贝索斯押注AI寻“硅”：CuspAI获4.5亿美元融资，估值飙至26亿

【科技纵览】当人形机器人在赛道上刷新纪录时，另一场更为隐秘却影响深远的竞赛正在材料科学领域悄然展开。7月20日，英国初创企业CuspAI宣布完成4.5亿美元B轮融资，公司估值随之跃升至26亿美元。这笔由Kleiner Perkins与New Enterprise Associates（NEA）领投的资金，吸引了包括杰夫·贝索斯旗下Bezos Expeditions、AMD Ventures、三星风险投资以及英国政府支持的主权AI基金在内的多方参与。值得注意的是，这家成立不足两年的公司，其估值在垂直科学领域显得尤为突出，这背后折射出资本对AI重构材料研发范式的强烈预期。

工业文明的演进史，本质上是一部新材料的发现史。从青铜到钢铁，从硅片到锂电池，每一次产业跃迁都依赖于关键材料的突破。然而，随着半导体制程逼近物理极限，新能源行业在固态电池商业化上的停滞，以及环保领域对PFAS等永久性污染物处理技术的渴求，传统“试错法”已难以应对日益复杂的材料需求。科学家面临的是一个近乎无限的搜索空间：元素组成、原子排列、晶体结构乃至制造工艺的微小差异，都可能导致性能的天壤之别。在这种背景下，AI不再仅仅是处理既有信息的工具，而是被寄予厚望，成为帮助人类在未知领域中导航的罗盘。

CuspAI的核心竞争力在于其开发的MIRA平台，该平台采用“逆向设计”逻辑。与传统流程中先设计结构再测试性能不同，研究人员只需定义目标——如更高的导电性或更低的成本——AI便能反向生成满足条件的材料结构并预测其性质。这种模式旨在将科学家从海量的无效实验中解放出来，聚焦于最具潜力的候选方案。尽管截至目前，CuspAI尚未公布类似Google DeepMind GNoME那样轰动性的新材料发现，也未实现产业化落地，但其最接近商业验证的案例是与芬兰化工巨头Kemira的合作。MIRA从约300万亿种潜在结构中筛选出20种候选材料用于去除PFAS污染物，目前这些材料仍处于后续验证阶段。

那么，一家尚无决定性成果的公司为何能获得如此高估值？答案或许藏在同日宣布成立的“AI Materials Foundry”中。该联盟已汇聚英伟达、Meta、Applied Materials、现代汽车集团等超过45家合作伙伴。这份横跨算力、芯片、制造及终端应用的名单，暗示了CuspAI的野心不止于单一材料研发，而是试图构建一个覆盖需求提出、候选生成、性能预测直至产业验证的全链条研发平台。一旦这套协同网络跑通，芯片、汽车、电池等多个依赖材料进步的行业都将纳入其服务版图。26亿美元的定价，实则是对这一平台化可能性的提前下注。

在AI材料发现的赛道上，CuspAI并非孤例。Google DeepMind的GNoME项目通过图神经网络发现了超过220万种潜在晶体结构，并与劳伦斯伯克利国家实验室合作成功合成了40多种新材料，证明了AI拓展探索边界的能力。MatNex则聚焦于具体工业需求，其设计的无稀土永磁材料MagNex在3个月内完成了从设计到测试的全过程，大幅缩短了研发周期。Orbital Industries则将重心转向工业场景，利用AI优化直接空气捕集材料，并尝试将其部署于数据中心。这些玩家选择了不同路径：DeepMind扩大搜索空间，MatNex加速特定需求落地，Orbital深耕场景应用，而CuspAI则致力于搭建基础设施。

尽管进展显著，但AI材料发现仍面临严峻挑战。计算机预测的稳定性不等于现实中的可制造性，实验室合成的样品也不等同于规模化生产的良品。从计算模拟到实验验证，再到工艺开发和量产，每一步都可能淘汰大量候选方案。自然界的物理法则不会因为算法的精进而改变验证规则。因此，AI当前的核心价值在于极大地压缩了搜索时间，让有限的实验资源集中在更有希望的方向上。它能让“大海捞针”变得高效，却无法保证捞起的针一定能撑起一个新产业。下一块“硅”或许将由AI率先锁定，但最终定义它的，依然是现实世界中严苛的工程化考验。