AI大牛扎堆创业搞科学数据，AI4S开始拼基建了

前OpenAI首席产品官Kevin Weil正筹备一家新公司，定位是“为AI模型收集科学数据”的平台。产品还没公开，公司名字也没定，只有三位知情人士透露了些风声，估值已经喊到7.5亿美元，计划募资1.5亿美元。这位曾在Meta和Twitter担任产品高管的硅谷老兵，今年早些时候离开OpenAI，眼下正为这个项目四处奔走。

此前Jeff Dean已官宣创办Discovery Loop，AI4S（AI for Science）赛道成了硅谷离职AI高管的热门去向。这释放出一个信号：AI4S正从概念叙事进入基础设施建设阶段。当大模型能写百万字小说、生成电影级视频时，顶尖AI人才却在琢磨怎么让AI真正理解科学。

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，官方定位是“将前沿大模型嵌入科学家工作流”的工作空间，被视为OpenAI的“AI for Science”战略首次产品化。

使用者常把Prism和Overleaf、LaTeX、Codex放在一起比较，分享排版协作、引用格式管理、LaTeX编译速度等“学术写作效率”体验。这说明Prism能解决“科学表达”的效率问题，比如写论文、排版、管引用，作为科研工作流工具是有价值的。但在“科学发现”能力上，像实验设计、假设验证、数据洞察这些环节，Prism的存在感比较弱。

Prism为什么停在“科学表达”这一层？答案可能不在产品，而在组织。半个月前，Jeff Dean在YC管理合伙人Diana Hu主持的《Startup School 2026》对谈中，分享了Discovery Loop的创业计划书。他指出，在材料科学、芯片设计或生物计算等硬核领域，大厂通用大模型往往束手无策。AlphaFold的成功靠的不是算力堆叠，而是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。

这个判断来自大厂AI体系最高层的内部视角。通用大模型的资源和注意力向主航道倾斜，很难深耕垂直领域；组织越大，冗余越成阻碍。对谈后不久，Jeff Dean宣布结束27年谷歌生涯，和Sanjay Ghemawat、Oriol Vinyals、Quoc Le共同创立Discovery Loop，目标是让AI自动化科学研究全过程。

Jeff Dean的分享解释了Discovery Loop的诞生，也间接画出了Prism的天花板。OpenAI资源集中在通用大模型迭代上，科学数据供给和科学发现能力体系恐怕排不到第一优先级。Weil的出走同样说明，AI4S需要独立基础设施，大厂的组织冗余、战略聚焦和合规约束，让它难以在“为AI收集科学数据”这类基建工作上投入重兵。

Weil新公司的定位和Prism形成对照。Prism的逻辑是AI当工具、科学家当用户；新公司则让科学家成为数据源、AI成为“消费者”。目前新公司细节还没披露，但从定位差异看，Weil或许在Prism实践中摸到了AI4S的上游瓶颈：科学家手里的数据质与量远超互联网文本，但散落在实验室笔记本、Excel表格和私有数据库里，格式混乱、互不流通，很难用于模型训练。

工具层做得再好，也绕不开数据问题。从工具层跳到数据层，是产品人往产业链上游走了一步。不再满足于帮科学家写论文更快，而是做AI时代科学数据的供给方。

把Weil放进更大图景里看，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，在过去几周内陆续出现代表玩家。Weil的新公司身处最上游、最隐蔽的数据层，核心问题是：科学数据分散在数百万实验室，谁来整合？它可能是路径最轻的玩家，不碰实验、不训模型，只做数据收集和结构化，但网络效应可能最强，因为掌握数据入口的人有机会定义下游标准。