哈佛大学尹希离开OpenAI，加盟Periodic Labs，AI自主实验室为何都想要科学家？

在基础物理学家的圈子，很少有人像尹希这样看好 AI。

作为哈佛大学物理学教授，他曾公开表示，AI 让自己的编程工作提速了至少 100 倍。在尹希看来，世界上不存在任何一种 AI 无法复制的人类智力能力。而今年，他把这种判断变成了职业选择。

5 月底，尹希被曝加入 OpenAI。直到最近，只待了五个月的他决定离职，并在社交平台 X 上宣布加入一家名为 Periodic Labs 的美国 AI 初创，公司的主营业务是建设自动化材料实验室，用 AI 模型指挥机器人做实验，试图找到更实用的超导体和磁性材料。

有趣的是，Periodic Labs 想用实验结果来判定模型的对错，而尹希专注于弦理论和量子引力研究，相关理论几乎无法用实验检验。一位研究方向离实验很远的理论物理学家，走进一家以实验为核心的 AI 公司，这恰好映照出今年 AI 与科学研究交汇处的关键变化：越来越多顶尖科学家进入 AI 企业，越来越多 AI 企业开始自己动手做实验。

一位主动拥抱 AI 的弦论学者

尹希 1983 年出生于湖南株洲，1996 年 12 岁时考入中国科学技术大学少年班，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。

（来源：哈佛大学）

他研究的弦理论和量子引力试图回答引力在最微观的尺度上如何运作，理论极其复杂，难以被人类现有的任何装置验证，几十年来，领域内的物理学家判断一个想法是否成立，主要依靠数学上的自洽。

AI 的兴起，让物理学家们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，尹希表示，即便需要人工监督，AI 几周写出的代码换作他自己也要写十年，一些过去因为工作量太大而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，署名为 “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，贡献者名单里同样包括 Claude。

这种做法在学界有不小的争议。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作竞赛指标，答案越来越多，对这些成果的理解、整理和传承却跟不上。

尹希转发了一位数学家的反驳，称这是近几天看到的回应里他完全同意并支持的一条：数学一直在扩充自己的工具箱，经过验证的机器证明即便暂时超出个人的理解能力，也可以成为下一步研究的基础。

他甚至曾在采访中表示，只要 AI 能找到答案，并且有办法验证，他就会很高兴，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，香港大学计算与数据科学学院院长马毅就表示，尹希是伟大的物理学家，但不等于是 AI 技术专家，不能轻易断言 AI 有没有局限。

加入 OpenAI 后，尹希继续用这种方式做物理。他在一段公开视频中说，物理学的突破往往来自提出正确的假设，AI 不仅能给出他从未想过的新猜想，还能自己编写数值检验。

11 月初，尹希和两位哈佛合作者在预印本平台 arXiv 上发布论文，为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。这个问题的计算规模极其庞大，学界一直认为常规方法无法整体求解。研究人员大幅简化了问题，得到的解与真实解的重合度超过 99.999%，整个计算在一台笔记本电脑上就能完成。他们在致谢章节特别指出，代码编写和稿件撰写修改都用到了 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，尚未透露具体职责。

（来源：X@XiYin137）

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 的进步主要来自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。要想更上一层，仍需通过真实世界的实验生产新数据。在 Periodic Labs 看来，自主实验室可以产出独特的高通量、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 在数学和编程上进步最快，是因为这两个领域数据充足、结果可以验证。Periodic Labs 认为物理世界同样可以验证，而且实验信噪比高、周期相对短，物理模拟也已经能较好地描述许多体系。按公司的说法，自然界就是强化学习的训练环境。

Periodic Labs 的首个公开目标是找到比现有材料更实用、临界温度更高的超导体，用于低损耗电网和下一代交通，公司同时为航天和半导体等领域的客户提供服务，例如帮助一家芯片制造商训练定制的 AI 智能体，分析芯片散热问题的实验数据。

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）。

埃金曾解释为什么选择在这个时间点创业，在他看来，用于粉末合成的机械臂已经足够可靠，机器学习模拟能够描述复杂的物理体系，大语言模型也具备了较强的推理能力，三者终于可以组合成一个系统，由 AI 提出假设、指挥机器人做实验，再从结果中学习。

2025 年 9 月底，Periodic Labs 宣布完成 3 亿美元种子轮融资，获得 a16z、英伟达、杰夫·贝索斯（Jeff Bezos）、埃里克·施密特（Eric Schmidt）和时任谷歌首席科学家杰夫·迪恩（Jeff Dean）等人的投资。12 月，公司成为首批加入美国能源部“创世纪计划”（Genesis Mission）的 24 家机构之一。

今年有消息称，Periodic Labs 正以约 70 亿至 75 亿美元的估值洽谈新一轮融资，目前交易尚未完成。

2025 年成立以来，Periodic Labs 已在门洛帕克建起高通量粉末合成实验室和大规模物理模拟的计算设施。他们将材料发现拆成一个循环：先根据稳定性和性质预测决定合成什么、预测怎么合成，再借助实验验证实际合成的物质是否符合预期，据此修正假设，开始下一轮。

在实验室里，机械臂负责把样品装进 X 射线衍射仪，测量数据交给语言模型分析，由模型判断实验是否成功、下一步做什么。截至今年 9 月，实验室每天进行约 100 次实验，公司正在建设第二个实验室，计划把规模提升到每天 1,000 次。

（来源：Periodic Labs）

Periodic Labs 还在开源模型 Kimi K2.6 的基础上，用自家实验数据训练了一个专门分析 X 射线衍射数据的模型 Periodic Neon，公司称它在内部测试中的表现超过了 GPT-6 Astra 和 Claude Fable 5.1。

高温超导是一个困扰物理学界几十年的难题，自主实验室能否比传统研究更快地找到答案，仍有待时间检验。截至目前，公司还没有宣布发现新的超导体或其他新材料。

据《纽约时报》消息，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。团队里既有物理学家，也有机器学习研究者，公司每周还会举办交叉授课。

如今，尹希也加入了这支队伍。在 OpenAI 时，他用通用大模型推进理论物理研究；Periodic Labs 目前主要进行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而言，确实是全新的领域。

科学家走进企业，企业建起实验室

顶尖科学家离开大学、加入 AI 企业的故事，在今天的科技圈并不少见。《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，作者认为这一数字很可能偏低；仅今年一年，就有至少 22 位斯坦福大学、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。

流向 AI 企业的教授早已不限于计算机系。今年年初，理论计算机科学家陈立杰加入 OpenAI，专攻数学推理；5 月，宾夕法尼亚大学沃顿商学院统计学家苏炜杰在学术休假期间加入 OpenAI，参与模型训练。

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

对于尹希等希望主动拥抱 AI、加速科研进展的学者而言，进入企业就成为了解 AI 前沿进展的最直接途径。

而科学家带着问题和判断力加入企业，将为后者的模型补上至关重要的实验和数据。《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。

对于物理、化学、生物这类依赖实验获得发现的学科，收集数据是一个缓慢的过程。而大部分时候，对实验成功与否的判断又没有现成答案，需要懂行的人决策。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，正是为了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上这一环：在建设自动化实验室的同时，把懂行的科学家请进来。

例如，据纽约材料公司 Radical AI 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，还在招聘中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，也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然是这套系统里最稀缺的部分。

而 Periodic Labs 请来尹希，未必只是为了眼下的实验。材料的超导性由其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。按照公司的设想，一旦材料设计实现自动化，摩尔定律、太空旅行和核聚变都可能因此提速。将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做准备。

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