AI代理大军围猎芯片散热新材料

人工智能负载下的芯片发热问题，正成为数据中心能耗与散热系统压力的核心根源。而如今，一批创业者正试图用AI来解决AI自身制造的难题。最新入局者Discovered Materials宣布，将利用AI代理集群寻找可用于制造更高效集成电路的新材料，以应对芯片散热挑战。

这家刚走出Y Combinator的初创公司，近期完成了由Lightspeed India Partners领投的900万美元种子轮融资，Peak XV Partners以及Paul Graham、Gokul Rajaram、Thariq Shihipar等天使投资人参与其中。两位联合创始人Advaith Sridhar和Akash Ramdas的搭配颇具深意：Ramdas拥有斯坦福大学材料科学博士学位，而Sridhar曾在Persona AI和Luma Labs从事AI代理相关工作。

他们构建了一套软件流水线：使用Anthropic模型在定制化框架中生成材料候选方案，再通过自训练的物理基础模型进行模拟验证，判断候选材料是否真正具备应用潜力。Sridhar向TechCrunch表示，Ramdas在博士期间每天大约只能进行二十次猜测性实验，而现在这些AI代理全天候在云端运行，每天能完成数千次探索，并且可以沿着Ramdas指定的研究方向持续推进。

Discovered Materials今日公布了数百种新材料示例，同时发布了名为“Material Discovery Bench”的评测基准，用于追踪前沿模型在材料发现任务上的表现。该公司强调，自己并非唯一押注这一方向的团队，MatNex、SandboxAQ、CuspAI等公司都在推进类似工作。但Discovered Materials选择将全部精力聚焦于半导体材料的热问题，认为这一细分方向最有可能实现突破。

据透露，公司已发现数种与主流芯片制造商现有材料性能相匹配的新材料，但出于保密考虑，尚未公开具体细节。更大的挑战在于工程权衡：一种能够减少发热或改善散热性能的材料，可能在实际制造芯片时遇到可加工性困难，或者其电学特性无法满足要求。

主导本轮融资的Lightspeed合伙人Hemant Mohapatra将此形象地比作“与原子结构玩打地鼠游戏”。他指出，一种材料只有在多个关键属性同时满足要求时，才具备现实应用价值，这使得材料发现成为一个极其有趣的搜索问题。Mohapatra预期，随着模型能力持续提升，预测新型物质本身会变得越来越普及，而Discovered Materials的差异点在于Ramdas深厚的领域经验，以及团队快速搭建实验室进行实证验证的能力——目前两位创始人已经用数种新材料完成了这一闭环。

当发现高价值候选材料后，Sridhar表示公司会尝试为这些材料在GPU中的用途，或利用这些物质制造芯片的工艺申请专利，并计划将专利授权给芯片制造商使用。这种“AI生成候选—物理模型筛选—实验室验证—专利保护”的完整链路，正在成为材料科学领域AI应用的新范式。

从行业视角看，AI代理大规模应用于材料发现，有望显著缩短新材料从研发到应用的周期。数据中心对高效散热材料的需求，正推动投资人和技术团队以前所未有的速度探索原子尺度的设计空间。Discovered Materials能否在众多竞争者中脱颖而出，取决于其“AI代理+深层领域知识”的组合能否持续产出可商业化的成果。