亚马逊创始人杰夫·贝索斯近日通过旗下投资机构Bezos Expeditions，参与了一家英国AI材料公司CuspAI的4.5亿美元B轮融资。这家成立不到两年的公司，凭借其独特的材料研发模式，在资本市场上获得了26亿美元的高估值，成为AI垂直科学领域备受瞩目的新星。
工业文明的发展史，本质上是一部新材料不断被发现和应用的历史。从青铜到钢铁，从硅到锂，每一次关键材料的突破都推动了产业的变革。然而，随着传统材料研发逐渐触及物理极限，寻找下一代突破性材料的难度越来越大。半导体行业在寻找新的半导体材料和互连材料，新能源行业在固态电池领域面临商业化瓶颈，航空航天、先进制造和环保等领域也都在迫切需要新型材料来突破现有技术限制。
材料研发的复杂性在于，一种材料的性能不仅取决于其元素组成，还受到原子排列、晶体结构、缺陷状态和制造工艺的共同影响。面对如此庞大的可能性空间，传统的“假设-设计-模拟-实验-调整”研发模式显得效率低下。科学家们逐渐意识到，材料研发中最耗时的环节，可能不是实验本身，而是从无数可能性中筛选出值得实验的候选方案。
正是在这样的背景下，AI技术开始被引入材料研发领域。CuspAI开发的MIRA平台采用了“逆向设计”思路，研究人员只需定义目标性能，AI就能反向生成可能满足要求的材料结构，并预测其性质。这种模式将科学家从“大海捞针”的繁琐工作中解放出来，使他们能够专注于验证最有希望的候选材料。
尽管CuspAI尚未公布具有代表性的产业化成果，但其商业模式和合作伙伴网络已经引起了资本市场的极大兴趣。在宣布B轮融资的同时，CuspAI还成立了AI Materials Foundry，这是一个汇聚了超过45家合作伙伴的研发协作网络，包括英伟达、meta、Applied Materials和现代汽车集团等企业。这些合作伙伴分别提供算力、芯片、制造能力、工业需求和实验验证能力，形成了一个覆盖材料研发全链条的生态系统。
CuspAI的估值逻辑，不仅基于其作为一家新材料发现公司的潜力，更在于其可能成为多个产业共同使用的研发平台。一旦这种模式成立，芯片、汽车、电池、化工和航空航天等行业都将依赖其服务，从而形成一个远大于单项材料研发的市场。这种想象力，正是资本愿意为其高估值买单的原因。
在AI材料领域，CuspAI并非孤军奋战。Google DeepMind的GNoME项目已经证明了AI可以扩展材料搜索的规模，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。MatNex则专注于按产业需求设计材料，其AI平台从超过1亿种候选组合中筛选出无稀土永磁材料MagNex，大幅缩短了研发周期。Orbital Materials则将材料模型嵌入具体工业场景，如设计用于直接空气捕集的CO₂吸附材料，并尝试将其部署到数据中心。
这些公司的不同路径，共同回答了一个问题：AI在材料研发领域已经走到了哪一步？目前，AI已经能够预测未被记录的晶体结构，帮助研究者合成新材料，并围绕具体需求缩短设计和测试周期。然而，从计算预测到实验合成，再到规模化应用，每一步都可能淘汰大量候选方案。AI的价值在于缩短搜索过程，将有限的实验资源集中在更有希望的方向上。
尽管AI在材料研发中的应用前景广阔，但真正的突破仍需跨越从实验室到工业化的鸿沟。下一块改变产业的“硅”或许会由AI率先发现，但最终能否定义新材料的标准，仍然取决于现实世界的需求和验证。
