导语：OpenAI前CPO创业获7.5亿美元融资——硅谷最智慧的一批年夜脑，正团体撤离“文字游戏”。 OpenAI前CPO创业获7.5亿美元融资——硅谷最智慧的一批年夜脑，正团体撤离“文字游戏”。

作者丨周蕾

编纂丨岑峰

产物没有公然，公司连名字都还有没起，只有3位知恋人士对于外放风，但估值已经经喊到了7.5亿美元，规划募资1.5亿美元——这就是前OpenAI首席产物官Kevin Weil的新公司，定位是“为AI模子网络科学数据”的平台。

这位曾经经于Meta及Twitter都做过产物高管的硅谷老兵，本年早些时辰脱离OpenAI，如今正于为手头上的创业项目驱驰。

算上前不久官宣开办Discovery Loop的Jeff Dean，AI4S（AI for Science）赛道好像已经经是硅谷去职AI高管的热点去向。换一个角度说，这群AI年夜牛的所想所做，开释了一个最新旌旗灯号：AI4S赛道正于从观点叙事进入基础举措措施设置装备摆设阶段。

当年夜模子已经经能写100万字小说、天生影戏级视频，硅谷最智慧的一批人却于想另外一件事：怎么让AI真正“懂”科学？

01

Weil的创业思绪实在早有眉目，本年年头OpenAI推出Prism的时辰，Weil曾经经公然亮相：“2026将是AI与科学的一年，就像2025是AI与软件工程的一年。”

Prism是Weil于OpenAI的末了一个主要作品。官方给它的定位很明确：“将前沿年夜模子嵌入科学家事情流”的事情空间，它的推出也被视为OpenAI的“AI for Science”战略第一次真正产物化。

Prism面世后，不少利用者将其与Overleaf、LaTeX、Codex比力，分享了不少排版协作、援用格局治理、LaTeX编译速率等“学术写作效率”层面的利用体验。这于必然水平上申明，Prism是能解决的是“科学表达”的效率问题的，例如写论文、排版、管援用，充实表现了它作为科研事情流东西的价值。

不外，于“科学发明”的能力问题上，像是试验设计、假定验证、数据洞察这些环节，Prism的存于感并无那末强烈。

Prism为何停于“科学表达”这一层？谜底可能不于产物，而于构造。

半个月前，Jeff Dean到场了由YC治理合股人Diana Hu主持的《Startup School 2026》对于谈复盘 Jeff Dean 的谢幕路演：他实在早已经公然了Discovery Loop 的创业规划书，分享了一个要害判定：

于质料科学、芯片设计或者生物计较等硬核科学范畴，年夜厂的通用年夜模子往往一筹莫展。而AlphaFold的乐成不于在算力重叠，而于在那是“一个只有少少数焦点研究员的小组，对于特定范畴有极端痴迷及顶级技术”。

这个判定的含金量显而易见，它来自负厂AI系统最高层的内部视角。通用年夜模子的资源及留意力永远向主航道歪斜，没有精神深耕特定垂直范畴；构造越年夜，冗余越成为拦阻。

这场对于谈后不久，Jeff Dean公布正式竣事27年google生活生计，与Sanjay Ghemawat、Oriol Vinyals、Quoc Le配合创建Discovery Loop。这家公司的方针正如其名，但愿让AI主动化科学研究全历程。

Jeff Dean于对于谈上的分享，不仅注释了Discovery Loop的降生，也间接描绘出了Prism可能存于的天花板——OpenAI的资源集中于通用年夜模子的迭代上，科学数据的供应系统、科学发明的能力系统，于OpenAI的蓝图里，也许很难排到第一优先级。

Weil的出走，也必然水平上申明，AI4S需要自力基础举措措施。年夜厂的构造冗余、战略聚焦及合规约束，决议了它们很难于“为AI网络科学数据”这类又脏又慢的基建事情上投入重兵。

02

Weil新公司的定位，与Prism形成为了象征深长的比照。Prism的逻辑是：AI是东西，科学家是用户，AI办事科学家。而新公司的定位是“为AI模子网络科学数据”，也就是科学家成为数据源，AI成为“消费者”。

这家新公司暂时没有更多细节披露，不外从其定位与Prism的差异来看，Weil也许是于Prism的实践中，摸到了AI4S的上游瓶颈：科学家手里有数据，并且数据的质及量都远超互联网文本，但这些数据散落于试验室的条记本、Excel表格及私有数据库里，格局杂乱、互不畅通，底子没法被模子练习所用。

东西层做患上再好，也绕不开这个问题。从东西层跳到数据层，是一个产物人向财产链上游的野心进级：再也不满意在帮科学家把论文写患上更快，而是要做AI时代科学数据的供应方。

咱们把视线拉高，把Weil放进更年夜的图景里，会发明AI4S赛道正于从“观点热词”进入“财产链分层”的阶段。数据层、模子层、运用层三个生态位，于已往几周里陆续呈现了各自的代表玩家。

Weil的新公司身处最上游、最隐藏的位置——数据层。它的焦点问题是：科学数据分离于数百万个试验室里，谁来整合？

它有多是路径最轻的一类玩家：不碰试验、不训模子，只做数据的网络及布局化——但收集效应可能最强，由于谁把握数据进口，谁就有时机界说下流尺度。

前文提到的Discovery Loop处于模子层，押注算法冲破，用前沿模子并行跑成千上万个试验轮回，从呆板进修研究自己做起。Jeff Dean于对于谈上的判定也引出了这一层面的焦点问题：通用年夜模子真的懂硬核科学范畴吗？

运用层的焦点问题是：科学家愿意让AI接受试验吗？这一层有草创公司Periodic Labs。它由前OpenAI研究员Liam Fedus及前Google DeepMind研究员Ekin Dogus Cubuk创建，做“AI科学家+主动化试验室”，想让呆板人直接动手做试验、天生新的练习数据。投资方名单也堪称是星光熠熠：a16z、Accel、贝索斯及施密特。

Periodic Labs的路径可能也是三类玩家中最重：要建实体试验室、买装备、雇呆板人，把“发明”这个环节攥于本身手里。

三者互不堆叠，甚至互为上下流：Weil的数据可以喂给Discovery Loop的模子，模子再驱动Periodic Labs式的试验室。

03

回到Weil建立的这家新公司，7.5亿美元的估值，起首及赛道总体升温有关，其次来自在人材方面的溢价：Weil的OpenAI经历，加之Prism堆集的科学家用户收集，象征着他可能拥有其他创业者不具有的“试验室进口”——知道数据于哪，也知道怎么敲门。

还有有一部门，来自AI4S数据层的想象空间。

AI4S赛道分出的三层来看，数据层是最轻易被轻忽、但最可能形发展期壁垒的一环。科学数据不是互联网文本，它不公然、不尺度化、获取门坎极高，暗地里是试验室天资、伦理审查及装备投入，稀缺性带来了必然溢价。

持久来看，数据层极可能成为整个财产链的“收费站”：模子会迭代，试验室会换代，但布局化的科学数据资产只会连续增值。也许这就是为何Weil的新公司连名字也还没有公然，却能有7.5亿美元的估值。

这家新公司甚至可以打出“科学数据范畴的AWS”的标签：正如AWS昔时卖的不是电商，是水电煤；Weil要卖的也不是论文东西，而是所有AI科学公司都绕不开的地基。

但需要指出的是，科学数据与互联网数占有着素质区分：后者是尺度化的、可范围化的、用户志愿上传的；前者是高度范畴特定的、异构的、被常识产权及竞争瓜葛周密掩护的。生物试验的数据逻辑与质料计较彻底差别，粒子物理的数据格局与天气模子互不兼容，Weil想做一个跨范畴的“科学数据AWS”，可能起首要面临的是一个没法被同一平台消化的碎片化实际。

数据自己也不等在常识。没有Discovery Loop于模子层的冲破，再多的试验数据也只是未被布局化的原始素材；没有Periodic Labs于运用层构建的试验闭环，数据就没法被验证、被反馈、被迭代。一个只做数据网络及标注的平台，就会有沦为“管道工”的危害——科学家为何要把数据交给Weil，而不是直接交给Periodic Labs的主动化试验室、或者者用本身的私有数据练习Discovery Loop式的专用模子？

科学数据的整合难度，是否被本钱市场低估了？天资构和、伦理审查、尺度之争，每一一项均可能以年为单元，试验室的数据孤岛假如真的比想象中更难买通，那末7.5亿也可能成为AI4S赛道第一个被戳破的泡沫。这个问题，此刻没有人能给出谜底。

本年AI4S赛道火热，以至在“用AI拿诺贝尔奖”这句话，听起来已经经再也不像是一句打趣话了。AlphaFold已经经证实了这条路不是空口说，但从此刻到将来的那一天之间，隔着的是年夜量枯燥、噜苏、缺少故事性的事情。

硅谷顶级的AI高管们正于形成一股默契的合流：AI4S赛道，正于从“东西叙事”跨入“基建时代”。AI4S确当下疆场，是数据的地基，是模子的冲破，也是试验的闭环。Weil的新公司及Periodic Labs、Discovery Loop，以和更多还没有浮出水面的玩家，将怎样界说这个赛道的法则？雷峰网(公家号：雷峰网)将继承跟踪。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。