3亿美元、30个人、200K超导：ChatGPT 联合创造者为什么转身去炼材料

常压下高温超导的最高纪录，目前是 135 开尔文。大约零下 138 摄氏度。这个数字在过去几年几乎没有实质性突破。

2025 年 10 月，一家叫 Periodic Labs 的公司宣布拿到 3 亿美元种子轮，a16z 领投。公司总共约 30 人。两位创始人一位是 ChatGPT 的联合创造者、前 OpenAI 后训练研究 VP Liam Fedus，另一位是前 Google DeepMind 材料科学与化学研究负责人 Ekin Dogus Cubuk。他们给公司定的北极星，是把那个 135K 的数字往上推，推到 200K 甚至更高。

这期 a16z 播客由普通合伙人 Anjney Midha 主持， Cognitive Revolution 做了交叉发布。对话的重点不在融资故事，而是一个更硬的问题：为什么大模型在数学和代码上已经很强，到了物理和化学却依然不够用，以及要补上这一块，需要付出什么代价。

两人八年前在健身房翻轮胎认识

Liam 和 Dogus 的相识场景很不像一场 AI 创业的前传。八年前在 Google Brain，健身房里有只巨大的轮胎，一个人翻不动。Dogus 先试，没成功，扭头去找当时能找到的最壮的人，找到了 Liam。两个人一起把轮胎翻了过去。

之后几年他们保持联系，聊的话题经常滑向量子力学和超导。Dogus 在 DeepMind 做材料研究，Liam 在 OpenAI 做语言模型。两条线看起来平行，直到 Dogus 发现自己开始频繁用 LLM：查忘记的化学知识，写模拟代码，模型已经变成工作流里绕不开的工具。于是问题变成：能不能让 LLM 成为物理研究里的一等公民。

Liam 那边的观察是另一面。语言模型在推理上的进步、高算力强化学习的效果，都在快速累积；材料科学那边，模拟和实验也各自呈现出类似扩展定律的规律。两边都到了某个临界点，缺的是把它们接起来的那根线。

「聊天机器人是一个伟大的里程碑，但我们真正想看到的是技术走到真实世界里去。」Liam 在节目里这样解释离开 OpenAI 的动机。

核心论点：科学需要真实的奖励函数

要理解 Periodic 在做什么，得先理解今天的前沿模型是怎么被训练出来的。Liam 用 ChatGPT 的早期流程做了拆解：先有一个预训练模型，像一块原材料，然后用监督数据告诉它什么样的输出是好的，再用人类偏好训练出一个奖励函数，让模型对着这个奖励函数做强化学习。

问题出在奖励函数能判断什么。早期 ChatGPT 的奖励函数编码的是「做一个友好的助手」，它对数学是否正确、代码是否有效几乎没有感知。后来几年最大的进步之一，就是把奖励函数做得越来越精确：数学题有标准答案，代码有单元测试，这些都是可以程序化验证的。

但这些都是数字世界里的验证。Liam 的判断是，科学的终点在真实实验，所以如果你真的在乎加速科学，就必须把实验放进循环里。

Periodic 的做法是造一个物理奖励函数。模型提出假设，调用模拟工具做计算，然后真的去实验室合成材料、测量性质，测量结果作为信号回传给模型。用 Liam 的话说，自然界就是他们的强化学习环境。

Dogus 补充了一层区分。AI 圈子里说「lab」，通常指研究机构。Periodic 说的 lab 是字面意义上的实验室：有粉末、有炉子、有测量设备。他们第一个实验室做的是粉末合成，把现有材料的粉末混合、加热到特定温度，生成新材料的做法。这个方法便宜、简单，机器人就能操作。Dogus 拿旧金山机场那个做咖啡的机器人打比方：那个水平的机器人就能混合粉末、放进炉子。

而粉末合成能覆盖的领域相当宽：超导体、磁体、各种对技术关键的材料。底层都是量子力学，都是薛定谔方程那个能量尺度上的事，生物、化学、材料都发生在这一层。

为什么现有模型做不到这件事？Dogus 的答案是，科学本质上是迭代的，而 LLM 再聪明，如果没有迭代的机会，就不会发现科学。把一个人关在房间里不让他做任何实验，他也发现不了重要的东西。模型缺少的是科学探究的方法本身：做模拟、做理论计算、做实验、拿到大概率不对的结果、再迭代。

Liam 从三个角度论证为什么必须自己造实验室：

• 数据噪声太大。团队里有工程师查过文献里某个物理性质的报道值，跨度达到好几个数量级。在这样的数据上训练，模型最多复现这个分布，离真正理解宇宙还差得远。
• 负结果几乎不发表。发表出来的基本都是正结果，而一个有效的负结果是非常有价值的学习信号。负结果通常又高度依赖上下文，别人做的负结果换个条件可能就是正的，所以这批数据在文献里几乎是缺失的。
• 科学需要行动能力。不能只坐在那里读论文，得能动手做，才能完成迭代闭环。

扩展定律在物理上为什么不够用

主持人 Anjney 提了一个很尖锐的问题。既然扩展定律一直成立，只要继续加算力和数据，模型能力就会可预测地提升，那为什么不能靠现有前沿实验室的预训练和后训练管线，直接把物理也顺便攻克了？

Liam 先承认扩展定律在经验上仍然成立，没有争议。Dogus 接过话头，问了一个关键问题：这个 y 轴到底是什么？

他的解释值得细看。在计算机视觉里早就有类似观察，领域内泛化和领域外泛化是单调相关的，但相关不等于线性。你在训练分布内提升模型，性能按幂律上升；在分布外，性能也按幂律上升，但斜率可能非常小。小到什么程度？可能小到你得花几个世纪才能到达目标。

他们自己发过一篇论文，专门看这件事：训练集越大，分布内性能按幂律提升，分布外性能也按幂律提升，但后者的斜率取决于你离训练分布有多远。离得远，幂律斜率小到基本没用。

Liam 用代码模型举了个更具体的例子。假设训练一个代码模型，用单元测试做奖励信号，模型写 PR，测试从失败变通过，就强化这个行为。这个循环可以不断加速，代码本身又是最容易自我改进的领域，因为网上数据充足。这条路径非常promising，整个行业都看到了代码模型的进步速度。

但这个模型不会因此治愈癌症。知识根本不存在。你需要对着你在乎的那个分布去优化。代码模型会是一个极好的软件工程工具，也能帮癌症研究者做分析，但它没有那个环境里的数据、知识和迭代经验。

还有个更朴素的原因：想要的数据本身就不存在。Dogus 举了合成的例子，文献里的生成焓标签噪声大到训练出来的模型没有预测能力。超导的数据集不少，但噪声底太高，训练了基本没用。

所以 Periodic 的策略是把目标尽量拉近训练分布。具体做法就是自己生产高质量数据，自己完成迭代闭环，让目标分布和训练分布尽可能重合。

为什么选超导当北极星

Anjney 问了一个投资人会关心的问题：选超导和磁性材料作为第一批管线，是因为它们本身重要，还是因为它们只是通往通用 AI 物理学家路上的停靠站？会不会变成一条偏航的岔路？

Dogus 的回答分三层。

第一层是目标嵌套。高温超导这个目标本身包含无数子目标。想要做出高温超导，得先搞定自主合成、自主表征，得让 LLM 能正确运行模拟、正确表征材料的各个方面。这有点像 DeepMind 和 OpenAI 当年说要做 AGI，实际含义是得先做出一堆很酷的结果。北极星的意义在于它逼着你在路上完成一连串有独立价值的子目标。

第二层是科学上的根本性。Dogus 说，如果能找到 200K 的超导体，哪怕还没做出任何产品，光是能在这么高的温度下看到这样的量子效应，就足以更新人类对宇宙的看法。这个目标的哲学价值独立于商业价值。

第三层是技术上的可操作性。超导是相变，对某些现在还模拟不了的细节比较鲁棒。做材料的时候，超导转变温度主要由晶体的基本性质决定，缺陷和微结构的影响相对小。换成别的材料性质，哪怕晶体本身有你要的性质，还有很多模拟不了的因素会把它盖住。这个技术特性让超导成为一个相对干净的验证目标。

还有个团队层面的理由：超导能团结所有人。研究了四十年物理的老教授对它兴奋，从没学过物理的人也对它兴奋。很难找到另一个话题能同时 rally 整个团队。

当前常压下的最高纪录是 135K 左右。Dogus 说，他们能不能把数字推过这个线，是非常容易判断的进度指标。这个信号很难作弊，不像别的 LLM 训练技巧，真实世界里测到的就是发给模型的信号。

30 人的团队，一半物理一半 ML，不要求高级学位

团队构成大约一半是 ML 背景的科学家，一半是物理或化学背景的科学家。Anjney 问怎么把两种文化捏到一起，毕竟一边的职业习惯是湿实验室里的实验，另一边是训练管线里的超参数。

Dogus 的答案是让两边贴得很紧。物理学家和化学家需要想清楚，中训练和强化学习里该放哪些步骤，才能教会 LLM 正确推理量子力学和物理系统。LLM 研究者则在学物理、学模拟工具、学目标本身。每周有教学课，ML 那边讲 RL 循环怎么跑、数据清洗怎么做，物理化学那边讲科学的各个侧面，包括科学史。

Liam 补了一个观察：计算机科学家习惯用 API 思考。科学家说一件事，他们脑子里会自动映射：输入是什么，输出是什么，目标是什么，怎么接回去。这个过程本身就是一种翻译。

团队里还有一种人，处在纯 ML、纯实验、纯模拟这个单纯形的中间位置，充当不同群体之间的桥梁。Dogus 被认为是典型例子。

Anjney 问了一个很多人会关心的问题：加入 Periodic 需要物理或化学的高级学位吗？

Dogus 的回答很干脆：完全不需要。他引了一个 NBA 球员的说法，「我比你离勒布朗近得多」，然后说他们对候选人的说法正好相反。哪怕是最好的物理学家，他对物理的无知也远大于他已知的部分。一个新候选人哪怕没有物理背景，需要学的东西和最好的物理学家需要学的东西，量级上差不多。

他接着讲了一段科学史。十九世纪的物理学家能在前沿做好几件不同的事。今天知识体量已经大到，一个顶尖思想家通常只能在一个很窄的领域推进。而要发现一个了不起的超导体，你得同时懂化学、物理、合成、表征，没有哪个人类懂这么多。所以必须协作。团队本身就是这个困境的一个小型演示。

Liam 补充文化层面：「没有蠢问题」。最基础的物理问题、最基础的 ML 问题，都可以问。团队里有几位 faculty，教书教得很好，这些学习课质量很高。

中训练：把新知识灌进权重，而不只是检索

节目里讨论到一个容易被忽略的技术细节：mid-training，中训练。

Liam 解释了这个词的来历。预训练之后有后训练，但有时候你需要再往里加一点知识。搜索还没做好的时候，新鲜度是个问题：预训练模型有知识截止日期，用户要更新的信息。把新数据继续预训练进去，就是中训练。它和后训练的区别在于，后训练更多是强化学习和监督学习，中训练的目标就是把模型原本没有的大量知识灌进去。

在 Periodic 的语境里，中训练意味着把晶体结构的低层描述、材料合成的高层语义描述、模拟数据、实验数据，全部灌进模型。关键不只是混进去，而是让这些分布之间产生连接。Liam 的原话是，如果只是把分布 A、B、C 混在一起，不保证泛化。你希望看到的是，加入另一个数据集能提升在其他数据集上的表现。

这背后有一个和客户相关的现实问题。很多先进制造业公司现在依赖检索，检索是很轻的方案，有人带着神经网络来，说把所有数据检索一遍就是解决方案。但预训练和中训练是把知识编码进权重，模型对材料有更深的理解，不只是检索系统。麻烦在于权限：检索可以按用户权限匹配，预训练如果吃了只有 CEO 能看的数据，就得想清楚怎么给知识分桶、造不同类型的系统。

Liam 观察到，这些公司现在做的监督训练，很像 ChatGPT 的早期阶段：输入输出，几个例子。他们需要切换到高算力强化学习这套思路，学会怎么为这些问题做有效的工具使用，怎么有效优化。

商业模式：先进制造业的智能层

Anjney 提了一个类比。其他前沿实验室的北极星是 AI 研究员，路上先跑出来的是 AI 编程，软件工程成了第一个让所有人更新认知的领域。那 Periodic 的「AI 编程」是什么？

Liam 的答案：先进制造业里的工程师和研究员的 copilot。硅谷习惯把一切都想成数字的、比特的。但航天、国防、半导体这些行业，工作流里绕不开材料和物理的迭代。他们在设计新器件、新技术，缺数据、缺好系统，手里没有特别好的工具。这些行业的研发预算极其庞大，这就是机会。

高温超导是好的北极星，但技术和资本是缠在一起的。Liam 说得很直接：只有这家公司商业上极其成功，才能最大程度加速科学。所以路径是成为这些行业的智能层，缩短他们的迭代时间，让他们的研究员和工程师更快拿到更好的解。

落地的打法是 land and expand。不是第一天就说要改造整条产线、忘掉过去所有做法，而是找一个范围清晰、评估明确的关键问题，和客户一起把评估标准起草出来，证明对着他们在乎的东西优化之后，这项技术有多强。然后找公司内部最大的推动者，把技术能力最强的地方和客户最真实的问题对上。

Anjney 问到今早和 pipeline 里某个客户的通话。Dogus 说，客户最急的问题之一是模拟。他们花大量时间培训人使用某些关键的模拟工具，能把这些模拟自动化会很有帮助。设计流程里还有一些小事，比如格式匹配、把模拟结果喂进设计管线、把数据放在同一个地方处理。

Liam 补了一个更根本的问题：客户现在没有好办法把知识蒸馏进单一模型或一组模型。而且他们做的监督训练还停留在 ChatGPT 早期那种输入输出的范式，需要切换到高算力强化学习。

和学术界的关系，以及他们想招什么人

Anjney 问，物理科学的基础研究历史上大多在大学实验室完成，学术界在 Periodic 的未来里还有位置吗？

Dogus 的回答是绝对有。他们用的很多模拟工具是学术界开发的，很多在欧洲，很多新颖的合成方法也来自学术界。有些模拟工具是复杂的 Fortran 代码，团队自己未必能高效开发。学术界和产业实验室之间有很深的协同：大规模模拟常常在微软、DeepMind、Meta 这样的产业实验室跑，但工具本身往往是学术界先做出来再传过去的。

Liam 补了一个更具体的角度。Anjney 之前在斯坦福物理实验室做过一批模型的评估，结论是模型在科学分析上很糟糕。Liam 说，因为没人训练它们做这件事。学术界可以告诉产业界，哪些任务是重要的，分析该怎么做，哪些技能该放进模型。技能可以是一整套分析，也可以是更大分析里的一个小原语。

他举了个例子。团队里一位物理学家看模型的推理策略，说全错了。追问下去，对方说，应该往更高层想，应该用对称性来想，有本书专门讲这种更有效的思考策略。强化学习环境需要奖励这类策略。最顶尖的科学家在用这些策略，它们大概率有效。这类事情产业界是盲的，学术界能补上。

Dogus 把这个话题接到工具上。语言很重要，但人脑里还有视觉处理和几何处理。LLM 会越来越好，但它们也可能受益于独立的几何推理能力。今天可以用等变图神经网络、用扩散模型来做，这些工具在构造上就是几何的，LLM 可以调用。语言适合合成配方，几何适合表示原子和设计几何结构。

学术合作有两个具体动作。一个是顾问委员会，覆盖超导、固态化学、物理。名单包括斯坦福实验方向的沈志勋、理论方向的 Steve Kivelson、西北大学的 Mercouri Kanatzidis 做合成、Chris Wolverton 做高通量 DFT。另一个是 grant 项目，接受提案，支持学术界在 LLM、合成中的 agent、材料发现、物理建模方面的工作。

招聘标准，Liam 列了几条：深度好奇，真的想更深地理解 ML 和科学，想和现实接触，想推进科学，同时务实。他们要的人有非常细致的过程，解决方案导向，能快速到达目标，在某个维度上是世界级的。Dogus 加了一条：紧迫感。他们不想等十年才让 LLM 开始改进科学，要 ASAP。

明天就能用上的三件事

这期对话信息密度很高，但如果只带走三件能马上用的事，我会选这三件。

第一，检查你所在领域的数据是不是真的能用来训练。Periodic 放弃文献数据的原因很具体：噪声跨度好几个数量级、负结果不发表、数据分布和目标分布差太远。如果你在做垂直领域的 AI 应用，先做一次数据审计，看标签的噪声水平、看有没有系统性的选择偏差、看你想要的输出和现有数据之间隔了多远。这三项里任何一项不过关，堆算力都补不回来。

第二，把「分布外泛化的斜率」当成一个评估维度。Dogus 那个幂律斜率的观察很实用。模型在训练分布内表现好，不代表它在你要用的场景里也能按同样速度变好。下次评估模型时，除了看 benchmark 分数，问一句：这个 benchmark 离我的真实用例有多远？如果很远，幂律斜率可能小到让你等不起，那就得考虑自己造数据、自己闭环。

第三，重新想一遍你的「检索还是训练」的选择。Liam 提到很多先进制造业公司现在靠检索，轻量、好上线，但知识没有进权重，理解深度有限。如果你的场景需要模型对领域有深层理解，而不只是把文档找出来，那 mid-training 这条路值得认真评估。代价是权限管理和数据治理会复杂很多，收益是模型真的懂你在说什么。

3 亿美元、30 个人、一个 135K 到 200K 的目标。这个赌注能不能成，几年后才知道。但它提出的问题对所有做 AI 应用的人都成立：你的奖励函数，离真实世界有多远？