Periodic Labs
让自然界当强化学习环境

官网首页的自我介绍是：一家 AI 研究与部署公司，做模型，也做自主实验室，目标是加速科学，起步在物理科学。2025-09-30 的亮相稿把逻辑讲得很直白：网络文本数据有限，最好的模型已经把它用尽；自主实验室能产出别处没有的大量高质量数据，包括很少发表的负面结果，更重要的是让 AI 科学家有“动手”的工具；起步选物理，是因为实验信噪比高、相对快，物理本身是可验证的环境，在这里“nature is the RL environment”。具体目标之一是发现比今天更高温的超导体。

创始人方面，官方页面只写“创始团队共同创建了 ChatGPT、DeepMind 的 GNoME、OpenAI 的 Operator（现 Agent）、神经注意力机制和 MatterGen”，不点名。TechCrunch写 Ekin Dogus Cubuk 在 Google Brain 与 DeepMind 带过材料与化学团队、做过 GNoME，Liam Fedus 是前 OpenAI 研究副总裁、帮助创建 ChatGPT；a16z 的投资文章把 Fedus 写成 OpenAI 后训练负责人，并写二人是转到 AI 研究的两位物理学出身者（文中称二人在旧金山）。这些都是第三方或投资方对履历的描述。公开论文能核到的是 Cubuk 的 GNoME 论文（Nature，2023-11-29，6 位作者，Cubuk 是最后一位），摘要写发现了 220 万个低于当前凸包的结构，其中稳定结构里已有 736 个被独立实验合成。

职务方面，官方 X 称两位为 co-founders，2026-07-08 的帖子把 Cubuk 称作 “our co-CEO”；Generalist 的访谈里，主持人问两位是否联合 CEO，Fedus 回答是。官网首页还列了 23 个名字，没有头衔，也没标注谁是创始人；5 位科学顾问是 Stanford 的 Carolyn Bertozzi、Steve Kivelson、Zhi-Xun Shen，Northwestern 的 Mercouri Kanatzidis、Chris Wolverton。

地点方面，官方稿和 Fedus 的发布帖都写高通量实验室在 Menlo Park；招聘板（据公开接口）2026-10-30 挂出 32 条，29 条地点写 Menlo Park，2 条写 Menlo Park 加 Montreal，1 条为远程；Forbes写它是旧金山的公司。官方没有写总部城市，本刊也没有核到员工总数：Contrary Research 写 64 人但没有给来源。

官方发布稿把方法说成三步循环：先假设要做什么材料（依据稳定性与性质预测），再预测怎么合成，最后弄清做出来的是什么、性质是否符合预期，再回头修正假设。它承认物理环境不同于代码环境：并发实验数不能弹性扩展（要电力、设备和工程），单次实验可能要几天，结果常常含糊。所以稿子强调的做法是：趁实验在跑，用已有的实验数据去训练和改进 AI，让 GPU 不闲着；用得上前沿模型时就用，前沿模型不够好或太贵，就自己训。

Generalist 的访谈（2026-09-29，公司主导的 60 分钟访谈）补了一些细节，均为两位创始人自述：XRD 仪器一次能跑 40 个样本，有些性质测量慢到每个样本一小时，成为要自己投工程的瓶颈；一个例子是样品架上的样本被错放移位、标签全错，LLM 通过推理发现移了两位并给出改正；Fedus 转述一位工程师的话，说某个分析在最大实验室吞吐下一年要花约 3000 万美元，压缩成更小的模型后降到低于 100 万美元（没有说明是哪个分析）。商业上，Fedus 说可为客户建定制系统，也在讨论“结果定价”，即 Periodic 保留产出物的知识产权与收益。访谈里没有点名客户，也没有收入数字，没有宣称发现新超导体；Cubuk 承认 LLM 不一定能跨实验室任意泛化。

亮相稿还提到在为一家半导体制造商训练定制 agent，帮其工程师分析实验数据，解决芯片散热问题；a16z 的文章写早期客户来自航天、国防和半导体。这些都是公司或投资方的说法，客户名称本刊没有核到。

是什么。官方稿写 Periodic Neon 是“1T 参数、经后训练用于分析实验结果、并部署到物理实验室”的模型，做法是在自家实验室数据上做中期训练加强化学习。研究稿写明起点是开放权重模型 Kimi K2.6。据模型页，K2.6 是 Moonshot AI 的混合专家模型，总参数 1T、激活 32B，上下文 256K，许可为 Modified MIT；Neon 本身的许可与可得性，官方稿没有写。官方称中期训练语料是学术文献、代码和实验数据的多模态混合，且“目前每月翻倍”；最终训练峰值 1,300 块 H200（研究稿拿 Astra 据报道的 10 万多块 Blackwell 作对照，没写这个数字的出处）。

训练基础设施（自述）。基础设施稿说训练栈建在 Megatron、SGLang、Miles 和 Ray 上并大幅改造：训练吞吐为 Megatron 基线的 4.1 倍，解码快 2.5 倍，自研沙箱 pbox 的数据传输延迟低 4.5 倍，检查点转换从 30 分钟降到 1 分钟，集群利用率 95% 以上（与科学模拟任务共享）；并说改进已回馈开源，给出 PR 链接。其中 SGLang #24851 和 Miles #1371 经 GitHub 接口核到存在且已合并，作者账号 ByronHsu 的公开简介写 “RL System at Periodic Labs”。

已部署。官方称 Neon 已在 Menlo Park 的实验室里分析 XRD 结果，实验室“24/7 运行”；研究稿说这类分析原本需要科学家花数小时。没有披露实验室规模、日样本量、Neon 的实际使用量与效果，也没有披露材料发现成果。

题库（公司自测）。FrontierXRD 是官方所说的“最难的内部评测集”：134 个来自自家实验室、人类专家要花数小时解决的 XRD 样本；被接受的解答平均含 5 个物相。官方稿没有给出数据集下载或评分细则全文；本刊没有核到它是否会公开。

成绩（公司自测）。Neon 成功率 55.3%，起点 Kimi K2.6 是 2.7%，官方称提升 20 倍，并称 Neon 在“每次分析成本更低”的前提下超过 GPT-6 Astra 和 Claude Fable 5.1，形成成本与性能的帕累托前沿。官方文字没有给出对手的具体百分比。本刊按其成本-成功率图目测：Neon 最高档约 55%、每题约 4.4 美元，GPT-6 Astra 最高点约 54%、约 7.4 美元，Claude Fable 5.1 最高约 40%、约 7.2 美元，图中还有 Kimi K3 约 18%（目测读数，不是官方表格）。

评分与成本怎么算。评分由 Opus 5 与 GPT-5.6-Sol 组成的 LLM 评审集成给出，对照专家评分校准：人类专家之间一致率 77.2%，LLM 评审集成与人类专家 74.6%，与专家共识 84%（公司自述，数千个图谱、每个三位材料相关博士标注）。成本口径：外部模型按标准 API 价格估算，假设各 agent 轮次间缓存完美；Neon 按每 H200 小时系统吞吐与 2.5 美元/H200 小时的价格计算，两边的算法不同。官方稿没有写评审集成对同厂商模型是否有偏向的检验。

harness。所有模型都跑在 Periodic 自家的 harness 上；官方称它比 Claude Code 加开源数据库和软件的对照方案成功率高 3.8 倍、成本相近（用同一个底层模型 Claude Opus 5，对照方只给 COD、Materials Project、BGMN 等开源工具，自家 harness 带内部材料结构与模拟数据库）。所以“Neon 超过前沿模型”比较的是模型加 Periodic 工具的组合。

泛化与独立验证。官方另用 198 条来自留出化学体系的 XRD 测量检验泛化，称 Neon 仍胜过前沿模型，同时写明这个集合比 FrontierXRD 容易。本刊没有找到对 Neon 或 FrontierXRD 的第三方复测；能核到的独立 XRD agent 评测是 AutoXRD / XRDBench（arXiv，2026-08-30，10 个 LLM、1,340 次运行，平均 57.8 分，弱项含精修动作选择、物相定量和 Rietveld 精修），它没有测 Neon，只说明 XRD 分析的评测本身很难。

官方。官方稿只列投资方：a16z、Felicis、DST、NVentures（NVIDIA 的风投部门）、Accel，以及 Jeff Bezos、Elad Gil、Eric Schmidt、Jeff Dean 等个人，不写金额、估值、轮次和领投方。a16z 的文章（Anjney Midha 署名，页面写 Midha 是 a16z Venture Partner，并在 Periodic 等公司的董事会任职）写 a16z 领投 3 亿美元的创始轮，文章是投资方的自述。TechCrunch写 3 亿美元种子轮，列出 a16z、DST、Nvidia、Accel 和多位个人投资者，没有写领投、估值、人数和所在地。

估值。种子轮估值 13 亿美元见于 Forbes 和 TechFundingNews 转述的 Bloomberg 报道，官方没有写；一些聚合站有 10 亿、15 亿美元的不同数字，本刊不采用。

新一轮。TechFundingNews 转述 Bloomberg（2026-03-25）：Periodic 在早期洽谈融资数亿美元、估值约 70 亿美元，并写它已有收入、早期客户来自半导体行业，没有名单和金额。Forbes（2026-05-07）写深入洽谈估值 75 亿美元，至少 5 亿美元，领投方是 AMP——前 a16z 普通合伙人 Anjney Midha 创办的投资载体，认购“明显超额”，三位知情人，Periodic 未回应、AMP 拒绝置评。Generalist 访谈里主持人说 Periodic“刚融了一轮新的钱”，Fedus 回答资金主要用于算力与基础设施，没有说金额、估值和投资方。官网新闻没有融资公告。是否完成、金额、估值与投资方，本刊没有核到。

钱花在哪（自述）。Fedus 在访谈里说主要是算力和基础设施；官方招聘板的岗位以实验室科学、工程和运营为主，近期含 XRD 设施经理、中期训练研究员、过程安全工程师、财务总监（Controller）。

已经有的。一座在运转的实验室（官方称 24/7）；一个在自家 XRD 任务上有公司自测提升的专用模型；一套公开写得很细的训练基础设施；一批来自 OpenAI 和 DeepMind 的创始人，加上两位创始人在材料与后训练上的公开履历。

还没有的。第三方复测；Neon 的权重、API、模型卡和许可；FrontierXRD 的数据与评分细则；官方披露的材料发现成果（访谈里没有宣称发现新超导体，目标是高温超导）；种子轮之后的官方融资信息。HF 与 GitHub 上都没有 Periodic 的官方组织，搜索 “periodic neon”“FrontierXRD” 在 Hugging Face 上也没有结果。

外部的审慎意见。Contrary Research 的分析（二手）提出：高温超导几十年未破，自动化实验室烧钱的速度可能快过成果；跨问题类的泛化未知，创始人自己也称其为开放问题；竞争对手有融资更多的同类公司；约半年内估值五倍跃升而没有演示性的突破。访谈里 Cubuk 也承认 LLM 不一定能跨实验室泛化。

站内 第 103 期把 Neon 与 Cognition 的 SWE-2 并读：两者都以中国的开放权重模型为底座做后训练。官方研究稿同时写 Kimi K3（模型页）是未来训练 Neon 的更强开放权重起点，图里 K3 的成绩约 18%（目测）。

本刊没有核到的有：成立日期与法人信息；总部城市的官方说法；员工总数；实验室规模与日样本量；Neon 的权重、API、许可与可得性；FrontierXRD 是否公开；评审集成的偏向检验；种子轮估值与新一轮的官方信息；Bloomberg 报道的原文。