前OpenAI首席產品官Kevin Weil已啟動新創業專案，定位為“為AI模型收集科學資料”的平台。據三位知情人士透露，這家尚未命名、產品也未公開的公司，估值已喊到7.5億美元，計劃募資1.5億美元。Weil曾在Meta和Twitter擔任產品高管，今年早些時候離開OpenAI。他的動向與谷歌傳奇工程師Jeff Dean創辦Discovery Loop相呼應，顯示AI4S（AI for Science）賽道正從概念敘事進入基礎設施建設階段。

Weil的創業思路早有端倪。今年年初OpenAI推出Prism時，他曾公開表示：“2026將是AI與科學的一年，就像2025是AI與軟體工程的一年。”Prism是Weil在OpenAI的最後一個重要作品，官方定位為“將前沿大模型嵌入科學家工作流”的工作空間，被視為OpenAI“AI for Science”戰略的首次產品化。然而，使用者反饋多集中在排版、引用管理、LaTeX編譯等“科學表達”效率層面，而在實驗設計、假設驗證、資料洞察等“科學發現”環節，Prism的存在感並不強。

Prism為何止步於“科學表達”？答案可能不在產品，而在組織。Jeff Dean在YC《Startup School 2026》對談中覆盤其謝幕路演時指出，在材料科學、晶片設計或生物計算等硬核領域，大廠的通用大模型往往束手無策，而AlphaFold的成功源於“一個只有極少數核心研究員的小組，對特定領域有極度痴迷和頂級技能”。這一判斷來自大廠AI體系最高層的內部視角，揭示了通用大模型資源向主航道傾斜、難以深耕垂直領域的結構性瓶頸。對談後不久，Jeff Dean結束27年穀歌生涯，與Sanjay Ghemawat、Oriol Vinyals、Quoc Le共同創立Discovery Loop，目標讓AI自動化科學研究全過程。

Weil的新公司與Prism形成鮮明對照：Prism的邏輯是AI服務科學家，而新公司讓科學家成為資料來源、AI成為“消費者”。這或許源於Weil在Prism實踐中摸到的上游瓶頸——科學家手中的資料質與量遠超網際網路文本，但散落在實驗室筆記本、Excel表格和私有資料庫中，格式混亂、互不流通，無法被模型訓練所用。從工具層跳到資料層，是產品人向產業鏈上游的野心升級。

當前AI4S賽道正從“概念熱詞”進入“產業鏈分層”階段，資料層、模型層、應用層三個生態位陸續出現代表玩家。Weil的新公司處於最上游的資料層，核心問題是科學資料分散在數百萬個實驗室，誰來整合？這一層路徑最輕，不碰實驗、不訓模型，只做資料收集與結構化，但網路效應可能最強——誰掌握資料入口，誰就有機會定義下游標準。Discovery Loop處於模型層，押注演算法突破，用前沿模型並行跑實驗迴圈。應用層則有初創公司Periodic Labs，由前OpenAI研究員Liam Fedus和前Google DeepMind研究員Ekin Dogus Cubuk創立，做“AI科學家+自動化實驗室”，投資方包括a16z、Accel、貝索斯和施密特。三者互不重疊，甚至互為上下游：Weil的資料可餵給Discovery Loop的模型，模型再驅動Periodic Labs式的實驗室。

7.5億美元估值是否成立？首先與賽道整體升溫有關，其次來自人才溢價——Weil的OpenAI履歷和Prism積累的科學家使用者網路，意味著他擁有其他創業者不具備的“實驗室入口”。此外，資料層是最易被忽視但最可能形成長期壁壘的環節：科學資料不公開、不標準化、獲取門檻極高，背後是實驗室資質、倫理審查和裝置投入，稀缺性帶來溢價。長期看，資料層可能成為產業鏈的“收費站”，模型會迭代、實驗室會換代，但結構化的科學資料資產只會持續增值。這或許解釋了為何公司連名字都未公開，估值卻已高達7.5億美元。

然而，科學資料與網際網路資料有本質區別：後者標準化、可規模化、使用者自願上傳；前者高度領域特定、異構、被智慧財產權和競爭關係嚴密保護。生物實驗的資料邏輯與材料計算完全不同，粒子物理的資料格式與氣候模型互不相容，跨領域的“科學資料AWS”可能面臨無法被統一平台消化的碎片化現實。資料本身也不等於知識，沒有模型層突破，再多的實驗資料也只是原始素材；沒有應用層閉環，資料無法被驗證、反饋、迭代。只做資料收集和標註的平台，有淪為“管道工”的風險——科學家為何不把資料直接交給Periodic Labs的自動化實驗室，或用自己的私有資料訓練專用模型？科學資料的整合難度可能被資本市場低估，資質談判、倫理審查、標準之爭每一項都可能以年為單位，實驗室資料孤島若比想象中更難打通，7.5億也可能成為AI4S賽道第一個被戳破的泡沫。

今年AI4S賽道火熱，“用AI拿諾貝爾獎”已不再像玩笑。AlphaFold證明了這條路可行，但從現在到那一天之間，隔著大量枯燥、瑣碎、缺乏故事性的工作。矽谷頂級AI高管正形成默契合流：AI4S從“工具敘事”跨入“基建時代”，當下戰場是資料的地基、模型的突破、實驗的閉環。Weil的新公司、Discovery Loop、Periodic Labs以及更多尚未浮出水面的玩家，將如何定義賽道規則，值得持續關注。