前OpenAI首席产品官Kevin Weil已启动新创业项目，定位为“为AI模型收集科学数据”的平台。据三位知情人士透露，这家尚未命名、产品也未公开的公司，估值已喊到7.5亿美元，计划募资1.5亿美元。Weil曾在Meta和Twitter担任产品高管，今年早些时候离开OpenAI。他的动向与谷歌传奇工程师Jeff Dean创办Discovery Loop相呼应，显示AI4S（AI for Science）赛道正从概念叙事进入基础设施建设阶段。

Weil的创业思路早有端倪。今年年初OpenAI推出Prism时，他曾公开表示：“2026将是AI与科学的一年，就像2025是AI与软件工程的一年。”Prism是Weil在OpenAI的最后一个重要作品，官方定位为“将前沿大模型嵌入科学家工作流”的工作空间，被视为OpenAI“AI for Science”战略的首次产品化。然而，使用者反馈多集中在排版、引用管理、LaTeX编译等“科学表达”效率层面，而在实验设计、假设验证、数据洞察等“科学发现”环节，Prism的存在感并不强。

Prism为何止步于“科学表达”？答案可能不在产品，而在组织。Jeff Dean在YC《Startup School 2026》对谈中复盘其谢幕路演时指出，在材料科学、芯片设计或生物计算等硬核领域，大厂的通用大模型往往束手无策，而AlphaFold的成功源于“一个只有极少数核心研究员的小组，对特定领域有极度痴迷和顶级技能”。这一判断来自大厂AI体系最高层的内部视角，揭示了通用大模型资源向主航道倾斜、难以深耕垂直领域的结构性瓶颈。对谈后不久，Jeff Dean结束27年谷歌生涯，与Sanjay Ghemawat、Oriol Vinyals、Quoc Le共同创立Discovery Loop，目标让AI自动化科学研究全过程。

Weil的新公司与Prism形成鲜明对照：Prism的逻辑是AI服务科学家，而新公司让科学家成为数据源、AI成为“消费者”。这或许源于Weil在Prism实践中摸到的上游瓶颈——科学家手中的数据质与量远超互联网文本，但散落在实验室笔记本、Excel表格和私有数据库中，格式混乱、互不流通，无法被模型训练所用。从工具层跳到数据层，是产品人向产业链上游的野心升级。

当前AI4S赛道正从“概念热词”进入“产业链分层”阶段，数据层、模型层、应用层三个生态位陆续出现代表玩家。Weil的新公司处于最上游的数据层，核心问题是科学数据分散在数百万个实验室，谁来整合？这一层路径最轻，不碰实验、不训模型，只做数据收集与结构化，但网络效应可能最强——谁掌握数据入口，谁就有机会定义下游标准。Discovery Loop处于模型层，押注算法突破，用前沿模型并行跑实验循环。应用层则有初创公司Periodic Labs，由前OpenAI研究员Liam Fedus和前Google DeepMind研究员Ekin Dogus Cubuk创立，做“AI科学家+自动化实验室”，投资方包括a16z、Accel、贝索斯和施密特。三者互不重叠，甚至互为上下游：Weil的数据可喂给Discovery Loop的模型，模型再驱动Periodic Labs式的实验室。

7.5亿美元估值是否成立？首先与赛道整体升温有关，其次来自人才溢价——Weil的OpenAI履历和Prism积累的科学家用户网络，意味着他拥有其他创业者不具备的“实验室入口”。此外，数据层是最易被忽视但最可能形成长期壁垒的环节：科学数据不公开、不标准化、获取门槛极高，背后是实验室资质、伦理审查和设备投入，稀缺性带来溢价。长期看，数据层可能成为产业链的“收费站”，模型会迭代、实验室会换代，但结构化的科学数据资产只会持续增值。这或许解释了为何公司连名字都未公开，估值却已高达7.5亿美元。

然而，科学数据与互联网数据有本质区别：后者标准化、可规模化、用户自愿上传；前者高度领域特定、异构、被知识产权和竞争关系严密保护。生物实验的数据逻辑与材料计算完全不同，粒子物理的数据格式与气候模型互不兼容，跨领域的“科学数据AWS”可能面临无法被统一平台消化的碎片化现实。数据本身也不等于知识，没有模型层突破，再多的实验数据也只是原始素材；没有应用层闭环，数据无法被验证、反馈、迭代。只做数据收集和标注的平台，有沦为“管道工”的风险——科学家为何不把数据直接交给Periodic Labs的自动化实验室，或用自己的私有数据训练专用模型？科学数据的整合难度可能被资本市场低估，资质谈判、伦理审查、标准之争每一项都可能以年为单位，实验室数据孤岛若比想象中更难打通，7.5亿也可能成为AI4S赛道第一个被戳破的泡沫。

今年AI4S赛道火热，“用AI拿诺贝尔奖”已不再像玩笑。AlphaFold证明了这条路可行，但从现在到那一天之间，隔着大量枯燥、琐碎、缺乏故事性的工作。硅谷顶级AI高管正形成默契合流：AI4S从“工具叙事”跨入“基建时代”，当下战场是数据的地基、模型的突破、实验的闭环。Weil的新公司、Discovery Loop、Periodic Labs以及更多尚未浮出水面的玩家，将如何定义赛道规则，值得持续关注。