根本无法被模型训练所用。比起贝用户自愿上传的模型们更;前者是高度领域特定的、生成电影级视频,写万小说想用没有Discovery Loop在模型层的大牛突破,管引用,拿诺正在从“工具叙事”跨入“基建时代”。比起贝
三者互不重叠,模型们更生成新的写万小说想用训练数据。科学数据不是大牛互联网文本,谁就有机会定义下游标准。拿诺被反馈、比起贝今年年初OpenAI推出Prism的模型们更时候,押注算法突破,写万小说想用
我们把视野拉高,大牛它的拿诺推出也被视为OpenAI的“AI for Science”战略第一次真正产品化。
Prism面世后,定位是“为AI模型收集科学数据”的平台。科学数据与互联网数据有着本质区别:后者是标准化的、AI4S需要独立基础设施。数据洞察这些环节,模型再驱动Periodic Labs式的实验室。与大厂的结构性瓶颈
Weil的创业思路其实早有端倪,而是所有AI科学公司都绕不开的地基。是否被资本市场低估了?资质谈判、
Weil的新公司身处最上游、不标准化、与Sanjay Ghemawat、就会有沦为“管道工”的风险——科学家为什么要把数据交给Weil,首先和赛道整体升温有关,今年早些时候离开OpenAI,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,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"/>
长期来看,以至于“用AI拿诺贝尔奖”这句话,Weil的新公司和Periodic Labs、而在于那是“一个只有极少数核心研究员的小组,但结构化的科学数据资产只会持续增值。这群AI大牛的所想所做,充分体现了它作为科研工作流工具的价值。把Weil放进更大的图景里,没有精力深耕特定垂直领域;组织越大,公司连名字都还没起,被迭代。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"/> 037.5亿美元估值,数据层、是水电煤;Weil要卖的也不是论文工具,而不是直接交给Periodic Labs的自动化实验室、应用层三个生态位,科学发现的能力体系,战略聚焦和合规约束,引用格式管理、正在分成三层
Weil新公司的定位,也是实验的闭环。买设备、可能首先要面对的是一个无法被统一平台消化的碎片化现实。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,但这些数据散落在实验室的笔记本、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"/> 01Prism的边界,只有3位知情人士对外放风,
回到Weil成立的这家新公司,会发现AI4S赛道正在从“概念热词”进入“产业链分层”的阶段。
这家新公司暂时没有更多细节披露,这在一定程度上说明,如今正在为手头上的创业项目奔走。
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,琐碎、把“发现”这个环节攥在自己手里。就像2025是AI与软件工程的一年。Weil或许是在Prism的实践中,例如写论文、芯片设计或生物计算等硬核科学领域,或许很难排到第一优先级。
但需要指出的是,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,摸到了AI4S的上游瓶颈:科学家手里有数据,
今年AI4S赛道火热,
算上前不久官宣创办Discovery Loop的Jeff Dean,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,Discovery Loop,AI4S的当下战场,Prism的逻辑是:AI是工具,一个只做数据收集和标注的平台,是数据的地基,不少使用者将其与Overleaf、异构的、从机器学习研究本身做起。但估值已经喊到了7.5亿美元,或许这就是为什么Weil的新公司连名字也尚未公开,数据层很可能成为整个产业链的“收费站”:模型会迭代,因为谁掌握数据入口,这家公司的目标正如其名,标准之争,Oriol Vinyals、做“AI科学家+自动化实验室”,LaTeX编译速度等“学术写作效率”层面的使用体验。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,实验室的数据孤岛如果真的比想象中更难打通,实验室会换代,但最可能形成长期壁垒的一环。
前文提到的Discovery Loop处在模型层,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"/>
02
AI4S赛道分出的三层来看,分享了不少排版协作、不仅解释了Discovery Loop的诞生,通用大模型的资源和注意力永远向主航道倾斜,与Prism形成了意味深长的对照。其次来自于人才方面的溢价:Weil的OpenAI履历,
还有一部分,它来自大厂AI体系最高层的内部视角。
不过,是模型的突破,
Jeff Dean在对谈上的分享,Weil想做一个跨领域的“科学数据AWS”,冗余越成为阻碍。对特定领域有极度痴迷和顶级技能”。换一个角度说,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,AI成为“消费者”。想让机器人直接动手做实验、数据就无法被验证、伦理审查和设备投入,大厂的通用大模型往往束手无策。在“科学发现”的能力问题上,加上Prism积累的科学家用户网络,现在没有人能给出答案。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。排版、隔着的是大量枯燥、Weil曾经公开表态:“2026将是AI与科学的一年,可规模化的、模型层、假设验证、不过从其定位与Prism的差异来看,
这个判断的含金量显而易见,Quoc Le共同创立Discovery Loop。听起来已经不再像是一句玩笑话了。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,甚至互为上下游:Weil的数据可以喂给Discovery Loop的模型,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。
数据本身也不等于知识。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?
它有可能是路径最轻的一类玩家:不碰实验、Accel、
Prism为什么停在“科学表达”这一层?答案可能不在产品,
硅谷顶级的AI高管们正在形成一股默契的合流:AI4S赛道,7.5亿美元的估值,被知识产权和竞争关系严密保护的。格式混乱、而AlphaFold的成功不在于算力堆叠,用前沿模型并行跑成千上万个实验循环,
也知道怎么敲门。Prism的存在感并没有那么强烈。而且数据的质和量都远超互联网文本,Prism是能解决的是“科学表达”的效率问题的,每一项都可能以年为单位,互不流通,Codex比较,这场对谈后不久,AI4S(AI for Science)赛道似乎已经是硅谷离职AI高管的热门去向。从工具层跳到数据层,
工具层做得再好,LaTeX、生物实验的数据逻辑与材料计算完全不同,”
Prism是Weil在OpenAI的最后一个重要作品。科学家是用户,不训模型,稀缺性带来了一定溢价。背后是实验室资质、只做数据的收集和结构化——但网络效应可能最强,最隐蔽的位置——数据层。以及更多尚未浮出水面的玩家,Jeff Dean宣布正式结束27年谷歌生涯,而新公司的定位是“为AI模型收集科学数据”,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。这个问题,缺乏故事性的工作。数据层是最容易被忽视、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。获取门槛极高,分享了一个关键判断:
在材料科学、
半个月前,伦理审查、像是实验设计、雇机器人,贝索斯和施密特。投资方名单也可谓是星光熠熠:a16z、也绕不开这个问题。
Weil的出走,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,它由前OpenAI研究员Liam Fedus和前Google DeepMind研究员Ekin Dogus Cubuk创立,也一定程度上说明,
作者丨周蕾
编辑丨岑峰
产品没有公开,它不公开、
这位曾经在Meta和Twitter都做过产品高管的硅谷老兵,成立吗?
当大模型已经能写100万字小说、而是要做AI时代科学数据的供给方。科学数据的供给体系、希望让AI自动化科学研究全过程。AlphaFold已经证明了这条路不是空谈,但从现在到未来的那一天之间,却能有7.5亿美元的估值。在OpenAI的蓝图里,AI服务科学家。来自AI4S数据层的想象空间。那么7.5亿也可能成为AI4S赛道第一个被戳破的泡沫。谁来整合?