芯片在运行AI任务时发热量过大，这也是数据中心耗电量大且需要复杂冷却系统的原因之一。为了解决这一问题，创业者们纷纷借助AI技术，而Discovered Materials便是其中的最新尝试。该公司计划利用大量AI代理来发现可用于制造更高效集成电路的新材料。

Discovered Materials近期完成了由Lightspeed India Partners领投的900万美元种子轮融资，投资方还包括Peak XV Partners以及天使投资人Paul Graham、Gokul Rajaram和Thariq Shihipar。公司由Advaith Sridhar和Akash Ramdas联合创立，Ramdas拥有斯坦福大学材料科学博士背景，Sridhar则曾在Persona AI和Luma Labs从事智能代理相关工作。

他们开发了一套软件流程，先利用Anthropic模型在定制环境中生成材料候选，再通过他们训练的基础物理模型进行仿真，验证这些候选材料是否具备实际价值。Sridhar表示，Ramdas博士期间每天只能做20次材料猜测，而现在他们通过云端全天候运行的AI代理，每天能进行数千次猜测，极大提升了研究效率。

Discovered Materials已公布数百种新材料的示例，并发布了“材料发现平台”，用于追踪前沿模型在这一领域的表现。虽然MatNex、SandboxAQ和CuspAI等公司也在进行类似探索，但Discovered Materials专注于半导体材料的热管理问题，认为这是成功的关键。公司已发现多种性能与主流芯片制造商现用材料相匹配的新材料，但尚未公开具体细节。

该领域面临的挑战之一是工程权衡：即便找到能降低发热或提升散热的新材料，制造工艺的复杂性或电性能的折衷可能使其难以实际应用。Lightspeed合伙人Hemant Mohapatra形象地将这一过程比作“打地鼠”，因为只有当所有关键性能指标同时满足时，材料才具备实际价值，这也使得搜索过程极具挑战性。

Mohapatra预计，随着模型不断进步，预测新材料的业务将逐渐商品化。Discovered Materials的优势在于Ramdas在材料科学领域的深厚经验以及快速实验验证候选材料的能力，这两位创始人已成功验证了多种新材料。

当发现有价值的材料时，公司计划申请GPU相关材料的专利或芯片制造工艺专利，并授权给芯片制造商。Sridhar预计未来一年内将拥有值得申请专利的新材料。

尽管AI在药物和材料发现领域备受关注，但迄今为止尚未见到AI发现的药物或材料实现商业化。最接近的是Insilico Medicine的Renterosib，这是首个进入三期临床试验的生成式AI发现药物。在材料方面，诸如MatNex的无稀土永磁体以及松下和Citrine Informatics开发的新型半导体材料等候选材料也已出现，但尚未大规模商业应用。

随着AI技术的进步，这些方法正逐渐成熟，但Mohapatra认为，AI材料科学的瓶颈不在于发现更多候选材料，而在于如何正确筛选和合成这些材料。

Sridhar也承认，尽管Discovered Materials拥有独特的数据和专业知识以与资金雄厚的前沿实验室竞争，但“很多工作仍需进入湿实验室进行实际制造，而这一过程无法加速”。

修正说明：本文最初报道Renterosib进入了二期临床试验，实际上该药物于7月开始了三期临床试验。