尹希离开OpenAI转投Periodic Labs：AI自主实验室为何抢科学家

在基础物理学家群体里，像尹希这样对AI抱有如此高期待的人并不多见。

身为哈佛大学物理学教授，尹希曾公开说，AI让他的编程效率至少提升了100倍。在他看来，人类智力能做的事，没有哪一项是AI复制不了的。到了今年，他把这个判断落实成了实际的职业选择。

5月底，尹希被曝加入OpenAI。但只过了五个月，他就决定离开，并在社交平台X上宣布加盟美国AI初创公司Periodic Labs。这家公司的主业是搭建自动化材料实验室——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想拿实验结果来判定模型的对错，而尹希钻研的弦理论和量子引力，几乎没法用实验去检验。一位研究方向远离实验的理论物理学家，走进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一个关键变化：越来越多顶尖科学家流向AI企业，越来越多AI企业开始亲自动手做实验。

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，之后赴哈佛大学攻读博士并留校任教，31岁成为哈佛历史上最年轻的华人正教授之一，2017年摘得物理学新视野奖。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。这套理论极其复杂，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兴起之后，物理学家们从繁重的计算里被解放了出来。今年4月接受《哈佛深红报》（The Harvard Crimson）采访时，尹希说，即便还需要人工监督，AI几周写出的代码，换他自己来写要十年；一些过去因为工作量太大根本不会去碰的课题，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，内容从量子场论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。

这套思路在学界引发的争论并不小。9月，尹希转发过一位数学家的反驳，并说自己对这条回应完全赞同、也愿意支持——那是他近几天读到的回应之一。对方的观点是：数学的工具箱向来在不断扩充，机器给出的证明只要经过验证，就算一时超出个人能理解的范围，同样可以当作后续研究的出发点。

他甚至在采访中说过，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，是次要的。

这种乐观也引来了部分学者的质疑，

加入

到了11月初，尹希与两位哈佛的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，算出了最低能量状态的近似解。该问题的计算量极大，学界此前普遍认为常规手段没法整体求解。研究团队把问题做了大幅简化，最终解与真实解的重合度超过99.999%，全部计算靠一台笔记本电脑即可跑完。致谢部分还专门提到，代码编写以及稿件的撰写与修改，均使用了OpenAI和Anthropic的模型。

论文提交前，尹希已经宣布离开OpenAI。他在推文中写道，这是一段很棒的旅程，也是“自己人生中的第一份企业工作”；但他决定提前下车、探索新的方向。随后不久，尹希便宣布加入Periodic Labs，具体职责尚未透露。

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。要再往上走，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。

数学和编程之所以是AI进步最快的两个方向，原因在于数据够多、结果又能验证。Periodic Labs的判断是，物理世界一样可验证，实验的信噪比高、周期也相对短，何况物理模拟对不少体系已经有不错的描述能力。用这家公司的话说，自然界本身就是强化学习的训练场。

Periodic Labs对外公布的第一个目标，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；与此同时，公司也在为航天和

公司的两位创始人都来自科技大厂。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）。

至于为何选在这个节点创业，埃金给过解释：粉末合成用的机械臂已经足够可靠，机器学习模拟能刻画复杂的物理体系，大语言模型的推理能力也上来了——三样东西凑到一起，终于能拼成一个系统：由AI提出假设，指挥机器人动手做实验，再从实验结果里学习。

2025年9月底，Periodic Labs宣布完成3亿美元种子轮融资，获得a16z、

有消息显示，Periodic Labs 今年正以 70 亿至 75 亿美元左右的估值商谈新一轮融资，交易眼下还没敲定。

Periodic Labs 于 2025 年成立，眼下已在门洛帕克建成高通量粉末合成实验室，以及用于大规模物理模拟的计算设施。材料发现被他们拆解成一个循环：先依据稳定性和性质预测，确定要合成什么、怎么合成，再通过实验检验实际合成出的物质是否达到预期，并据此修正假设，进入下一轮。

实验室内的机械臂会把样品送进 X 射线衍射仪，测量数据随后交由语言模型分析，由模型判断实验成败以及下一步该做什么。到今年 9 月，这里每天大约做 100 次实验；公司正在建设第二个实验室，打算把规模提到每天 1,000 次。

另外，Periodic Labs 以开源模型 Kimi K2.6 为底座，用自家实验数据训练出专门分析 X 射线衍射数据的模型 Periodic Neon。按公司的说法，它在内部测试中的表现压过了 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，还得靠时间检验。到目前为止，公司并未宣布发现新的超导体或其他新材料。

《纽约时报》的消息称，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。团队里物理学家和机器学习研究者都有，公司每周还安排交叉授课。

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

科学家走进企业，企业建起实验室

顶尖科学家离开大学、投身 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，现任或前任大学教授至少有 80 多位，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。

AI 企业挖走的教授，早已不只是计算机系的人。今年年初，理论计算机科学家陈立杰进入 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借学术休假加入 OpenAI，参与模型训练。

《麻省理工科技评论》（MIT Technology Review）曾发文剖析原因：训练和运行前沿模型所需的显卡，大学根本负担不起；前沿实验室又不公开模型内部细节，学术界研究者只能观察模型行为，没法参与模型的设计和训练。

对尹希这样想主动拥抱 AI、加快科研进展的学者来说，进入企业就成了解 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，也能为后者的模型补上关键的实验和数据。《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、生物这类靠实验获得发现的学科，收集数据本身就是个缓慢的过程。而且多数时候，实验成功与否没有现成答案，得靠懂行的人来决策。Periodic Labs 招揽物理学家，又请材料领域的博士给数千个样本打分，正是要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：一边建设自动化实验室，一边把懂行的科学家请进来。

比如纽约材料公司 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）出任首席科学家，招聘时还要求机器学习研究员与湿实验科学家并肩工作，共同解读模型的输出。

谷歌 DeepMind 计划在英国建设的首个自动化材料实验室，也将交给一支多学科研究团队监督。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入麾下，更像是在为这些更远的目标铺路。

参考内容：

https://www.thecrimson.com/article/2026/4/24/artificial-intelligence-theoretical-science-reckoning/

https://x.com/xiyin137

https://github.com/xiyin137/QFT

https://arxiv.org/abs/2611.09837

https://periodic.com/news/introducing-periodic-labs

https://periodic.com/news/building-labs-that-learn

https://a16z.com/announcement/investing-in-periodic-labs/

https://www.theatlantic.com/technology/2026/07/ai-companies-hiring-academics/688002/

https://www.technologyreview.com/2026/08/10/1141597/ai-professors-are-negotiating-the-new-realities-of-academic-research/

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成