Jeff Dean出走创业背后：枫清科技早已卡位“试验闭环”这一AI4S新战场

近日，谷歌首席科学家 Jeff Dean 宣告离职，完毕其在谷歌长达 27 年的职业生涯，兴办 AI 草创企业 Discovery Loop，主攻主动化科学研究流程。一起参加新公司的还有 Oriol Vinyals、Quoc Le、Sanjay Ghemawat 三位谷歌资深科学家，四人在人工智能与核算机科学范畴均取得里程碑式效果。Alphabet 不仅为新公司提供云算力资源，一起参与投资；项目种子轮由 Radical Ventures、Khosla Ventures 联合领投。音讯传出后，谷歌盘中股价一度下挫 5%。

不同于通用大模型对话产品，Discovery Loop 旨在打造一套可由 AI 大规模主动化运行的科研工程根底设施，完好跑通 “科研与工程研制试验循环”：AI 读取论文、专利以及前史试验数据，主动提出科学假定，规划试验与仿真计划，调度代码、仿真东西甚至实体试验设备开展验证；完结后剖析试验成果与失败诱因，迭代修正假定，规划新一轮研究。公司初期聚集机器学习与工程研制主动化，后续将逐步拓宽至硬件规划、药物研制、清洁能源等严重前沿范畴。

职业风向：AI4S 竞争重心转向试验到工程的闭环

这一事情折射出 AI for Science 范畴正在产生关键转向：职业竞争焦点，现已从模型能不能输出猜测成果，转变为体系可否继续完结高质量研制迭代，从而具有工程出产可用的完好闭环。

过往不少 AI4S 项目停留在功用猜测、文献检索、分子生成等单点功用。但仅仅猜测资料功用，或许猜测分子结构并不等同于完结完好研制决议计划。AI4S 的中心价值，是提高单位时刻、单位成本下的有效试验迭代功率。这也是 Discovery Loop 释放出的重要信号：科学发现到出产闭环正在被拆解为可编排、可并行、可反馈的杂乱工程使命。

枫清科技：扎根工业的闭环落地实践

Discovery Loop 的技术方向，与枫清科技常识中台、智能体渠道及接连制作闭环才能高度符合。

枫清科技坚持以工业实在数据为中心，依托常识引擎 + 大模型双轮驱动，切入化工新资料，锂电池资料等高价值工业场景，要点破解研制环节数据难组织、东西难协同、试验难闭环、效果难放大四大痛点。环绕新资料从探究到量产的完好科研链路，构建三层研制剖析框架：第一层聚集新资料机理开掘与候选物质探究；第二层承接分子规划、产品开发与加工制作；第三层关注落地工艺调优、功用验证及工业化扩大，打通科研立项、试验小试到工业量产的全流程闭环。

枫清科技并不角逐根底科研大模型，立足国内工业现实，打造“接连制作发现闭环”工业体系：

AI4S中台

• 工艺前史数据

• 试验室 / LIMS 体系数据

• 专利、论文文献

↓

智能体输出配方、工艺假定

↓

仿真模仿 / 什物试验 / 小试验证

↓

检测数据主动回流体系

↓

模型点评研判，规划下一轮迭代

该闭环可广泛应用于新资料挑选、催化剂迭代、化工工艺优化、产品收率与品质提高等场景。

传统研制长期困于 “经历试错” 形式，根源在于人类网络、科学核算、物理体系三者才能鸿沟受限且数据链路割裂，构成 “人工假定 — 试验穷举 — 数据无法反哺模型” 的低效循环。枫清科技经过多智能体集群重构三大自主性，推动研制向 “模型驱动自主进化” 跃迁：认知层面，大模型作为 “AI 科学家” 副驾内化海量文献与专家经历，自主完结假定生成、计划规划，人类聚集目标设定与中心科学判别；核算层面，融合生成式模型、物理信息神经网络（PINN）与机理模型，选用 “万级生成、逐层收敛” 的漏斗式挑选逻辑，低成本粗筛后再投入高精算力，大幅缩小实体试验探究规模；履行层面，依托世界模型调度高通量主动化试验设备，完结 7×24 小时组成、表征全流程与高质量数据回流。渠道掩盖微观资料发现、介观功用反演、宏观工程扩大全标准链路，以人在回路、试验在回路、物理在回路驱动体系继续进化，打通从分子规划到工业化落地的完好研制周期。

相关形式现已落地验证：2025 年 3 月，枫清科技联合中化数智、吉林大学共建人工智能赋能新资料联合试验室，同年 12 月引入火山引擎作为合作方共建人工智能赋能新资料联合试验室；上述效果现已成功在化工范畴链主企业和中小企业别离成功落地，工艺优化范畴智能体选用 RaaS 成果即服务形式，收益与客户实际效益绑定，经过枫清科技AI4S渠道才能，试验室和中试的继续发现与验证闭环，帮助一家年利润近3000万左右的化工厂成功降本1000万左右。 枫清科技的AI4S渠道就是在不断地履行试验到工程落地的闭环中继续迭代，继续优化模型，从一个细分试验范畴不断积累，在不断拓宽科学发现的范畴鸿沟。

同赛道下两条悬殊开展路径

Discovery Loop 与枫清科技，身处同一 AI4S 赛道，却走出差异化开展路线。

前者依托谷歌顶尖通用 AI 底座，从根底科研的试验闭环根底设施切入，企图重塑科学发现范式；枫清科技则深耕国内制作业，以化工新资料、制作工艺优化等实在工业场景和数据为载体，依靠工业数据和事务反馈继续打磨迭代模型，走出一条垂直深耕、成果付费的务实落地路径。

AI4S 下一阶段的比拼，或将不再取决于模型参数量巨细，而是看谁能够保证每一轮核算、每一次试验均可追溯、有据可依、可点评、可反馈，终落地为资料功用、工艺指标与经营价值。从 “生成一个答案” 升级到 “完结一次有效试验迭代”，再到具有可工程化出产的终目标或将成为 AI4S 职业真正的分水岭。