Discovered Materials融资900万美元，利用AI寻找更高效芯片材料

AI工作负载芯片发热问题导致数据中心能耗及冷却需求激增，初创公司Discovered Materials正利用AI代理群寻找新型材料以构建更高效的集成电路。该公司近期完成900万美元种子轮融资，投资方包括Lightspeed India Partners、Peak XV Partners及天使投资人Paul Graham、Gokul Rajaram、Thariq Shihipar，此前曾加入Y Combinator。创始人Advaith Sridhar和Akash Ramdas（斯坦福材料科学博士）结合材料科学与AI代理经验，开发了软件管道：使用Anthropic模型生成材料线索，再通过自主训练的基础物理模型进行模拟验证。据Sridhar介绍，相比博士期间每日约20次猜测，现AI代理可在云端24/7运行，每日完成数千次猜测。该公司今日发布数百种新材料示例及“Material Discovery Bench”，用于追踪前沿模型在材料发现领域的表现。尽管MatNex、SandboxAQ、CuspAI等公司也在开展类似工作，Discovered Materials聚焦半导体材料的热问题，称已发现与主流芯片制造商所用材料性能相当的若干材料，但未披露具体细节。Lightspeed合伙人Hemant Mohapatra指出，材料研发需平衡热性能、可制造性及电性能等多方面，如同“原子结构的打地鼠游戏”，只有各项特性同时满足才能实用。他认为，随着模型进步，新型物质预测业务可能商品化，而Discovered Materials的优势在于Ramdas的专业经验及快速实验验证能力。Sridhar表示，公司计划为GPU中材料的应用或芯片制造工艺申请专利，并授权给芯片制造商，预计未来一年内将有值得专利化的新材料。不过，AI发现的药物或材料尚未产生商业影响，例如Insilico Medicine的Renterosib虽进入II期临床试验，MatNex的无稀土永磁体、松下与Citrine Informatics合作研发的半导体材料等也尚未大规模商用。Mohapatra认为，AI材料科学的瓶颈并非寻找候选材料，而是“正确筛选和合成”。Sridhar承认，尽管独特数据和专业知识有助于竞争，但“进入湿实验室实际制造”的过程无法加速。