跨领域的“科学数据AWS”,不训模型,AI4S(AI for Science)赛道似乎已经是硅谷离职AI高管的热门去向。
长期来看,也是实验的闭环。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,以及更多尚未浮出水面的玩家,也知道怎么敲门。被反馈、只有3位知情人士对外放风,也就是科学家成为数据源,今年年初OpenAI推出Prism的时候,Oriol Vinyals、它的推出也被视为OpenAI的“AI for Science”战略第一次真正产品化。Excel表格和私有数据库里,甚至互为上下游:Weil的数据可以喂给Discovery Loop的模型,而是要做AI时代科学数据的供给方。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"/>
01
Prism的边界,生成电影级视频,

这个判断的含金量显而易见,或许这就是为什么Weil的新公司连名字也尚未公开,大厂的组织冗余、而不是直接交给Periodic Labs的自动化实验室、伦理审查和设备投入,
“科学发现”
长期来看,也是实验的闭环。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,以及更多尚未浮出水面的玩家,也知道怎么敲门。被反馈、只有3位知情人士对外放风,也就是科学家成为数据源,今年年初OpenAI推出Prism的时候,Oriol Vinyals、它的推出也被视为OpenAI的“AI for Science”战略第一次真正产品化。Excel表格和私有数据库里,甚至互为上下游:Weil的数据可以喂给Discovery Loop的模型,而是要做AI时代科学数据的供给方。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"/>