AI造芯遭遇“热”瓶颈，初创公司Discovered Materials获900万美元种子轮融资，押注材料科学破局

【科技24时区】当人工智能负载让芯片温度飙升，数据中心不得不依赖庞大的冷却系统来维持运转，这已成为吞噬电力的巨兽。颇具讽刺意味的是，创业者们正试图用AI来解决它亲手制造的难题。近日，从Y Combinator孵化器走出的初创公司Discovered Materials宣布完成900万美元种子轮融资，领投方为Lightspeed India Partners，跟投方包括Peak XV Partners以及Paul Graham、Gokul Rajaram和Thariq Shihipar等知名天使投资人。这家公司的野心很明确：利用AI智能体集群，挖掘能构建更高效集成电路的新材料。

创始人Advaith Sridhar与Akash Ramdas的组合堪称“软硬结合”的典范。Ramdas拥有斯坦福大学材料科学博士学位，深耕领域多年；Sridhar则在Persona AI和Luma Labs积累了深厚的智能体开发经验。两人联手打造了一套软件流水线：先通过定制化的Anthropic模型生成材料线索，再调用他们自行训练的基础物理模型进行仿真验证，以确认候选材料是否真正具备应用价值。“读博期间，我一天大概只能做20次猜测，”Sridhar向TechCrunch透露，“而现在，借助云端全天候运行的智能体，我们每天能进行数千次尝试，探索由他指引的研究方向。”这种效率的提升，不仅仅是数量的叠加，更是研发范式的转变。

就在今天，Discovered Materials公开了数百种新材料的案例，并发布了旨在追踪前沿模型应对这一挑战能力的“材料发现基准”（Material Discovery Bench）。尽管MatNex、SandboxAQ和CuspAI等公司也在类似赛道上发力，但Discovered Materials选择了一条更为垂直的路径——死磕半导体材料的热管理问题。该公司声称已发现几种性能媲美主流芯片制造商所用现有材料的新型物质，不过出于商业保密考虑，具体细节暂未披露。

然而，从实验室到量产车间，中间横亘着巨大的工程鸿沟。即便找到了一种能降低发热或改善散热的材料，也可能因制造工艺过于复杂或电气性能受损而无法落地。主导本轮融资的Lightspeed合伙人Hemant Mohapatra形象地将其比作“打地鼠游戏”：“只有当所有属性同时收敛于一个平衡点时，材料在现实世界中才有用，这使得搜索过程变得极具挑战性。”Mohapatra预判，随着模型能力的提升，预测新物质的业务终将趋于商品化，而Discovered Materials的核心壁垒在于Ramdas深厚的领域知识，以及团队快速实验验证候选材料的能力——据悉，他们已在几种新材料上完成了初步验证。

一旦发现高价值候选者，Sridhar表示公司将尝试申请GPU应用专利，或授权芯片制造工艺流程给厂商。他乐观地预计，明年内有望获得值得专利保护的新材料成果。但冷静来看，AI在药物或材料领域的商业化突破仍显迟缓。目前最接近成功的案例或许是Insilico Medicine开发的Renterosib，这是首款进入二期临床试验的生成式AI发现药物。在材料端，MatNex发现的无稀土永磁体、松下与Citrine Informatics合作研发的新型半导体材料虽前景可期，却尚未实现大规模商业部署。

技术或许正在成熟，但瓶颈并未消失。Mohapatra直言，阻碍AI材料科学发展的并非候选者的数量，而是“正确筛选与合成”。Sridhar也承认，尽管独特的数据和专业知识能帮助公司在资金雄厚的前沿实验室竞争中立足，但现实依然骨感：“很多工作必须深入湿实验室，亲手制备样品。这个过程，是无法被加速的。”毕竟，原子结构的排列组合可以靠算法穷举，但将理论转化为实体，仍需人类工程师在烧杯与晶圆间反复打磨。