网易首页 > 网易号 > 正文 申请入驻

贝索斯用AI寻找下一块硅

0
分享至



亚马逊创始人杰夫·贝索斯,又投资了一家AI公司。

这一次他押注的是:AI能不能帮助人类找到下一块“硅”。



7月20日,英国AI材料公司CuspAI宣布完成4.5亿美元B轮融资,公司估值达到26亿美元。

本轮融资由Kleiner Perkins和New Enterprise Associates(NEA)领投。投资方包括贝索斯旗下投资机构Bezos Expeditions、英国政府支持的主权AI基金,以及AMD Ventures、三星投资等机构。

26亿美元的估值在AI原生公司里并不是史无前例,但对垂直科学领域公司来说算得上非常突出,而CuspAI成立还不到两年。

如果说主流的AI竞争围绕大模型和Agent展开,那么CuspAI代表的是另一条路线:

AI能否从处理已有信息,走向帮助人类发现未知。

01

人类一直在寻找下一块材料

如果把工业文明的发展浓缩成一句话,它就像一部不断寻找新材料的历史。

青铜开启了青铜时代,钢铁撑起了工业革命,硅创造了计算机,而锂推动了新能源汽车的发展。

每一次重要的产业变革,背后几乎都有一种关键材料作为支撑。

今天,人类仍然在寻找下一块“硅”。

过去几十年,半导体行业依靠硅不断缩小晶体管尺寸,让计算机性能持续提升。但随着制程逐渐逼近物理极限,行业越来越多地把目光投向新的半导体材料、互连材料和先进封装,希望寻找下一代突破口。

新能源行业也面临着类似的问题。相比今天广泛使用的液态锂电池,固态电池被认为有望同时提升安全性、能量密度和续航能力。但从丰田、QuantumScape到宁德时代,行业迟迟没有迎来大规模商业化。

今年,仅围绕固态电解质发现,学术界就接连出现了《Breaking Bottlenecks in Solid Electrolyte Discovery with Large Artificial Intelligence Models(利用大模型突破固态电解质发现瓶颈)》以及《Machine Learning Pipelines for the Design of Solid-State Electrolytes(用于固态电解质设计的机器学习流程)》等多篇综述论文。

催化剂、航空航天、先进制造以及环保领域,同样难以避免。

为了去除PFAS(全氟和多氟烷基物质)这类几乎无法自然降解的"永久性污染物",研究人员仍在持续寻找效率更高、成本更低的新型吸附材料;数据中心不断增长的算力需求,也让散热材料成为影响能耗的重要变量。

越来越多行业发现,工程能力正在快速进步,但材料突破却越来越慢。

原因并不难理解:寻找一种新材料,并不像在数据库里搜索答案。科学家通常需要先提出假设,再设计材料结构,进行计算模拟、实验验证,然后根据结果不断调整方案。一次失败,就意味着重新开始。

并且,材料世界的可能性几乎是无限的。

一种材料的性能,不仅取决于元素组成,还受到原子排列、晶体结构、缺陷状态以及制造工艺的共同影响。哪怕只是微小的变化,都可能带来截然不同的结果。

面对如此庞大的搜索空间,人类越来越难依靠经验和实验,一点一点找到真正有价值的新材料。

于是,一个新的想法开始出现:

材料研发真正费时费力的不只有实验,还有在无数种可能性中找到那几个值得实验的候选方案。

而这,恰恰是AI最擅长的问题。

正是在这样的背景下,一批专注于AI材料发现的新公司开始获得资本关注。

CuspAI的这轮融资,正是最新的一个代表案例。资本开始为一种新的可能性下注:下一块“硅”,或许将诞生于AI驱动的材料研发体系。

02

贝索斯为什么押注这家公司?

CuspAI是一家成立于2024年的英国AI材料公司,总部位于剑桥。

公司由两位背景互补的创始人共同创立。CEO Chad Edwards曾参与创办量子计算公司Cambridge Quantum Computing(CQC),并推动其与霍尼韦尔量子业务合并,成立如今的Quantinuum;联合创始人Max Welling则是机器学习领域的重要学者,曾任微软研究院杰出科学家,也是经典论文《Auto-Encoding Variational Bayes》的作者之一,在生成模型领域具有重要影响力。



过去,材料研发通常从一种已有材料出发。科学家先设计一种新的结构,再通过计算模拟和实验测试它的性能;如果效果不理想,就调整结构重新开始。

CuspAI开发的MIRA,则试图改变这个流程。

它采用“逆向设计(Inverse Design)”思路:研究人员不用先思考“应该设计什么材料”,而是先定义目标——例如更高的导电性、更强的耐高温能力或更低的制造成本——再由AI反向生成可能满足这些要求的材料结构,并预测它们的性质,帮助科学家筛选最值得验证的候选方案。

换句话说,它并不是替科学家完成实验,而是希望让科学家把更多时间花在验证最有希望的材料上,而不是在无数可能中大海捞针。

不过,截至目前,CuspAI并没有交出一份足以震惊行业的成绩单。

它没有像Google DeepMind的GNoME那样公布具有代表性的新材料,也没有宣布某一种AI设计的新材料已经实现产业化。

目前,CuspAI最接近商业验证的案例之一,是帮助芬兰化工企业Kemira寻找去除PFAS污染物的新材料。公司表示,MIRA曾从约300万亿种潜在材料结构中筛选候选方案,最终缩小到20种进入进一步开发,但相关候选材料目前仍处于后续验证阶段,尚未公布商业化成果。



那么问题来了:一家还没有交出决定性成果的AI公司,为什么能拿到26亿美元估值?

一个细节或许值得注意。

7月20日,CuspAI公布的并不只是4.5亿美元B轮融资,同时还宣布成立AI Materials Foundry。

本轮融资由Kleiner Perkins和NEA领投,贝索斯旗下Bezos Expeditions、AMD Ventures、三星风险投资等机构参与投资;与此同时,AI Materials Foundry已经聚集了超过45家合作伙伴,包括英伟达、Meta、Applied Materials、现代汽车集团等企业。

这份名单横跨AI、半导体、先进制造、汽车和材料行业。

有人提供算力和芯片,有人掌握制造能力,有人拥有真实的工业需求,也有人能够承担后续实验与产业验证。

名单的意义不只在于CuspAI拉来了多少合作伙伴,更重要的是,它让资本看到了一个远大于单项材料研发的市场。

一家传统材料公司,价值通常取决于它能否做出某种材料、拿下多少订单;CuspAI试图覆盖的,却是材料被提出需求、生成候选、预测性能、完成验证,直至进入产业应用的整条研发链条。

一旦这套模式成立,芯片、汽车、电池、化工、航空航天等所有依赖材料进步的行业,都可能成为它的服务对象。

这正是26亿美元估值背后的想象力:CuspAI有机会从一家寻找新材料的公司,变成多个产业共同使用的研发平台。

AI Materials Foundry,以及英伟达、Meta、Applied Materials、现代汽车等企业的参与,为这种想象提供了现实支点。它说明CuspAI正在把模型、算力、产业需求和实验能力组织到一个协同网络里,也让投资者相信,自己有机会参与这套基础设施的建设。

如果未来材料研发逐渐演变为一种新的协作模式——AI负责生成候选材料,产业提出需求,算力完成模拟计算,实验室负责验证结果,那么决定竞争力的,将不再只是某一家公司的研发能力,而是谁能够进入这套体系,与更多参与者共同完成材料研发。

26亿美元,定价的是CuspAI成为材料研发平台的可能性。

这份估值当然仍然建立在尚未兑现的未来之上。但在AI材料领域,资本愿意提前付钱的,恰恰是这条链条一旦跑通之后可能覆盖的巨大市场。

03

AI已经找到新材料了吗?

CuspAI并不是第一家试图用AI重构材料研发的公司。在它之前,Google DeepMind已经证明,AI可以把材料搜索扩展到过去难以想象的规模;MatNex开始围绕具体工业需求设计材料;Orbital则进一步把材料模型推向真实工业场景。

这些玩家选择了不同路径,也共同回答了一个问题:AI材料发现,究竟已经走到了哪一步?

Google DeepMind是其中最受关注的代表。

如果说AlphaFold让AI进入生命科学领域,那么GNoME(Graph Networks for Materials Exploration)则是DeepMind探索材料科学的重要尝试。



2023年,Google DeepMind发布GNoME项目。该系统利用图神经网络预测晶体结构的稳定性,共发现超过220万种潜在晶体结构,其中约38万种被预测为稳定材料,相当于将人类已知稳定材料的数量扩大了近十倍。

其中包括528种潜在锂离子导体,数量约为此前同类研究成果的25倍,为下一代电池提供了更多候选方案。



传统材料数据库主要来自过去的计算和实验积累,研究者通常在已经被人类记录的范围内寻找规律,而GNoME展示了另一种可能:AI可以根据学到的材料规律,主动探索尚未进入数据库的晶体结构。

但计算机预测一种材料稳定,并不意味着这种材料能够在现实中被制造出来。

为了验证这些预测并非停留在计算机中,DeepMind随后与劳伦斯伯克利国家实验室合作。后者建设的A-Lab系统可以利用算法生成实验方案,控制机器人完成材料配比、加热和检测,最终成功合成了40多种新材料。

不过,GNoME主要解决的仍然是“哪些晶体结构可能稳定”。稳定不等于实用,能够合成也不等于具备更好的导电性、磁性、耐热性或者制造成本。距离真正进入工业生产,中间仍然隔着性能验证、工艺开发和规模化制造。

如果说DeepMind回答的是"AI能不能找到新材料",那么MatNex更关心另一个问题:AI能不能按照产业需求设计材料。

MatNex原名Materials Nexus,成立于2020年,是一家从剑桥大学孵化的深科技公司。



与CuspAI类似,Materials Nexus采用的也是“逆向设计”路线:根据目标性能需求,利用AI寻找可能满足要求的新材料,而不是依靠传统实验方式逐一试错。

公司最早切入的方向之一,是无稀土永磁材料。

稀土永磁体广泛应用于新能源汽车、电机和风力发电,但高度依赖特定的稀土资源与供应链。2024年,MatNex宣布,其AI平台从超过1亿种候选组合中筛选并设计出无稀土永磁材料MagNex。

该材料从设计、合成到测试仅用了3个月,相比传统工业材料研发周期大幅缩短。公司预计,MagNex成本可达到传统稀土磁体的约20%,同时可减少70%的材料碳排放。



这个案例比单纯预测一种材料更进一步——它围绕一个明确的工业需求,完成了从设定目标、算法筛选,到实验合成和性能测试的流程。

AI的价值因此不再只是“发现更多可能”,还能帮助研发团队更快找到一组值得被制造出来的答案。

但MagNex被成功合成,也不能直接等同于已经完成商业化,它证明了AI可以缩短早期研发周期,但它能否把这种速度延伸到规模化生产,仍有待观察。

AI材料赛道的另一位典型玩家,同样来自英国。

Orbital Materials成立于2022年,总部位于伦敦,后更名为Orbital Industries。



Orbital最初选择的是一条与DeepMind相似的“AI for Science”路线:训练能够理解原子结构、材料性质和物理规律的基础模型,再利用这些模型预测材料性能、筛选候选结构。

2024年,公司发布材料模拟模型Orb,并开放相关模型,希望降低研究者进行原子级材料模拟的门槛。

但随着业务推进,它逐渐把重心从材料发现转向工业应用,开始围绕能源、碳捕获和AI基础设施设计具体方案。

其中一项工作,是利用AI设计用于直接空气捕集的多孔CO₂吸附材料,并尝试将其部署到数据中心。公司称,自2024年建立实验室以来,这种材料的性能已经提升约10倍。

Orbital关注的已经不只是能否找到性能更好的材料,还包括这些材料如何进入具体设备和工业场景。材料模型由此成为解决实际问题的起点,而不再是最终产品。

这也让Orbital越来越像一家AI工业公司:材料发现仍然是它的核心能力,但最终出售的可能不只是模型或者材料,而是一套围绕具体工业问题设计的解决方案。

从Google DeepMind到MatNex、Orbital和CuspAI,AI材料领域已经出现了几条不同的发展路线。

DeepMind试图扩大人类能够探索的材料空间;MatNex围绕明确需求,将AI设计推进到合成和测试;Orbital把材料模型嵌入碳捕获和数据中心等具体场景;CuspAI则希望把模型、算力、实验和产业伙伴组织成一套可以被多个行业使用的研发平台。

这些进展说明,AI材料发现并非完全建立在概念之上。

AI已经能够预测过去未被记录的晶体结构,也已经帮助研究者合成出新的材料,甚至开始围绕具体工业需求缩短设计和测试周期。

但无论选择哪一条路线,它们都必须面对同一道难题:AI找到一种可能存在的材料,并不等于人类已经拥有了一种可以使用的材料。

从计算预测到实验合成,从实验样品到稳定制造,再到规模化应用,每一步都可能淘汰大量候选方案。自然世界不会因为模型能力提升而改变验证规则。

因此,AI目前最明确的价值,仍然是缩短搜索过程,把有限的实验资源留给更有希望的方向。

它可以让“大海捞针”变得更快,却还不能保证被捞起来的那根针,最终能够撑起一个新的产业。

下一块“硅”或许会由AI率先找到,但真正定义“下一块硅”的,仍然是现实世界。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
不准中国接俄,也不准中国收台,更不准管制稀土。七国集团曾明确指出,中国不能援助俄罗斯,不能以武力改变台海现状,也不能限制稀土出口

不准中国接俄,也不准中国收台,更不准管制稀土。七国集团曾明确指出,中国不能援助俄罗斯,不能以武力改变台海现状,也不能限制稀土出口

扶苏聊历史
2026-11-18 15:55:59
全球95%的人都携带的病毒,竟可能是100%红斑狼疮的根源!

全球95%的人都携带的病毒,竟可能是100%红斑狼疮的根源!

徐德文科学频道
2026-11-20 15:21:42
年会中了四十万的奔驰E300L,直接提车还是税后折现三十五万,这道题摆在普通中年夫妻面前,往往会吵出两种委屈

年会中了四十万的奔驰E300L,直接提车还是税后折现三十五万,这道题摆在普通中年夫妻面前,往往会吵出两种委屈

可读
2026-11-21 00:13:14
中国股市失控信号亮起:这次可能真的不是玩笑

中国股市失控信号亮起:这次可能真的不是玩笑

星语者056
2026-11-20 08:56:23
CBA杯赛小组赛最终排名!山东北京等8队晋级,淘汰赛对阵时间出炉,辽篮再遇老对手

CBA杯赛小组赛最终排名!山东北京等8队晋级,淘汰赛对阵时间出炉,辽篮再遇老对手

老吴说体育
2026-11-20 23:31:30
中国最大饺子店,要上市了!

中国最大饺子店,要上市了!

先锋新闻
2026-11-21 06:54:25
广东半场落后香港金牛3分!徐杰轰5+5+4,焦泊乔7分,周鹏3分

广东半场落后香港金牛3分!徐杰轰5+5+4,焦泊乔7分,周鹏3分

多特体育说
2026-11-21 21:01:17
浙江啤酒消亡史:曾经有上百个地方品牌,如今只剩一棵独苗!

浙江啤酒消亡史:曾经有上百个地方品牌,如今只剩一棵独苗!

云霄纪史观
2026-11-21 03:57:38
日本发布了最新中日关系民意调研结果!出乎人意料

日本发布了最新中日关系民意调研结果!出乎人意料

荆楚寰宇文枢
2026-11-20 22:39:50
王石再次预言楼市!2026年12月之后,中国房价或迎来4大转变

王石再次预言楼市!2026年12月之后,中国房价或迎来4大转变

巢客HOME
2026-11-19 11:00:09
不敌nbl球队,上海男篮下半场全华班出战,偰李永炜21+8,拉塞尔仍未找到状态

不敌nbl球队,上海男篮下半场全华班出战,偰李永炜21+8,拉塞尔仍未找到状态

替补席看球
2026-11-21 21:59:38
“AI检出率”致作者陷自证困局:论文改到“学生作文水平”才达标,却没了学术性

“AI检出率”致作者陷自证困局:论文改到“学生作文水平”才达标,却没了学术性

澎湃新闻
2026-11-21 09:32:42
紧身短裤,是跑步最尴尬的装备

紧身短裤,是跑步最尴尬的装备

跑者排球视角
2026-11-20 06:59:54
为啥有时候大便之前的体重和大便之后的体重一样?难道排泄物没重量吗?

为啥有时候大便之前的体重和大便之后的体重一样?难道排泄物没重量吗?

向航说
2026-11-20 22:10:04
最新曝光!特朗普,买入英伟达、SpaceX

最新曝光!特朗普,买入英伟达、SpaceX

证券时报
2026-11-21 16:16:08
凌空抽射扳平比分,安德森对阵富勒姆收获曼城生涯英超首球

凌空抽射扳平比分,安德森对阵富勒姆收获曼城生涯英超首球

懂球帝
2026-11-21 22:08:12
央视本周继续停播西甲!皇马主席:印度球迷可免费观看皇马的比赛

央视本周继续停播西甲!皇马主席:印度球迷可免费观看皇马的比赛

风过乡
2026-11-21 21:57:47
CCTV5直播中沙男篮世预赛,周琦是赢球关键,郭士强算盘打得很好

CCTV5直播中沙男篮世预赛,周琦是赢球关键,郭士强算盘打得很好

体育大学僧
2026-11-21 11:40:50
红果热播榜杀疯了!《持械入宋》跌至第4,第一名8958万登顶榜首

红果热播榜杀疯了!《持械入宋》跌至第4,第一名8958万登顶榜首

可乐谈情感
2026-11-21 09:09:38
别被《瓦尔特保卫萨拉热窝》忽悠:南斯拉夫游击队真实战力复盘

别被《瓦尔特保卫萨拉热窝》忽悠:南斯拉夫游击队真实战力复盘

民宿体验志
2026-11-20 18:37:19
2026-11-21 22:43:00
字母榜 incentive-icons
字母榜
让未来不止于大。
2918文章数 8102关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

头条要闻

菲总统马科斯APEC欢迎曲为《孩子》引发热议 本人回应

体育要闻

约基奇vs申京:最强的策应巨人?

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

教育
本地
游戏
艺术
公开课

教育要闻

曾经“感动中国”的庞众望完成清华大学博士论文答辩,本人发声:将继续潜心钻研,在科研探索的道路上不断前行

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

PC Gamer试玩GTA6百小时:双主角出色但任务重复

艺术要闻

内娱体态天花板又出手了。刘诗诗这组写真,脖子以下全是“教科书”

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版