科技巨头押注“AI炼金术”!英国创企CuspAI融资近5亿美元 瞄准芯片制造材料革命

制造全球需求最高的芯片需要消耗大量能源，并依赖获取稀有矿物资源。英国初创公司CuspAI成立仅两年，如今已筹集近5亿美元资金，押注人工智能(AI)能够改善这一过程。

智通财经APP获悉，周一，CuspAI推出“AI材料铸造厂”(AI Materials Foundry)，这是一个由超过48家科技巨头、工业企业和研究机构组成的联盟。该组织的目标是整合计算资源和科学研究能力，开发能够帮助研究人员以比当前方法更快、更低成本的方式，为芯片制造商及其他行业开发新材料的软件。

为了实现这一目标，这家总部位于英国剑桥的公司已完成4.5亿美元B轮融资，投资者包括亚马逊创始人杰夫·贝索斯旗下基金。CuspAI联合创始人兼首席执行官查德·爱德华兹表示，其中大部分资金将用于支持位于剑桥、新加坡以及旧金山湾区、与铸造厂合作伙伴共同建设的实验室。

在研发方面，爱德华兹指出，公司今年80%的研发投入将用于材料发现领域。他补充称，CuspAI的目标之一，是减少或消除芯片制造过程中对存在供应链风险的稀有金属的使用，例如钌和铱。

CuspAI表示，这笔最新融资由风险投资机构Kleiner Perkins和NEA领投，贝索斯探险基金(Bezos Expeditions)“大额参与”。此次融资使该初创公司的估值达到26亿美元，较去年9月的5.2亿美元大幅提升。

CuspAI最初专注于寻找用于碳捕获和水净化的新材料。但爱德华兹表示，过去一年中，公司因芯片制造供应链的强烈需求而决定调整方向，而芯片产品对于支撑AI发展至关重要。爱德华兹在接受采访时表示，芯片制造商和半导体供应商正在“疯狂寻找新材料”，“我们实际上是被四面八方的需求拉向这个领域的”。

英伟达高级董事吉蒂卡·古普塔‌表示，这家芯片制造商正在整个市场范围内看到对新材料的巨大需求，从储能系统到数据中心冷却技术均包括在内。古普塔‌表示，通过材料铸造厂，英伟达最有可能参与由CuspAI与第三方合作伙伴开展的“三方合作”项目。她表示：“所有这些公司都将大量相关信息视为自己的核心机密。”

CuspAI是越来越多利用AI探索科学领域、以开拓新市场的AI开发商之一。早期AI系统已经证明，它们能够从蛋白质结构等生物数据中学习，并有可能用于发现新药。更新一代的AI模型理论上可以筛选海量分子数据，从而设计出适用于制造业和可再生能源领域的新材料。

投资者纷纷涌入这一领域，支持由前OpenAI和DeepMind研究人员推动的相关项目，以及由贝索斯推出、估值410亿美元的新公司Prometheus。谷歌旗下Google DeepMind也表示，将很快开始开展AI材料发现研究。

CuspAI试图凭借人才优势建立差异化竞争力。其另一位联合创始人马克斯·韦林是一位备受尊敬的AI研究人员。现代AI技术先驱杨立昆和杰弗里·辛顿均担任该公司的顾问委员会成员。

周一，CuspAI还宣布任命芯片行业资深人士、AMD(AMD.U)董事阿比·塔尔沃卡尔‌加入董事会。AMD旗下风险投资部门参与了CuspAI最新一轮融资。此外，CuspAI表示，公司已聘请前谷歌和苹果高管约翰·詹南德雷亚兼职负责建立该公司在加州的业务据点。

剑桥大学分子工程学教授大卫·费伦 - 希门尼斯表示，机器学习系统“确实”已经加快了新材料开发过程。但他警告称，设计出能够大幅超越现有材料的新型材料，是一个漫长且成本高昂的过程，人工智能只能提供有限帮助。他表示：“它非常有用。但我不同意的是，仅靠机器学习就会产生某种神奇突破。”费伦 - 希门尼斯曾创办两家材料科学初创企业，但目前并未与CuspAI合作或担任其顾问。

CuspAI已经熟悉AI材料发现过程中需要经历的大量试错。该公司的早期项目之一，是与Meta研究人员合作，寻找能够捕获导致全球变暖的二氧化碳、减缓气候变化的新材料。

为实现这一目标，CuspAI建立了一个包含300万亿种潜在结构的数据库，这些结构属于一类名为金属有机框架材料(MOFs)的化学物质。MOF材料由被碳基分子链包围的金属原子组成，在碳捕获领域具有特别优势。随后，该系统将这一庞大的候选列表筛选至10种。

但将理论研究转化为实际应用结果被证明更加困难。爱德华兹表示，CuspAI最终只能合成其中不到10种化合物，而且没有一种性能超过目前市场上已有的商业产品。他表示：“它们并不是最先进的材料。”

不过，CuspAI并未放弃这一方法。目前，该公司正在利用同一个数据库寻找能够去除水中有毒“永久化学物质”的新材料。芬兰化工企业Kemira Oy将在今年尝试合成并测试其中20种新结构。

尽管拥有众多知名合作伙伴和投资者，但截至目前，CuspAI的任何项目都尚未产生足以离开实验室、实现商业化的候选分子。

然而，联合创始人韦林对此并不担忧。他指出，可靠数据、测试设施以及计算能力不足，是该领域企业长期面临的问题，而CuspAI希望通过建设材料铸造厂来解决这些挑战。他表示：“人们低估了真正进行实验所需要克服的阻力。它看起来可能很简单，但实际上完全不是这样。”