新智元报道
新智元报道
只用1300张H200，在一项硬核科学基准上，赢了GPT-6 Astra。
近日，前OpenAI研究副总裁Liam Fedus在X上发帖，亮出Periodic Labs的第一个模型：Periodic Neon。
帖子最抓人的是这一句：
只用1300张H200，加上几个月的实验数据，Neon在他们自家的分析基准上超过了GPT-6 Astra。
Periodic门洛帕克高磁场材料实验室实拍，机械臂正在样品上方作业。
上图里，一排排样品托上放着刚合成出来的候选材料，它们会被送进X射线衍射仪拍下「指纹」，再变成Neon要读的图谱。
实验室24小时连轴转，合成、测量、喂数据。
Fedus说，他们第一批要啃的，是超导体、磁体和半导体材料里的硬骨头。
一个做大模型出身的人，为什么跑去啃材料？
Fedus曾是ChatGPT的核心创造者之一，在OpenAI负责后训练，最清楚模型靠什么变强。
去年创立Periodic时，他就把话挑明了：
互联网上的文本总共约10T token，最好的前沿模型已经把它读完了。AI要再往前走，需要互联网上没有的新数据。
去哪找？实验室。
于是，他拉上前谷歌DeepMind化学与物理研究负责人Ekin Dogus Cubuk，从第一天起就自己建实验室、自己造数据，目标只有一个：造一个AI科学家。
一年后，第一份答卷来了。
Neon约1T参数，在一套高难度的X射线衍射（XRD）分析测试上，成功率跑到55.3%，把GPT-6 Astra和Claude Fable 5.1都甩在了身后。
论参数，据业内传闻，Astra总参数在数万亿量级，Neon只有1T；
论算力，按黄仁勋的公开说法，Astra背后是10万张以上的Grace Blackwell；Neon最终训练的峰值规模，只有1300张H200。
这样的反差，很快在圈内炸开。
Jeff Dean第一时间在Fedus的帖子下留言祝贺。
1300对10万，这组数字背后，藏着让AI继续变强的另一条路。
Neon解决的问题叫X射线衍射分析（简称XRD）。
X射线衍射是什么？
打个比方：一束X射线照进晶体，会在几个固定角度衍射出亮峰。材料不同，亮峰的位置也不同，就像指纹。
合成出来的东西是不是超导体、磁性材料或半导体材料，先要看这枚「指纹」对不对得上。
Periodic Lab里的X射线衍射仪。Neon学习的XRD数据，就由此类仪器产生。
麻烦在于实验室合成的样品往往极不纯净，多种物质重叠在一起，就像几百个人的指纹乱七八糟印在同一张纸上。
材料学家要认清里面有什么，通常得开软件、翻数据库、对比论文，折腾很久。
Periodic挑选了134道这种「连专家都头疼」的硬骨头，组成基准测试FrontierXRD。
Neon的55.3%，就是在这134道题上拿到的。
所有模型用的都是Periodic自己搭的科学工具环境，Periodic Harness。
与基于Claude Code、配标准XRD工具的方案相比，在单题成本差不多的情况下，Periodic Harness的成功率是后者的3.8倍。
AI做科研，一半靠脑子，一半靠手边的工具。
为了防止模型「背答案」，团队还另外准备了198道题，题目涉及的化学体系在训练数据里都被刻意剔除。Neon依然领先一众前沿模型。
不过官方也承认，这套题比FrontierXRD简单。
成本上，Neon也更划算。
最高档下，Neon成功率55.3%，每题成本约4美元多；GPT-6 Astra每题约7美元多，成绩反而低于Neon；Claude Fable 5.1成本和Astra相近，成功率只有约40%。
抛开跑分，Periodic真正想让人看到的，是它在门洛帕克建起的高通量材料实验室。
Periodic Lab实拍：机械臂夹取样品送入设备。
从最初的第一批实验，到如今24小时连续运转，Periodic把材料发现拆成了一个循环：
先猜要做什么，依据是对材料稳定性和性质的预测；
再预测怎么把它合成出来；
最后搞清楚实际做出了什么，性质对不对。拿到结果，修正猜想，再来一轮。
Periodic的材料发现循环：做什么、怎么做、做了什么，三段首尾相接。
每循环一圈，实验室就吐出一批新鲜、私有、带着物理反馈的数据。这些数据，就是Neon的原料。
Periodic的中训练语料，混合了学术文献、代码和实验数据，规模目前每个月翻一倍。
他们还发现，先靠中训练把科学知识灌进去，后面的RL效果更好。
而且实验跑的时候，GPU不用干等。模型可以拿已有的实验数据继续分析、继续改进预测。
Periodic那篇研究博客的标题，叫「自然就是学习环境」（Nature Is Our Learning Environment）。
它瞄准的是AI圈绕不过去的一道坎：
过去几年，Scaling靠的是把互联网数据越堆越多。可互联网上的文本，已经快被前沿模型读完了。
接下来，谁手里有能不断产出新数据的环境，谁就多了一条继续Scaling的路。
互联网是一座挖一点少一点的数据矿，实验室是一口能源源不断出水的井。
把RL搬进物理世界，难度完全不在一个量级。
数字世界的RL，已经让智能体写出了几乎所有代码，还解开了悬而未决的数学猜想，秘诀是派出海量智能体，去做又快、又能自动判分的题。
到了物理世界，这三样全卡住了：
智能体不能说加就加，多跑一路实验，就要多一份电力、设备和工程；一次实验可能要好几天；结果还经常模棱两可。
最后一条最要命。Periodic在研究博客里说很精辟：科学可以被证伪，却不容易被验证。
一张XRD图谱，光看拟合对不对得上，没法低成本判定分析是否成功。还得有专家来判断，每个物相有没有图谱支持，化学上说不说得通。
Periodic的办法，是把专家的判断「蒸馏」成裁判。
他们请材料专家给数千个XRD图谱打标签，再用这些标签校准一个由Opus 5和GPT-5.6 Sol组成的LLM裁判组，三组数字很能说明问题：
专家和专家之间，一致率77.2%；
LLM裁判和单个专家，一致率74.6%；
LLM裁判和专家共识，一致率84%。
也就是说，这个AI裁判的靠谱程度，已经逼近人类专家彼此之间的水平。
能把「说不清」变成能训练的奖励，是Neon的一项硬核技术点。
1300张H200，是Neon最终训练时，中训练和强化学习两个阶段同时在跑的峰值卡数。
而Astra的10万张以上Blackwell，对应的是一个前沿通用模型的大规模训练。
所以，1300对10万，算不出一个效率倍数，但它至少说明，这1300张卡被Periodic用到了极致。
科学任务上的强化学习，有个怪毛病：模型做一道题，要边想、边查资料、边跑工具，一趟下来可能一个多小时；可拿这道题的结果去更新模型，只要几分钟。
Periodic的办法是，让做题和学习分开，各用各的GPU，互不等待。
这里有个真实的翻车故事。
他们最早的RL循环，训练、推理和模型写的代码全挤在一起，没有任何隔离。
直到有一次，模型写的代码申请了80GB内存，整个任务当场崩掉。
于是有了自研沙箱pbox。
它直接调用RL任务所在GPU节点上闲着的CPU来跑科学工具，数据全程不出集群。
和他们测过的一家托管沙箱服务相比，数据来回快了4.5倍，吞吐量是对方的3.3倍。
训练闲下来的算力，再分给物理模拟等科学计算任务，整个集群的利用率常年保持在95%以上。
Periodic的思路不难理解：算力总量拼不过巨头，就拼每个GPU小时能换回多少科学产出。
Neon已经部署进Periodic的实验室，分析真实实验，帮团队寻找更好的超导体和磁体。
还差哪一步？
回到前面提到的那个三段循环里，Neon这次证明的只是最后一段：看懂实验室到底做出了什么。
至于让AI指挥整个科研项目、设计合成路径、决定下一轮跑哪些实验，Periodic官方的说法是，正在把这套方法往这些方向扩展。
Fedus的措辞也很克制：模型目前是「帮我们决定」，不是替科学家拍板。
准确地说：实验、数据、训练之间的飞轮已经转起来了，但要实现全自主闭环，还有两个环节没打通：决定做什么，以及怎么把它合成出来。
Periodic也没打算否认算力的价值。
官方表示，把训练算力扩到与今天前沿模型相当的量级，能解锁更强的科学能力。他们也提到，未来可以换一个更强的开放权重模型做底座。
GPU依然重要，但光有GPU不够了。
回头再看Fedus的履历：在GPT-4技术报告的贡献者名单里，他的职责是「数据飞轮」负责人。
三年后，他把这个飞轮从互联网文字搬进了真实的物理实验室。
飞轮还是那个飞轮，变的只是喂进去的东西：从人类写下的文字，换成了自然给出的回答。
下一阶段的Scaling，比的也许不再只是谁能买下十万张芯片，还要看谁的实验室能一刻不停地往模型里送真实世界的数据。
参考资料：
编辑：元宇
