7月20日，英国AI材料公司CuspAI宣布完成4.5亿美元B轮融资，估值达26亿美元。贝索斯旗下Bezos Expeditions、Kleiner Perkins、NEA、AMD Ventures及三星投资等机构共同下注——押注AI能否从处理已有信息，走向帮助人类发现未知材料。
CuspAI成立于2024年，总部位于英国剑桥。它不制造材料，而是构建了一套名为MIRA的AI平台，采用"逆向设计"思路——与传统"先设计结构再测试性能"的路径恰好相反。
科学家提出假设 → 设计结构 → 计算模拟 → 实验验证 → 失败 → 重来。一次循环可能耗时数月。
先定义目标（如"高导电性+低成本"）→ AI反向生成候选结构 → 预测性能 → 科学家只验证最有希望的方案。
本轮融资由Kleiner Perkins与New Enterprise Associates联合领投，Bezos Expeditions、英国主权AI基金、AMD Ventures、三星风险投资等参与。26亿美元的估值在垂直科学领域公司中极为突出——要知道，CuspAI成立还不到两年。
一个关键细节：CuspAI同时宣布成立AI Materials Foundry，已聚集超过45家合作伙伴，包括英伟达、Meta、Applied Materials、现代汽车集团。这些企业横跨AI、半导体、先进制造和汽车行业，有人提供算力，有人掌握制造能力，有人拥有真实的工业需求。
注：逆向设计的关键在于"生成-筛选"循环的效率。MIRA曾从约300万亿种潜在材料结构中筛选候选方案，最终缩小到20种进入开发——搜索能力强但后续验证仍需时间。
CuspAI的估值逻辑并不在于它已经做出了什么材料，而在于它有可能成为多个产业共同使用的材料研发平台。AI Materials Foundry的合作伙伴名单，为这种想象提供了现实支点。
这份名单的意义不只是"拉来了多少合作伙伴"，而是它展示了一种新的协作模式：AI负责生成候选材料，产业提出需求，算力完成模拟计算，实验室负责验证结果。决定竞争力的，将不再只是某一家公司的研发能力，而是谁能够进入这套体系，与更多参与者共同完成材料研发。
26亿美元，定价的是CuspAI成为材料研发平台的可能性。这份估值建立在尚未兑现的未来之上，但在AI材料领域，资本愿意提前付钱的，恰恰是这条链条一旦跑通之后可能覆盖的巨大市场。
注：CuspAI目前最接近商业验证的案例是与芬兰化工企业Kemira合作寻找去除PFAS污染物的新材料，候选材料仍处于后续验证阶段，尚未公布商业化成果。
AI材料发现不是概念。过去两年，多家公司已经交出了可验证的成果。以下三个案例，分别代表不同路线上的真实进展。
注：三个案例分别代表"搜索-验证""设计-合成""模型-部署"三种路线。共同点是AI缩短了早期研发周期，共同挑战是从样品到规模化生产的跨越。
AI材料领域已经出现多条发展路线。路径选择不同，但都在回答同一个问题：AI能否让材料发现从"偶然"变成"必然"？
注：柱形为各路线核心指标相对值，非统一尺度。DeepMind以探索规模取胜，MatNex以速度见长，Orbital以场景深度为特色，CuspAI以平台协同为差异点。
DeepMind试图扩大人类能够探索的材料空间；MatNex围绕明确需求将AI设计推进到合成和测试；Orbital把材料模型嵌入碳捕获和数据中心等具体场景；CuspAI则希望把模型、算力、实验和产业伙伴组织成一套可以被多个行业使用的研发平台。
没有一条路线已经跑通全链条。从计算预测到实验合成，从实验样品到稳定制造，再到规模化应用，每一步都可能淘汰大量候选方案。自然世界不会因为模型能力提升而改变验证规则。
材料研发真正费时费力的不只有实验，还有在无数种可能性中找到那几个值得实验的候选方案。恰恰是AI最擅长的问题。
传统材料研发的流程，本质上是一条长链路：
每一次失败都意味着回到起点。而材料世界的可能性几乎是无限的——一种材料的性能，不仅取决于元素组成，还受到原子排列、晶体结构、缺陷状态以及制造工艺的共同影响。哪怕只是微小的变化，都可能带来截然不同的结果。
AI目前最明确的价值，是缩短搜索过程，把有限的实验资源留给更有希望的方向。它可以让"大海捞针"变得更快，却还不能保证被捞起来的那根针，最终能够撑起一个新的产业。
Chad Edwards 曾参与创办量子计算公司Cambridge Quantum Computing，推动其与霍尼韦尔量子业务合并成立Quantinuum。Max Welling 曾任微软研究院杰出科学家，是经典论文《Auto-Encoding Variational Bayes》的作者之一，在生成模型领域具有重要影响力。两人背景覆盖了量子计算、生成式AI与产业落地——这正是"逆向设计"所需要的技术拼图。
从更深层的逻辑看，搜索引擎本身就是最早的"材料发现"雏形——用户输入需求，系统返回可能的结果。CuspAI的MIRA本质上是在做类似的事，只不过搜索空间从网页变成了元素周期表，返回结果从链接变成了候选材料结构。
变化的只是形态：工具集从索引爬虫升级为生成模型与模拟引擎；输出从蓝链列表变成候选材料结构与性能预测。底层逻辑一脉相承。
AI材料发现真正的价值不是"替代科学家"，而是把材料研发从"偶然发现"变成"可设计的工程流程"。下一块"硅"或许会由AI率先找到，但真正定义它的，仍然是现实世界的验证规则。
AI材料发现正在重塑从半导体到新能源、从化工到航空航天的基础研发范式。CuspAI、DeepMind、MatNex、Orbital 等公司的进展，预示着材料科学进入了一个新的协作时代。
持续关注 AI 材料发现 →