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

来源：环球网

(资料图片仅供参考)

近日，谷歌首席科学家 Jeff Dean 宣布离职，结束其在谷歌长达 27 年的职业生涯，创办 AI 初创企业 Discovery Loop，主攻自动化科学研究流程。一同加入新公司的还有 Oriol Vinyals、Quoc Le、Sanjay Ghemawat 三位谷歌资深科学家，四人在人工智能与计算机科学领域均取得里程碑式成果。Alphabet 不仅为新公司提供云算力资源，同时参与投资；项目种子轮由 Radical Ventures、Khosla Ventures 联合领投。

不同于通用大模型对话产品，Discovery Loop 旨在打造一套可由 AI 大规模自动化运行的科研工程基础设施，完整跑通 “科研与工程研发实验循环”：AI 读取论文、专利以及历史实验数据，自动提出科学假设，设计实验与仿真方案，调度代码、仿真工具乃至实体实验设备开展验证；完成后分析实验结果与失败诱因，迭代修正假设，规划新一轮研究。公司初期聚焦机器学习与工程研发自动化，后续将逐步拓展至硬件设计、药物研发、清洁能源等重大前沿领域。

行业风向：AI4S 竞争重心转向实验到工程的闭环

这一事件折射出 AI for Science 领域正在发生关键转向：行业竞争焦点，已经从模型能不能输出预测结果，转变为系统可否持续完成高质量研发迭代，进而具备工程生产可用的完整闭环。

过往不少 AI4S 项目停留在性能预测、文献检索、分子生成等单点功能。但仅仅预测材料性能，或者预测分子结构并不等同于完成完整研发决策。AI4S 的核心价值，是提升单位时间、单位成本下的有效实验迭代效率。这也是 Discovery Loop 释放出的重要信号：科学发现到生产闭环正在被拆解为可编排、可并行、可反馈的复杂工程任务。

枫清科技：扎根产业的闭环落地实践

Discovery Loop 的技术方向，与枫清科技知识中台、智能体平台及连续制造闭环能力高度契合。

枫清科技坚持以产业真实数据为核心，依托知识引擎 + 大模型双轮驱动，切入化工新材料，锂电池材料等高价值工业场景，重点破解研发环节数据难组织、工具难协同、实验难闭环、成果难放大四大痛点。围绕新材料从探索到量产的完整科研链路，构建三层研发分析框架：第一层聚焦新材料机理发掘与候选物质探索；第二层承接分子设计、产品开发与加工制造；第三层关注落地工艺调优、性能验证及工业化放大，打通科研立项、实验小试到产业量产的全流程闭环。

传统研发长期困于 “经验试错” 模式，根源在于人类网络、科学计算、物理系统三者能力边界受限且数据链路割裂，形成 “人工假设 — 实验穷举 — 数据无法反哺模型” 的低效循环。枫清科技通过多智能体集群重构三大自主性，推动研发向 “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验，自主完成假设生成、方案设计，人类聚焦目标设定与核心科学判断；计算层面，融合生成式模型、物理信息神经网络（PINN）与机理模型，采用 “万级生成、逐层收敛” 的漏斗式筛选逻辑，低成本粗筛后再投入高精算力，大幅缩小实体实验探索范围；执行层面，依托世界模型调度高通量自动化实验设备，实现 7×24 小时合成、表征全流程与高质量数据回流。平台覆盖微观材料发现、介观性能反演、宏观工程放大全尺度链路，以人在回路、实验在回路、物理在回路驱动系统持续进化，打通从分子设计到工业化落地的完整研发周期。

相关模式已经落地验证：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材料联合实验室，同年 12 月引入火山引擎作为合作方共建人工智能赋能新材料联合实验室；上述成果已经成功在化工领域链主企业和中小企业分别成功落地，工艺优化领域智能体采用 RaaS 结果即服务模式，收益与客户实际效益绑定，通过枫清科技AI4S平台能力，实验室和中试的持续发现与验证闭环，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平台就是在不断地执行实验到工程落地的闭环中持续迭代，持续优化模型，从一个细分实验领域不断积累，在不断拓展科学发现的领域边界。

同赛道下两条迥异发展路径

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

前者依托谷歌顶尖通用 AI 底座，从基础科研的实验闭环基础设施切入，试图重塑科学发现范式；枫清科技则深耕国内制造业，以化工新材料、制造工艺优化等真实工业场景和数据为载体，依靠产业数据和业务反馈持续打磨迭代模型，走出一条垂直深耕、结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大小，而是看谁能够保障每一轮计算、每一次实验均可追溯、有据可依、可评价、可反馈，最终落地为材料性能、工艺指标与经营价值。从 “生成一个答案” 升级到 “完成一次有效实验迭代”，再到具备可工程化生产的最终目标或将成为 AI4S 行业真正的分水岭。

关键词： 科学 自动化 智能体 枫清科技 实验闭环 技术路线