@智东西

作者 | 茄子

编辑 | 程茜

智东西7月21日消息，昨日，英国AI材料发现初创公司CuspAI宣布完成4.5亿美元（约合人民币30.4亿元）B轮融资，投后估值达到26亿美元（约合人民币176亿元），正式成为独角兽。本轮融资由Kleiner Perkins和NEA联合领投，亚马逊创始人杰夫·贝索斯（Jeffrey Preston Bezos）旗下投资机构Bezos Expeditions大额参投。

▲CuspAI宣布完成4.5亿美元（约合人民币30.4亿元）B轮融资（图源：CuspAI）

CuspAI成立于2024年，专注于利用AI进行材料发现。该公司通过AI模型模拟材料性能，从海量候选材料结构中筛选潜在方案，帮助研究人员降低材料研发成本并缩短实验周期。目前，CuspAI重点关注半导体、能源、先进制造等领域的新材料研发。

值得注意的是，CuspAI在2025年9月完成超1亿美元（约合人民币6.8亿元）A轮融资，由NEA和淡马锡领投，英伟达旗下风投部门NVentures参投。当时，该公司投后估值约为5.2亿美元（约合人民币35.3亿元）。不到一年时间，CuspAI估值从5.2亿美元（约合人民币35.2亿元）增长至26亿美元（约合人民币176亿元），增长约5倍。

▲CuspAI A轮融资1亿美元（约合人民币6.8亿元），英伟达旗下投资机构参投（图源：CuspAI）

除融资外，CuspAI还宣布推出“AI Materials Foundry”平台，这是一个汇聚48家科技领军企业、工业公司和研究机构的合作联盟。其中，英伟达将提供计算基础设施支持，Meta基础AI研究团队也将参与该项目。

CuspAI由查德·爱德华兹（Chad Edwards）和麦克斯·韦林（Max Welling）共同创立。其中，查德·爱德华兹是CuspAI联合创始人兼CEO，他曾在德国卡尔斯鲁厄理工学院学习，并拥有核裂变相关博士学位。早年在全球先量子计算公司Quantinuum负责商业化，担任战略合作伙伴副总裁，曾帮助打造两家独角兽，35岁前融资超10亿美元（约合人民币68亿元）。

CuspAI两位联合创始人合照，CEO Chad Edwards（左）、CTO Max Welling（右）（图源：CuspAI）

麦克斯·韦林是CuspAI联合创始人兼CTO，同时是阿姆斯特丹大学机器学教授。他还是AI领域顶级科学家，曾任微软研究院和高通AI研究院副总裁。

▲CuspAI创始人履历，CEO查德·爱德华兹（左）、CTO麦克斯·韦林（右）（图源：领英）

CuspAI称，本轮融资资金将主要用于扩大全球研发团队和实验能力，在英国剑桥、新加坡以及美国湾区建设实验室，并支持与AI Materials Foundry合作伙伴开展材料研发。

一、用AI寻找下一代材料，重点攻向半导体领域

CuspAI最核心的业务是利用AI帮助科学家发现此前不存在的新材料。

传统材料研发通常需要科研人员基于经验提出候选方案，再通过实验验证性能，整个过程可能持续数年。而AI材料发现则希望通过模型提前预测材料结构和性能，从数以亿计甚至更多候选方案中筛选出更有可能成功的材料。

据彭博社7月20日报道，英伟达产品管理高级总监吉蒂卡·古普塔（Geetika Gupta）称，英伟达很可能会通过晶圆代工项目，与CuspAI和第三方合作伙伴开展“三方合作”，共同研发新型材料。

CuspAI推出AI Materials Foundry平台。该平台整合了数据资源、计算能力、实验设施和材料科学专家，通过AI系统帮助企业和研究机构设计新材料。目前，该平台已覆盖半导体、能源、清洁水处理等多个方向。

在半导体领域，CuspAI称，今年约80%的研究工作将集中在芯片材料方向，包括探索减少或替代部分存在供应链风险的稀有金属。

例如，在芯片制造过程中，钌（Ruthenium）、铱（Iridium）等材料具有重要作用，但其供应受到资源限制。CuspAI希望利用AI寻找性能相近甚至更优的新材料，以降低供应链风险。

二、从碳捕获到芯片材料，AI材料发现仍处早期阶段

CuspAI最初并非专注半导体材料，而是从碳捕获和水处理领域切入。此前，CuspAI曾与Meta研究团队合作，利用AI寻找用于捕获二氧化碳的新材料。在一次研究中，该公司从约300万亿种金属有机框架（MOF）结构中筛选候选材料，最终缩小至10种，并成功合成其中6种进行测试。

虽然这些材料尚未超过商业已有方案，但CuspAI称，该过程仅耗时6个月，相较传统研发周期已有明显提升。

如今，随着AI基础设施和算力不断发展，越来越多企业开始探索“AI for Science”方向。除了CuspAI外，贝索斯旗下的AI基础设施公司Prometheus正在探索利用AI推动物理工程、先进制造和新材料研发，通过AI模型加速材料设计、仿真验证和实验迭代流程。

谷歌DeepMind也在持续推进AI与材料科学的结合，其推出的材料预测模型和材料数据库项目，利用机器学习预测晶体结构、材料性质以及潜在的新型材料组合，帮助科研人员缩短传统材料研发周期。

不过，AI材料研发仍面临挑战。剑桥大学教授戴维·法伦-希门尼斯（David Fairen-Jimenez）称，机器学习能够加速材料筛选过程，但真正发现能够大幅超过现有方案的新材料，仍需要大量实验验证。

结语：AI材料发现走到实验阶段，能不能造出来是下一关

随着AI从数字内容生成走向现实世界应用，材料发现正在成为新的探索方向之一。过去依靠实验和经验积累的新材料研发，如今开始引入AI模型进行预测和筛选。

CuspAI希望通过AI Materials Foundry，将算法、算力和实验能力结合，加速半导体、能源等关键产业的新材料探索。但从实验验证到真正商业化应用，AI材料发现可能仍需要跨越从模型预测到现实制造的距离。

来源：CuspAI、彭博社