Discovered Materials 用 AI 打地鼠式搜索寻找更低温芯片
摘要
Discovered Materials 是一家由 YC 支持的初创公司,利用 AI 智能体和物理模型来发现可低温运行的半导体新材料,旨在降低数据中心的功耗。该公司完成了 900 万美元的种子轮融资,并发布了一个名为 Material Discovery Bench 的基准测试。
Discovered Materials 筹集了 900 万美元,用于资助寻找更多新材料以制造更高效芯片的探索。
查看缓存全文
缓存时间: 2026/08/10 14:33
# Discovered Materials 正在玩 AI 打地鼠,寻找更凉爽的芯片 | TechCrunch
来源:https://techcrunch.com/2026/08/10/discovered-materials-is-playing-ai-whack-a-mole-to-hunt-cooler-chips/
运行 AI 工作负载的芯片太热了:这是数据中心消耗大量电力并需要冷却系统的原因之一。而且,不可避免的是,企业家们正转向 AI 来解决它自己造成的问题。
Discovered Materials 是最新一家,计划使用 AI 代理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 毕业后,最近完成了由 Lightspeed India Partners 领投的 900 万美元种子轮融资,Peak XV Partners 以及天使投资人 Paul Graham、Gokul Rajaram 和 Thariq Shihipar 也参与了投资。
创始人 Advaith Sridhar 和 Akash Ramdas 联手创立了这家公司,凭借 Ramdas 在斯坦福大学获得材料科学博士学位的经验,以及 Sridhar 在 Persona AI 和 Luma Labs 从事代理(agent)工作的经验。
两人创建了一个软件管道,使用自定义框架中的 Anthropic 模型来生成材料线索,然后转向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的值得关注。
「Ramdas 在攻读博士学位时,每天可能只能做大约 20 次猜测,」Sridhar 告诉 TechCrunch。「现在,我们让这些代理在云端全天候运行,探索他给它们的研究方向,每天能完成数千次猜测。」
Discovered Materials 今天发布了数百种新材料的示例,以及他们的「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 等公司都推出了类似的努力,但 Discovered Materials 押注于专注半导体材料的热问题才是成功之路。这家初创公司表示,它已经发现了几种与主要芯片制造商使用的现有材料性能相匹配的材料,但无法透露更多细节。
一个挑战是工程权衡空间:如果他们找到一种可能减少发热或改善散热的材料,可能难以实际用它制造芯片,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,」本轮投资领投人、Lightspeed 合伙人 Hemant Mohapatra 告诉 TechCrunch。「一种材料只有在所有性能同时满足时,才能在现实世界中有用,这正是让这成为一个非常有趣的搜索问题的原因。」
Mohapatra 预计,随着模型不断改进,预测新型物质这一业务将变得商品化。Discovered Materials 的不同之处在于 Ramdas 在该领域的深厚经验,以及运营一个能够快速实验和验证候选材料的实验室的能力——他说,这两位创始人已经用几种新材料做到了这一点。
Sridhar 表示,当他们发现有价值的候选材料时,公司将尝试为这些材料在 GPU 中的应用,或利用该物质制造芯片的工艺申请专利,并将其授权给芯片制造商。他希望明年能获得值得申请专利的新材料。
然而,尽管有这么多兴奋点,我们仍未看到任何由 AI 发现的药物或材料真正产生商业影响。最接近的或许是 Insilico Medicine 的 Renterosib,这是第一个使用生成式 AI 发现并进入 II 期临床试验的药物。在材料方面,已经发现了有前景的候选材料,如 MatNex 的无稀土永磁体,或 Panasonic 和 Citrine Informatics 研发的新型半导体材料。但这些尚未大规模商业部署。
随着 AI 的不断改进,这些技术可能正在逐渐成熟,但这也是 Mohapatra 表示他不认为找到更多候选材料是 AI 材料科学瓶颈的原因;相反,「正确筛选和合成它们才是瓶颈。」
虽然 Sridhar 相信 Discovered Materials 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,但他也承认,现实是「其中很多工作实际上需要进入湿实验室,亲手制作东西。而且这个过程无法加速。」
*当您通过我们文章中的链接购买商品时,我们可能会获得少量佣金(https://techcrunch.com/techcrunch-affiliate-monetization-standards/)。这不会影响我们的编辑独立性。*
Tim Fernholz 是一位撰写科技、金融和公共政策相关文章的记者。他密切报道了私人航天业的崛起,是 *Rocket Billionaires: Elon Musk, Jeff Bezos and the New Space Race.* 的作者。此前,他在全球商业新闻网站 Quartz 担任高级记者超过十年,职业生涯始于华盛顿特区的政治记者。您可以通过发送电子邮件至 [email protected] 或通过 Signal 向 tim_fernholz.21 发送加密消息来联系或验证 Tim 的联系方式。
查看简介(https://techcrunch.com/author/tim-fernholz/)
相似文章
@garrytan:YC 就是硬科技领域的 YC
Advaith Sridhar 介绍了 Discovered Materials 这家初创公司,该公司正在构建 AI 科学家来发现新的半导体材料,并发布了数百项发现和一个基准。
Launch HN: Discovered Materials (YC P26) – AI agents to discover new materials
Discovered Materials, a YC P26 startup, launches AI agents for discovering new materials, showcasing a benchmark where frontier LLMs find stable new materials but struggle to propose plausible synthesis recipes.
构建人工智能的材料基础
本文探讨了先进材料在AI基础设施中的关键作用,以Syensqo等公司为例,说明其如何利用AI加速材料发现,解决半导体和数据中心的挑战,并强调可持续性。
以材料科学创新推动下一代AI发展
先进材料通过解决半导体制造和数据中心基础设施中的性能挑战,对于实现下一代AI至关重要。文章强调了聚合物、流体和热管理方面的材料创新如何支撑日益强大的AI系统的物理需求。
达摩院推出能够发现超导体的AI智能体,或将革新科学材料研究与创新
达摩院(阿里巴巴)推出Elements Claw,这是一个通过筛选数百万晶体结构发现四种新型超导材料的AI智能体,有望加速材料研究。