AI for Science赛道的融资热潮，正在新材料领域掀起新的浪花。英国AI新材料初创公司CuspAI宣布完成4.5亿美元B轮融资，估值达到26亿美元，投资方包括贝索斯家族办公室Bezos Expeditions、英国主权AI风险投资基金、AMD Ventures、KPCB与NEA等。这家2024年4月成立的公司，主攻用生成式AI进行材料"逆向设计"：从目标材料所需的性能出发，反向推导材料结构，再通过数字化仿真快速验证其性能与可制造性，把传统动辄十年的新材料研发周期压缩到几个月。与此同时，CuspAI宣布成立"AI材料铸造厂"联盟，成员包括英伟达、Meta、三星、现代汽车、3M、软银等45家企业，试图打通"数据、算力、模型、实验"的完整闭环，用AI重写新材料发现的规则。
传统材料研发，遵循"从材料到性能"的正向路径：科研人员先选择或合成一种材料，在实验室中测试其性能，再根据测试结果调整配方，如此循环往复，直到找到满足需求的材料。这个过程极其漫长，一种新材料从实验室到商业化，平均需要十年时间，试错成本动辄数亿美元。CuspAI的"逆向设计"方法，彻底颠倒了这个流程：用户直接输入目标性能，比如"一种具有特定带隙、高导热性和低镓依赖性的半导体材料"，AI系统自动生成符合规格的全新候选材料，再通过物理模拟与强化学习进行筛选排序，最后送往合作实验室进行真实世界的合成验证。
这一流程的核心，是生成式AI与物理模拟的结合。CuspAI的生成模型经过海量材料数据的训练，能够在化学空间中探索人类尚未触及的新结构；基于物理的模拟器则对候选材料进行性能预测与稳定性评估，避免生成"理论上存在、实际上无法合成"的材料。据CuspAI披露，其平台MIRA覆盖了从材料生成设计、模拟、合成路线规划到协同实验的完整流程，用户输入目标性能指标后，AI系统即可自动匹配适配的化学组分，研发效率较传统实验手段提升十倍。
CuspAI的顾问团队阵容，为这一技术路线增添了可信度。公司由前微软杰出科学家马克斯·韦林与剑桥量子计算商业联合创始人查德·爱德华兹联合创立，顾问包括图灵奖得主、AI教父杰弗里·辛顿，图灵奖得主、Meta首席AI科学家杨立昆，以及AMD董事会成员、半导体行业资深人士等。这些学界与产业界顶尖人物的加持，让CuspAI在技术路线验证与产业资源对接上拥有先天优势，也解释了为何贝索斯、英国政府等重量级投资方愿意下注。
CuspAI的B轮融资，还伴随着一个更具战略意义的动作：成立"AI材料铸造厂"联盟。这个由45家以上技术公司、工业公司与研究机构组成的联盟，初始成员包括英伟达、Meta、三星、现代汽车、3M、软银、德国默克、富士胶片等全球各行业龙头。联盟的目标是整合算力资源与科学数据，为辅助研究人员开发新材料的软件提供算力支持，把分散的材料研发力量汇聚成一股合力，解决制约产业发展的"材料瓶颈"。
巨头们集体上车的逻辑，在于材料创新是诸多产业的共同瓶颈。半导体制造需要新材料来提升性能、降低功耗；清洁能源需要新电池材料、催化剂材料来降低成本；先进制造需要轻量化、高强度材料来支撑产品升级。英伟达的GPU算力是AI材料研发的基础设施，Meta的原子通用模型可以为材料研究提供预训练能力，三星、现代、默克等则是新材料的直接需求方与应用场景。联盟的形式，让算力供应商、模型提供方、材料需求方各取所需，形成一个自洽的生态闭环。
这一联盟也重新定义了CuspAI的商业模式。此前，公司的商业故事主要依赖双边交易，比如与Meta的碳捕获合作、与现代汽车的可持续能源项目；联盟成立后，客户名单转变为共享基础设施，算力、数据集与软件层可以在成员之间复用，CuspAI从"卖工具给客户"变成了"客户共建平台"。对于一家以专有数据与合成模型为核心优势的初创公司，把客户转化为平台的共同投资者，既是一种技术策略，也是一种竞争策略，护城河被显著加深。
在众多材料应用方向中，CuspAI把半导体作为重点突破口。半导体制造需要大量稀有矿物与高能耗工序，材料性能的微小提升都可能带来巨大的产业价值，而新材料的研发周期过长，一直是半导体行业的技术瓶颈。CuspAI的逆向设计方法，可以直接从半导体器件的性能需求出发，生成满足特定带隙、导热性、稳定性要求的候选材料，并通过仿真与实验快速验证，把芯片材料的研发周期从十年压缩到数月，这对半导体行业的迭代速度具有颠覆性意义。
除了半导体，CuspAI的业务还覆盖碳捕集、水处理、可持续能源等领域。其与Meta合作的碳捕获材料项目、与现代汽车合作的能源项目、与Kemira合作的PFAS过滤材料项目，都是"性能目标驱动材料设计"的典型应用。投资者认为，这项技术可广泛应用于半导体、航空航天等多个领域，潜在市场空间巨大。CuspAI联合创始人表示，许多重大技术突破最终都归结于材料问题，从更低成本的碳捕集到半导体再到更清洁的水资源技术，目前都受困于"我们仍在等待那些尚未被发现的新材料"。
从投资节奏看，CuspAI的估值增长堪称惊人。去年9月，公司估值约为5.2亿美元，如今B轮融资后估值已达26亿美元，不到一年时间增长约400%。这一增速的背后，是资本市场对"物理AI"赛道的集体看好：当AI从生成文本、图像走向设计真实世界的材料与物质，AI的商业价值边界被大幅拓展，材料发现位于生成模型与制造业之间，正处于这场变革的中心。CuspAI的崛起，标志着AI for Science的竞争，已经从"软件与模型"延伸到"材料与制造"，物理世界的AI化改造，正在成为新一轮科技竞赛的制高点。
CuspAI的融资热度，是全球AI材料赛道升温的一个缩影。此前，美国Periodic Labs以3亿美元种子轮刷新AI4S估值纪录，国内开物纪、深度原理等AI材料公司也获得高瓴、IDG等机构的密集下注，中国AI材料领域今年的天使轮融资总额已突破30亿元。中美欧的资本几乎同步涌入AI材料赛道，这场竞赛的胜负，将直接影响未来十年全球新材料产业的话语权，从固态电解质到芯片材料，从催化剂到碳捕集材料，AI正在成为新材料发现的核心引擎。
对于中国而言，AI材料赛道既是机遇也是挑战。机遇在于，中国拥有全球最完整的制造业体系与最大的材料应用市场，宁德时代、比亚迪、中石化等工业龙头已经用长单锁定了AI材料公司的研发能力；挑战在于，基础材料数据、高端科研仪器与前沿模型能力仍存在差距，自主可控的AI材料研发体系尚在建设中。CuspAI的"逆向设计"路线与联盟模式，为国内AI材料公司提供了可借鉴的范本：把模型能力与产业需求深度绑定，用商业闭环反哺技术迭代。
展望未来，AI材料研发的竞争将围绕"数据、算力、模型、实验"四个维度展开。高质量的材料数据集是模型训练的燃料，充足的算力是筛选海量候选材料的前提，先进的生成与模拟模型是核心引擎，自动化的实验验证则是打通"设计到量产"的关键一环。谁能把这四个环节整合得最顺畅，谁就能在AI材料时代占据先机。CuspAI的4.5亿美元融资与45家企业联盟，为这场全球竞赛写下了最新注脚，AI重写材料发现规则的进程，才刚刚开始。