AI 创业公司 Discovered Materials 融资 900 万美元，用智能体寻找更凉爽的芯片材料

一家名为 Discovered Materials 的早期创业公司正尝试用 AI 解决 AI 自身带来的能耗难题：他们利用大模型驱动的智能体自动搜寻新型半导体材料，帮助芯片降低发热、提升散热效率。该公司近期宣布完成 900 万美元种子轮融资，由 Lightspeed India Partners 领投，Peak XV Partners 以及 Paul Graham、Gokul Rajaram、Thariq Shihipar 等天使投资人参与，公司此前已从 Y Combinator 毕业。

团队与方法

联合创始人 Advaith Sridhar 与 Akash Ramdas 分别拥有 AI 智能体（曾在 Persona AI 与 Luma Labs 工作）与材料科学（斯坦福博士）的背景。两人搭建了一条软件流水线：先用基于 Anthropic 模型的自定义智能体框架批量生成候选材料方案，再调用团队自训练的基础物理模型对候选材料进行模拟验证。

Sridhar 举例对比了传统研究方式与 AI 加速后的差距：「他在博士期间一天大约能做 20 次猜测，而我们现在借助智能体 7×24 小时在云端运行，一天能跑数千次。」公司同时发布了数百个新材料的示例以及「Material Discovery Bench」基准，用于追踪前沿模型在该任务上的表现。

竞争格局与差异化

MatNex、SandboxAI、CuspAI 等公司也已在 AI 材料发现方向布局，但 Discovered Materials 将焦点收窄到「半导体材料的热管理」这一更具体的痛点。公司称已发现若干在性能上可对标现有芯片厂商所用材料的候选品，但暂未披露更多细节。

主导本轮融资的 Lightspeed 合伙人 Hemant Mohapatra 描述这一领域的工程取舍如同「打地鼠」：「一种材料只有在导热、电气、可制造性等多个维度同时达标时才有实用价值，这正是搜索问题中最难的部分。」他判断，单纯「预测新材料」会随着模型进步而被商品化，真正的壁垒在于实验室快速验证与合成的能力。

商业模式与现实挑战

在商业路径上，Sridhar 表示公司计划对候选材料在 GPU 中的用途或相关芯片制造工艺申请专利，再以授权方式许可给芯片厂商，预计未来一年内有望产出首批可申请专利的材料。

不过文章也冷静指出，截至目前，无论是 AI 发现的药物还是材料，真正实现规模化商用落地的案例仍极为有限。最接近的例子是英矽智能的 Renterosib——首个进入二期临床的生成式 AI 药物；材料侧虽有 MatNex 的无稀土永磁体、松下与 Citrine Informatics 的新型半导体材料等进展，但同样尚未大规模商用。Mohapatra 认为瓶颈不在候选发现，而在筛选与合成；Sridhar 也承认，「大量工作仍需要走进湿实验室真实地把东西做出来，这个过程没法被加速。」