尹希离开OpenAI加盟Periodic Labs：理论物理学家为何走进AI实验室

在基础物理学圈子里，对AI前景如此看好的学者并不多，尹希算一个。

这位哈佛大学物理学教授公开说过，AI让他的编程效率至少提升了100倍。他还认为，人类任何智力能力，AI都能复制。今年，他把这套判断落到了职业选择上。

5月底，尹希被曝加入OpenAI。最近，只待了五个月的他决定离开，在社交平台X上宣布加盟美国AI初创Periodic Labs。这家公司主攻自动化材料实验室：让AI模型指挥机器人做实验，目标是找出更实用的超导体和磁性材料。

有意思的是，Periodic Labs要用实验结果判定模型的对错，而尹希钻研的是弦理论和量子引力，这类理论几乎没办法用实验检验。一个研究方向离实验很远的理论物理学家，进了一家以实验为核心的AI公司——这恰好照出今年AI与科学研究交汇处的关键变化：顶尖科学家越来越多地进入AI企业，AI企业也开始自己动手做实验。

一位主动拥抱AI的弦论学者

尹希1983年生于湖南株洲，1996年12岁时考入中国科学技术大学少年班，之后赴哈佛大学读博并留校任教，31岁成为哈佛历史上最年轻的华人正教授之一，2017年获得物理学新视野奖。

他研究的弦理论和量子引力，试图回答引力在最微观尺度上如何运作。理论极其复杂，人类现有的任何装置都难以验证，几十年来，领域内的物理学家判断一个想法成不成立，主要看数学上是否自洽。

AI兴起后，物理学家从大量计算工作中解放出来。今年4月接受《哈佛深红报》（The Harvard Crimson）采访时，尹希说，即便需要人工监督，AI几周写出的代码，换他自己要写十年；一些过去因为工作量太大根本不会考虑的课题，现在都可以放手去做。

在代码托管平台GitHub上，尹希还维护着一部多卷本量子场论专著，署名是“GPT 5.5 在尹希指导下撰写”（GPT 5.5 under the supervision of Xi Yin）。全书规划20卷，前12卷已经成稿，从量子场论的基础一直写到弯曲时空中的量子场论。他还用Lean（一种让计算机逐步检验数学证明的语言）发起了几个形式化项目，贡献者名单里同样有Claude。

这种做法在学界争议不小。9月，陶哲轩等25位菲尔兹奖得主发表联署声明，担心AI公司把攻克数学难题当成竞赛指标，答案越来越多，对这些成果的理解、整理和传承却跟不上。

尹希转发了一名数学家的反驳，称这是近期所见回应中自己完全认同、也愿意支持的一条：数学的工具箱一直在扩充，机器证明只要经过验证，哪怕一时超出个人理解范围，同样能作为后续研究的起点。

他甚至在采访中表示，只要AI能找到答案，并且有办法验证，他就很高兴，答案是不是他自己想出来的，次要。

不过，这种乐观也引来一些学者的疑问。香港大学计算与数据科学学院院长马毅表示，尹希是伟大的物理学家，但这不等于他就是AI技术专家，不能随便断定AI是否存在局限。

到OpenAI之后，尹希还是照这套路子做物理。他在一段公开视频里提到，物理上的突破常常源于提出正确的假设，AI不但能抛出他此前没想到的新猜想，还能自行编写数值检验。

11月初，尹希与两位哈佛合作者在预印本平台arXiv上挂出论文，针对一个研究量子引力的经典模型，求出了最低能量状态的近似解。该问题的计算规模极为庞大，学界此前一直觉得常规手段没法整体求解。研究人员对问题做了大幅简化，所得解与真实解的重合度超过99.999%，全部计算在一台笔记本电脑上即可跑完。致谢部分他们专门写明，代码编写以及稿件的撰写和修改，都借助了OpenAI和Anthropic的模型。

论文提交之前，尹希就已宣布离开OpenAI。他在推文里说，这是一段很棒的旅程，也是“自己人生中的第一份企业工作”；但他选择提前下车，去探索新的方向。没过多久，尹希又宣布加入Periodic Labs，具体担任何种职责尚未透露。

一家自己做实验的AI公司

用实验为AI判对错，是Periodic Labs整套打法的出发点。

此前，AI的进步主要靠用互联网数据训练的模型，但这部分数据规模有限，最好的前沿模型已经把它用尽。要再上一层，还得通过真实世界的实验生产新数据。在Periodic Labs看来，自主实验室能产出独特的高通量、高质量数据，还能记录学界很少发表的失败结果，同时让AI掌握动手能力。

AI在数学和编程上跑得最快，原因在于这两个领域数据充裕、结果又能验证。Periodic Labs的看法是，物理世界一样可以验证，实验的信噪比高、周期也相对短，况且物理模拟对不少体系已经有较好的描述能力。用公司的话说，自然界就是强化学习的训练环境。

Periodic Labs公开的第一个目标，是找出比现有材料更实用、临界温度更高的超导体，用在低损耗电网和下一代交通上。公司同时给航天、半导体等领域的客户做事，比如帮一家芯片制造商训练定制的AI智能体，用来分析芯片散热方面的实验数据。

公司的两位创始人都来自科技大厂。其中，利亚姆·费杜斯（Liam Fedus）曾在OpenAI担任负责后训练的研究副总裁，是ChatGPT的共同创造者之一，2025年3月宣布离职创业。

埃金·多乌什·丘布克（Ekin Dogus Cubuk）博士毕业于哈佛大学，此前在谷歌Brain和谷歌DeepMind领导材料与化学研究团队。2023年，他与团队开发出一款名为GNoME的材料发现系统，预测了约220万种新晶体结构，相关研究发表于《自然》（Nature）。

埃金对外解释过为何选在这个节点创业。按他的说法，粉末合成用的机械臂已经够可靠，机器学习模拟能描述复杂的物理体系，大语言模型的推理能力也上来了。三样东西凑到一起，就能形成一套系统：AI 提出假设，指挥机器人做实验，再从结果里学。

2025 年 9 月底，Periodic Labs 宣布拿下 3 亿美元种子轮融资，投资方包括 a16z、英伟达、杰夫·贝索斯（Jeff Bezos）、埃里克·施密特（Eric Schmidt）以及时任谷歌首席科学家杰夫·迪恩（Jeff Dean）等人。到了 12 月，这家公司又成为美国能源部“创世纪计划”（Genesis Mission）首批 24 家参与机构之一。

今年有消息传出，Periodic Labs 正以约 70 亿至 75 亿美元的估值谈新一轮融资，交易目前还没有落定。

自 2025 年成立起，Periodic Labs 在门洛帕克建起了高通量粉末合成实验室，也搭好了大规模物理模拟的计算设施。材料发现被他们拆成一个循环：依据稳定性和性质预测，先定合成什么、怎么合成，再用实验检验实际产物是否符合预期，然后修正假设，进入下一轮。

实验室内的流程是，机械臂把样品送进 X 射线衍射仪，测量数据交由语言模型分析，由模型判断这次实验成没成、接下来该做什么。到今年 9 月，实验室每天大约做 100 次实验。第二个实验室正在建设中，公司打算把规模提到每天 1,000 次。

另外，Periodic Labs 以开源模型 Kimi K2.6 为基础，用自家实验数据训练出一个专门分析 X 射线衍射数据的模型 Periodic Neon。公司称，该模型在内部测试中的表现优于 GPT-6 Astra 和 Claude Fable 5.1。

高温超导是物理学界几十年没解开的难题，自主实验室能不能比传统研究更快找到答案，还得看时间。至少到现在，公司尚未宣布发现新的超导体或其他新材料。

《纽约时报》的消息显示，Periodic Labs 亮相前后，已有 20 多名研究人员从 Meta、OpenAI、谷歌 DeepMind 等机构离职加入。团队中既有物理学家，也有机器学习研究者，公司每周还会安排交叉授课。

尹希如今也成了这支队伍的一员。在 OpenAI 期间，他用通用大模型推进理论物理研究；而 Periodic Labs 眼下主攻的粉末合成和衍射分析，对一位做了二十多年弦论的理论物理学家来说，的确是全新的领域。

科学家走进企业，企业建起实验室

顶尖科学家离开大学、加盟 AI 企业，在当下的科技圈已不算新鲜。《大西洋月刊》（The Atlantic）今年 7 月发文统计，OpenAI、Anthropic、Meta 和谷歌 DeepMind 四家公司里至少有 80 多位现任或前任大学教授，其中多数是计算机科学家，文章作者认为这个数字很可能还偏低；仅今年一年，就有至少 22 位来自斯坦福大学、哈佛大学、麻省理工学院等名校的教授离职或休假，加入这四家公司。

如今投身 AI 公司的教授，早已不限于计算机系。理论计算机科学家陈立杰今年年初去了 OpenAI，主攻数学推理；5 月，宾夕法尼亚大学沃顿商学院统计学家苏炜杰利用学术休假进入 OpenAI，参与模型训练。

《麻省理工科技评论》（MIT Technology Review）曾发文分析其中原因：大学承担不起训练和运行前沿模型所需的显卡成本，前沿实验室也不公开模型的内部细节，学术界研究者只能观察模型的行为，没法参与模型的设计和训练。

对尹希这类想主动拥抱 AI、加快科研进展的学者来说，进企业就成了解 AI 前沿进展最直接的途径。

反过来，科学家带着问题和判断力进入企业，正好补上后者模型里关键的实验和数据。《麻省理工科技评论》分析认为，经验科学可能比数学更难自动化。

物理、化学、生物这类靠实验取得发现的学科，收集数据本身就是个慢过程。多数时候，实验成没成又没有现成答案，得靠懂行的人来拍板。Periodic Labs 招物理学家，还请材料领域的博士给数千个样本打分，目的就是把这种判断能力教给模型。

越来越多用 AI 驱动科学发现的公司都在补这一环：建自动化实验室的同时，把懂行的科学家请进来。

据纽约材料公司 Radical AI 的 CEO 介绍，其研究人员会把对实验结果的观察记录下来交给 AI，帮它培养科学直觉。生物科技孵化机构 Flagship Pioneering 创办的 Lila Sciences，由哈佛大学遗传学家乔治·丘奇（George Church）担任首席科学家，招聘中还要求机器学习研究员与湿实验科学家并肩工作，一起解读模型的输出。

谷歌 DeepMind 计划在英国建设的首个自动化材料实验室，同样将由一支多学科研究团队负责监督。在模型有能力直接从自然界获得反馈之前，能判断对错的科学家仍是这套系统里最稀缺的部分。

Periodic Labs 请来尹希，未必只为了眼下的实验。材料的超导性由电子的量子行为决定。a16z 在投资说明中提到，Periodic Labs 要让模型学会用量子力学推理。按公司的设想，材料设计一旦实现自动化，摩尔定律、太空旅行和核聚变都可能因此提速。把一位做了二十多年弦论的理论物理学家招进来，更像是在为这些更远的目标铺路。

运营/排版：何晨龙