杰夫·贝佐斯已加入投资者行列,支持英国初创公司CuspAI完成一轮约4.5亿美元的融资。现有投资者淡马锡也参与了本轮融资,这凸显出市场对人工智能能够加速技术开发中最缓慢、最昂贵的环节之一——为先进半导体发现新材料——的信心日益增强。
这项投资是AI竞争格局发生广泛变化的标志。尽管该领域此前聚焦于聊天机器人和大语言模型,但未来的竞争优势可能更取决于制造更快、更优芯片背后的材料技术。
总部位于剑桥的CuspAI致力于开发AI解决方案,帮助创造用于半导体、电池、催化剂和薄膜的材料。该公司打造了一个AI材料工厂(AI Materials Foundry),与行业伙伴合作开发针对特定目标设计的化合物,而非仅仅依赖已知材料。
并非每一种看似有前景的材料都能实际存在。这正是科学家们关注热力学稳定性的原因。该指标衡量晶体结构是否能经受时间考验而不发生退化或分解成不同成分。借助现代人工智能模型,科学家可以在材料合成之前计算其能量状态,从而排除不可行的选项,并专注于那些成功概率最高的材料。
Google DeepMind在其2023年发表于《自然》杂志的关于GNoME(材料探索图网络)的论文中展示了这一方法。
“GNoME发现了220万个晶体结构,其中超过38万个被预测为稳定。”——Merchant等,《自然》(2023)
这些预测稳定的材料已被添加到开放数据材料项目(Materials Project)数据库中,供全球研究人员进行实验。
科学家们进一步推进了这一理念。在2025年发表于《通讯材料》的一篇文章中,从事ME-AI(材料专家-人工智能)项目的团队分享了他们的概念概述,该概念将材料科学家的专业知识与机器学习技术相结合,以预测材料未来的行为表现。
“我们的框架能随数据库增长而扩展,嵌入专家知识,提供可解释的标准,并引导目标合成。”——Schoop等,《通讯材料》(2025)
综合来看,这些努力展示了AI如何将材料发现过程从广泛搜索转变为聚焦设计。
CuspAI并未披露贝佐斯的具体投资金额,也未公布最新一轮融资的完整投资者名单。不过,新一轮融资表明投资者对AI在软件之外领域(包括科学和高科技制造)的应用兴趣日益浓厚。
随着CuspAI缩短新材料半导体的发现时间,各行业芯片制造的更快发展也将成为可能。如果材料开发加速,那么在电池、清洁能源、工业化学品以及下一代AI基础设施方面也将取得进展。贝佐斯的大规模资金支持表明,投资者已经意识到,物理科学领域的创新——而不仅仅是更优的AI模型——可能成为技术发展的下一个突破口。