发现材料公司用AI“打地鼠”式搜索，寻找更高效的芯片散热材料

运行AI工作负载的芯片温度过高，这是数据中心耗电巨大且需要冷却系统的原因之一。而不可避免的是，企业家们正转向AI来解决这个由AI自身造成的问题。 发现材料公司（Discovered Materials）是最新一家采取这一策略的企业，计划利用AI智能体集群来寻找可用于制造更高效集成电路的新材料。这家初创公司表示，在从Y Combinator孵化器毕业后，最近获得了来自Lightspeed印度合伙公司（Lightspeed India Partners）的900万美元种子轮融资，投资方还包括Peak XV Partners以及天使投资人保罗·格雷厄姆（Paul Graham）、古库尔·拉贾拉姆（Gokul Rajaram）和塔里克·希希帕尔（Thariq Shihipar）。 创始人阿德瓦伊特·斯里达尔（Advaith Sridhar）和阿卡什·拉姆达斯（Akash Ramdas）共同创立了这家公司，拉姆达斯拥有斯坦福大学材料科学博士学位，斯里达尔则曾在Persona AI和Luma Labs从事智能体相关工作。 两人创建了一个软件流水线，使用自定义框架中的Anthropic模型生成材料线索，然后使用他们训练的基础物理模型运行模拟，以验证候选材料是否真正具有应用价值。 “拉姆达斯在攻读博士期间每天大概只能尝试20次猜测，”斯里达尔告诉TechCrunch，“现在我们可以通过让这些智能体24小时在云端运行，每天进行数千次猜测，探索他给出的研究方向。” 发现材料公司今天发布了数百种新材料的示例，以及他们的“材料发现基准”（Material Discovery Bench），该基准旨在追踪前沿模型如何应对这一挑战。 MatNex、SandboxAQ和CuspAI等公司都启动了类似的项目，但发现材料公司押注于专注解决半导体材料的热问题才是成功之路。这家初创公司表示，他们已经发现了几种与主要芯片制造商使用的现有材料性能匹配的新材料，但无法透露更多细节。 一个挑战在于工程权衡空间：如果他们找到一种可能减少发热或改善散热的材料，可能很难实际用它制造芯片，或者其电学性能会受到影响。 “这有点像在原子结构上玩打地鼠游戏，”主导本轮融资的Lightspeed合伙人赫曼特·莫哈帕特拉（Hemant Mohapatra）告诉TechCrunch，“一种材料只有在所有特性同时满足要求时才能在现实世界中发挥作用，这正是这个搜索问题真正有趣的地方。” 莫哈帕特拉预计，随着模型不断改进，预测新物质的能力将变得商品化。发现材料公司的与众不同之处在于拉姆达斯在该领域的深厚经验，以及运行一个能够快速实验和验证候选材料的实验室的能力——他说两位创始人已经用几种新材料做到了这一点。 斯里达尔表示，当他们找到有价值的候选材料时，公司将尝试为这些材料在GPU中的用途或制造芯片的工艺申请专利，并将其授权给芯片制造商。他希望在明年能获得值得申请专利的新材料。 然而，尽管令人兴奋，我们尚未看到任何由AI发现的药物或材料产生实际的商业影响。最接近的可能是Insilico Medicine的Renterosib，这是第一种由生成式AI发现并进入II期临床试验的药物。在材料方面，已经找到了有前景的候选材料，比如MatNex的无稀土永磁体，或是松下（Panasonic）和思睿逻辑（Citrine Informatics）开发的新型半导体材料。但这些尚未实现大规模商业部署。 随着AI的不断进步，这些技术可能正在迎来成熟期，但这也是莫哈帕特拉认为寻找更多候选材料并非AI材料科学瓶颈的原因之一；相反，“正确筛选和合成它们才是瓶颈。” 尽管斯里达尔相信发现材料公司独特的数据和专业知识将帮助这家初创公司与资金雄厚的前沿实验室竞争，但他承认现实是，“很多工作实际上需要进入湿实验室，真正动手制造材料。这是一个无法加速的过程。”