顶尖人工智能研究员纷纷离开OpenAI、谷歌和Meta，投身新创公司
新闻要点
一家名为Periodic Labs的新兴硅谷初创公司，吸引了来自Meta、OpenAI、Google DeepMind等大型人工智能项目的20多名顶尖研究员。这些研究员放弃了数千万甚至上亿美元的薪酬和股票，转投这家由ChatGPT联合创始人Liam Fedus和前Google DeepMind研究员Ekin Dogus Cubuk共同创立的公司。
背景介绍
近年来，大型科技公司如OpenAI、Google DeepMind和Meta一直在大力投资人工智能领域，并设定了“超智能”（superintelligence）或“通用人工智能”（AGI）等宏伟目标。这些努力主要集中在开发大型语言模型（LLMs），以期实现突破性的科学发现，例如Google DeepMind的AlphaFold项目已在药物发现方面取得进展。 然而，这种以软件和海量文本数据为驱动的AI发展路径，也面临着对其能否真正实现物理世界科学发现的质疑。Periodic Labs的成立，标志着AI研究领域出现了一种新的战略方向，即通过物理实验和机器人技术加速科学发现。
深度 AI 洞察
这种人才流失和新公司的崛起预示着AI研究的哪些深层战略转变？ - 大型科技公司对AGI和超智能的追求，尽管前景诱人，但可能因其高度理论化和依赖现有数字数据的局限性，导致部分顶尖人才寻求更具实用性和物理世界影响力的研究路径。 - Periodic Labs的出现代表了AI发展范式的一种潜在分化，即从纯粹的数字模拟和语言理解转向结合物理世界互动和实验的“具身智能”（embodied AI）或“科学发现AI”，这可能促使AI投资流向更注重实际应用和可验证科学成果的领域。 - 这种转变也可能反映了研究员对现有大公司文化和研究方向的某种“倦怠”，促使他们为了更纯粹的科学目标或更直接的社会影响力而寻求更小、更专注的平台。 Periodic Labs的硬件中心化、实验驱动型AI方法，与当前主流的LLM模型相比，其潜在的风险和回报有何不同？ - 风险： 物理世界实验的成本极高，时间周期长，实验失败率高，且需要整合复杂的机器人技术和AI控制系统，资金和技术门槛远高于纯软件开发。这增加了实现商业化和规模化的难度，投资回报周期可能更长。 - 回报： 一旦成功，其发现将是真实世界、可验证的科学突破（如新材料、新药物），而非仅限于信息处理或生成。这种回报的颠覆性和长期价值可能远超LLM在现有商业模式中的应用，尤其是在材料科学、能源、生物医药等基础科学领域。 - 这种方法更符合传统科学研究的本质，即通过反复试验和迭代来积累知识，AI在此过程中扮演加速器而非纯粹的推理者。 对于当前重仓大型科技公司LLM项目的投资者而言，此消息带来哪些需要重新评估的战略考量？ - 大型科技公司在LLM领域的巨额投入，可能面临投资回报率递减的风险，如果更具颠覆性的科学发现发生在像Periodic Labs这样的专业化初创公司。 - 投资者需要评估大型科技公司内部AI研究部门的真正创新能力，以及它们是否能有效整合物理实验AI元素，以避免在这一新兴赛道上被专业化选手超越。 - 长期来看，AI的真正价值可能在于其加速基础科学突破的能力，而非仅仅是优化信息产业。这意味着投资组合中需要考虑那些专注于“深科技”（Deep Tech）和科学发现平台的公司，即使它们短期内盈利前景不明确，但长期潜力巨大。