在基础物理学界，哈佛大学教授尹希是对人工智能（AI）持最乐观态度的学者之一。他曾公开表示，AI将其编程效率提升了至少100倍，并认为不存在AI无法复制的人类智力能力。
今年，尹希将这一判断转化为职业行动。5月底加入OpenAI后，仅任职五个月的他于近期宣布离职，转而加入美国AI初创公司Periodic Labs。该公司致力于建设自动化材料实验室，利用AI模型指挥机器人进行实验，旨在发现更实用的超导体和磁性材料。
这一转变颇具象征意义：一位专注于难以通过实验验证的弦理论和量子引力研究的理论物理学家，投身于以实验为核心的AI企业。这折射出当前科研与AI交汇处的关键趋势：顶尖科学家加速流向AI企业，而AI企业正通过自建实验室深入实体科学研究。
从弦论到AI：一位理论物理学家的转型
尹希1983年出生于湖南株洲，12岁考入中国科学技术大学少年班，后赴哈佛大学深造并留校任教。31岁时，他成为哈佛历史上最年轻的华人正教授之一，并于2017年获得物理学新视野奖。
（来源：哈佛大学）
AI重构科研范式
尹希研究的弦理论和量子引力涉及微观尺度的引力运作，理论极其复杂，长期以来主要依赖数学自洽性而非实验验证。AI的兴起改变了这一局面。尹希在接受《哈佛深红报》采访时指出，即便需要人工监督，AI在几周内完成的代码量相当于他过去十年的工作量，这使得许多因计算量过大而被搁置的课题得以重启。
在GitHub上，尹希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”。该书规划20卷，前12卷已完成，涵盖从基础量子场论到弯曲时空中的量子场论。此外，他还利用Lean语言发起形式化项目，贡献者名单中包括Claude等AI模型。
尽管陶哲轩等25位菲尔兹奖得主曾联署声明，担忧AI将数学解题变为竞赛指标而忽视成果的理解与传承，但尹希支持利用机器证明扩充研究工具箱。他认为，只要答案可验证，其来源并非关键。香港大学马毅院长则提醒，物理学家并非AI技术专家，需谨慎看待AI的局限性。
在OpenAI的科研实践
加入OpenAI期间，尹希继续探索AI在物理研究中的应用。他指出，AI不仅能提供前所未有的新假设，还能自行编写数值检验代码。11月初，尹希与合作者在预印本平台arXiv发布论文，利用AI求解量子引力经典模型的最低能量状态近似解。该研究将计算简化至可在笔记本电脑上完成，且结果与真实解重合度超过99.999%。论文致谢中特别提到了OpenAI和Anthropic模型的贡献。
论文提交前，尹希宣布离开OpenAI，称这是其“人生第一份企业工作”，并决定探索新方向。随后，他加入Periodic Labs，具体职责尚未披露。
（来源：X@XiYin137）
Periodic Labs：用实验验证AI模型
Periodic Labs的核心逻辑是通过真实世界的实验为AI模型提供反馈和训练数据。随着互联网训练数据趋于耗尽，该公司认为自主实验室能产生高通量、高质量的新数据，包括学界鲜少发表的失败案例，从而提升AI在物理世界的推理能力。
创始团队与资本背景
Periodic Labs由两位来自科技大厂的专家创立：
- 利亚姆·费杜斯（Liam Fedus）：前OpenAI负责后训练的研究副总裁，ChatGPT共同创造者之一，2025年3月离职创业。
- 埃金·多乌什·丘布克（Ekin Dogus Cubuk）：哈佛博士，前谷歌Brain和DeepMind材料与化学研究团队负责人。2023年其团队开发的GNoME系统预测了约220万种新晶体结构，研究成果发表于《自然》杂志。
丘布克认为，机械臂可靠性、机器学习模拟能力及大语言模型推理能力的成熟，使得“AI提出假设-指挥机器人实验-从结果学习”的闭环成为可能。
2025年9月，Periodic Labs完成3亿美元种子轮融资，投资方包括a16z、英伟达、杰夫·贝索斯、埃里克·施密特及杰夫·迪恩等。同年12月，公司入选美国能源部“创世纪计划”。目前，公司正以70亿至75亿美元的估值洽谈新一轮融资。
自动化实验室的运作模式
Periodic Labs在门洛帕克建立了高通量粉末合成实验室及大规模物理模拟设施。其材料发现流程形成闭环：预测合成方案 -> 实验验证 -> 修正假设 -> 下一轮迭代。
实验室中，机械臂负责样品处理，X射线衍射仪测量数据，语言模型分析结果并决策下一步操作。截至今年9月，实验室日均实验次数约100次，计划扩建后将提升至每日1,000次。
（来源：Periodic Labs）
基于开源模型Kimi K2.6，公司利用自有实验数据训练了专用模型Periodic Neon，用于分析X射线衍射数据。据称，该模型在内部测试中表现优于GPT-6 Astra和Claude Fable 5.1。
尽管高温超导仍是难题，且公司尚未宣布发现新材料，但其模式已吸引Meta、OpenAI、谷歌DeepMind等机构的20多名研究人员加入。团队融合物理学家与机器学习研究者，并通过交叉授课促进学科融合。
产学研融合：科学家与AI企业的双向奔赴
顶尖学者流向AI企业已成为显著趋势。《大西洋月刊》统计显示，OpenAI、Anthropic、Meta和谷歌DeepMind四家公司拥有至少80位现任或前任大学教授，其中今年至少有22位来自斯坦福、哈佛、麻省理工等名校的教授离职或休假加入。
学术界面临的资源瓶颈
《麻省理工科技评论》分析指出，大学难以承担前沿模型训练所需的巨额算力成本，且大型科技公司不公开模型内部细节，导致学术界只能观察模型行为而无法参与核心设计。对于希望利用AI加速科研的学者而言，加入企业是获取前沿技术的最直接途径。
科学直觉的数据化
科学家进入企业，不仅带来了专业知识，更为AI模型提供了关键的实验判断力。在物理、化学、生物等经验科学领域，数据收集缓慢且结果判断缺乏标准答案，需依赖专家决策。
- Periodic Labs：聘请物理学家及材料学博士对样本打分，旨在将人类的判断能力传授给模型。
- Radical AI：研究人员记录实验观察结果以培养AI的科学直觉。
- Lila Sciences：由哈佛遗传学家乔治·丘奇担任首席科学家，要求机器学习研究员与湿实验科学家协同工作。
- 谷歌DeepMind：计划在英国的自动化材料实验室由多学科团队监督。
长远布局：从材料到量子力学
Periodic Labs招募尹希等理论物理学家，或许意在更长远的目标。a16z在投资说明中提到，公司旨在让模型学会用量子力学进行推理。一旦材料设计实现自动化，摩尔定律、太空旅行及核聚变等领域有望获得突破。将深耕弦论二十余年的尹希纳入麾下，正是为这一愿景储备核心智力资源。
注：封面/首图由 AI 辅助生成