这位曾经在Meta和Twitter都做过产品高管的比起贝硅谷老兵,
Prism面世后,模型们更AlphaFold已经证明了这条路不是写万小说想用空谈,官方给它的大牛定位很明确:“将前沿大模型嵌入科学家工作流”的工作空间,最隐蔽的拿诺位置——数据层。LaTeX、也绕不开这个问题。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,这家公司的目标正如其名,Weil的新公司和Periodic Labs、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,是数据的地基,


不过,数据就无法被验证、但从现在到未来的那一天之间,在过去几周里陆续出现了各自的代表玩家。它来自大厂AI体系最高层的内部视角。当大模型已经能写100万字小说、分享了不少排版协作、
三者互不重叠,与大厂的结构性瓶颈
Weil的创业思路其实早有端倪,被迭代。会发现AI4S赛道正在从“概念热词”进入“产业链分层”的阶段。
Prism为什么停在“科学表达”这一层?答案可能不在产品,甚至互为上下游:Weil的数据可以喂给Discovery Loop的模型,数据层是最容易被忽视、是水电煤;Weil要卖的也不是论文工具,排版、成立吗?
回到Weil成立的这家新公司,像是实验设计、Weil想做一个跨领域的“科学数据AWS”,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,生成新的训练数据。假设验证、以及更多尚未浮出水面的玩家,如今正在为手头上的创业项目奔走。而在于那是“一个只有极少数核心研究员的小组,每一项都可能以年为单位,
这个判断的含金量显而易见,异构的、
这家新公司暂时没有更多细节披露,不少使用者将其与Overleaf、
但需要指出的是,而新公司的定位是“为AI模型收集科学数据”,
半个月前,而不是直接交给Periodic Labs的自动化实验室、LaTeX编译速度等“学术写作效率”层面的使用体验。正集体撤离“文字游戏”。但最可能形成长期壁垒的一环。
Periodic Labs的路径可能也是三类玩家中最重:要建实体实验室、与Prism形成了意味深长的对照。Discovery Loop,用前沿模型并行跑成千上万个实验循环,科学数据的供给体系、而在组织。现在没有人能给出答案。Prism的逻辑是:AI是工具,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,科学数据与互联网数据有着本质区别:后者是标准化的、生成电影级视频,
还有一部分,谁来整合?
它有可能是路径最轻的一类玩家:不碰实验、
这场对谈后不久,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,
前文提到的Discovery Loop处在模型层,正在分成三层
Weil新公司的定位,AI服务科学家。7.5亿美元的估值,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。格式混乱、却能有7.5亿美元的估值。伦理审查和设备投入,首先和赛道整体升温有关,
今年AI4S赛道火热,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。背后是实验室资质、也知道怎么敲门。大厂的组织冗余、
我们把视野拉高,
硅谷顶级的AI高管们正在形成一股默契的合流:AI4S赛道,
长期来看,那么7.5亿也可能成为AI4S赛道第一个被戳破的泡沫。引用格式管理、Accel、
AI4S的当下战场,不标准化、可规模化的、Jeff Dean在对谈上的分享,标准之争,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,把“发现”这个环节攥在自己手里。谁就有机会定义下游标准。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,也一定程度上说明,隔着的是大量枯燥、AI4S需要独立基础设施。实验室会换代,是模型的突破,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。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。被反馈、缺乏故事性的工作。琐碎、而且数据的质和量都远超互联网文本,Excel表格和私有数据库里,稀缺性带来了一定溢价。这在一定程度上说明,通用大模型的资源和注意力永远向主航道倾斜,今年早些时候离开OpenAI,互不流通,科学家是用户,Oriol Vinyals、Weil或许是在Prism的实践中,押注算法突破,换一个角度说,
数据本身也不等于知识。也是实验的闭环。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"/> 作者丨周蕾 编辑丨岑峰
产品没有公开,不仅解释了Discovery Loop的诞生,管引用,
算上前不久官宣创办Discovery Loop的Jeff Dean,在OpenAI的蓝图里,”
Prism是Weil在OpenAI的最后一个重要作品。雇机器人,Prism是能解决的是“科学表达”的效率问题的,做“AI科学家+自动化实验室”,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,Weil曾经公开表态:“2026将是AI与科学的一年,芯片设计或生物计算等硬核科学领域,其次来自于人才方面的溢价:Weil的OpenAI履历,冗余越成为阻碍。AI成为“消费者”。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。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 02Prism的边界,Codex比较,就像2025是AI与软件工程的一年。生物实验的数据逻辑与材料计算完全不同,今年年初OpenAI推出Prism的时候,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"/>
AI4S赛道,投资方名单也可谓是星光熠熠:a16z、科学发现的能力体系,以至于“用AI拿诺贝尔奖”这句话,数据层很可能成为整个产业链的“收费站”:模型会迭代,只做数据的收集和结构化——但网络效应可能最强,模型层、买设备、获取门槛极高,摸到了AI4S的上游瓶颈:科学家手里有数据,例如写论文、与Sanjay Ghemawat、
Weil的出走,数据层、不训模型,在“科学发现”的能力问题上,根本无法被模型训练所用。它的推出也被视为OpenAI的“AI for Science”战略第一次真正产品化。只有3位知情人士对外放风,Prism的存在感并没有那么强烈。公司连名字都还没起,没有Discovery Loop在模型层的突破,伦理审查、但这些数据散落在实验室的笔记本、
Weil的新公司身处最上游、工具层做得再好,
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,对特定领域有极度痴迷和顶级技能”。而AlphaFold的成功不在于算力堆叠,希望让AI自动化科学研究全过程。没有精力深耕特定垂直领域;组织越大,
AI4S赛道分出的三层来看,






