AI叩问材料科学“无人区”：百万美元悬赏背后的算力博弈

【科技24时区】旧金山街头，一家名为Discovered Materials的初创企业正试图用另一种方式重写物理学的边界。这家成立仅数月的公司，核心业务是利用人工智能模型挖掘用于制造先进芯片的新物质材料。近日，他们抛出了一个极具野心的计划：设立100万美元的奖金池，向全球顶尖的AI模型发起挑战，要求其在五个材料科学领域的关键难题上给出答案。

这并非一场简单的编程竞赛，而是一次对当前前沿AI能力边界的压力测试。尽管大语言模型已在数学证明和生命科学领域屡创佳绩，但在处理涉及复杂量子力学与凝聚态物理的材料科学问题时，它们的表现仍显得捉襟见肘。正如Discovered Materials联合创始人Advaith Sridhar所言：“材料科学不像数学那样拥有明确的定义和是非分明的标准答案。”这种模糊性，使得界定问题本身成为比解决问题更大的障碍。为了厘清这一困境，团队联合了斯坦福大学等全球顶尖高校的学者，梳理出五个亟待攻克的“开放性问题”，旨在通过结果反推AI是否真正在理解物质底层逻辑。

此次悬赏的五道考题，道道直指半导体行业的痛点。首先是解释高温超导机理，即为何某些材料在超低温下能实现零电阻；其次是预测硅与二氧化硅界面结构，这是几乎所有半导体器件的基础组合；第三是建立晶粒结构与热性能的映射关系，以设计更高效的散热材料；第四是揭示光照改变材料行为（特别是超导状态）的理论机制；最后则是改进密度泛函理论这一原子分子建模的核心工具。斯坦福大学教授Felipe Jornada指出，这些现象虽被观测到却难以解释，一旦突破，将直接重塑未来电子产品的制造逻辑与能源存储方式。

然而，现实往往比愿景骨感。在正式公布挑战前，Discovered Materials曾让具备自主联网能力的实验室级AI模型独立攻关数日，结果并不乐观——模型在这些问题上几乎寸步难行。但这并不意味着AI在此领域毫无建树。Sridhar坦言，如果OpenAI或Anthropic等巨头投入更多算力或部署更新一代的模型，或许能实现“一击必中”。对他而言，谁先解开谜题并不重要，重要的是这些挑战能成为衡量行业进步的“标尺”。正如他所说：“我们希望通过解决这些问题，深化对人类周围物质行为的理解。”

这场竞赛折射出科研范式的悄然转变。随着AI展现出发现人类研究者未曾预料的洞察力的能力，“提出问题”的价值正在超越“回答问题”。Sridhar强调，确定正确的问题本身就极具难度，而这正是学术界专家介入的关键所在。这是一种全新的科学思维：先确立验证框架与挑战目标，再交由AI去探索解释路径。对于Discovered Materials而言，其商业野心同样清晰——专注于为半导体行业开发新材料。在与芯片巨头合作的同时，该公司也在加速自有研发进程。自今年8月宣布种子轮融资以来，Sridhar的信心日益增强，他预计，找到具有工业应用价值的新材料的时间表，将比最初预期的“一年”更为紧迫。