给AI出一道数学题，答案对错很快能验证。给AI出一道材料科学题，连题目本身都可能没有唯一表述。11月5日，旧金山初创公司Discovered Materials宣布设立总额100万美元的奖金池，为五个长期未解的材料科学问题征集解法，每道题20万美元。这家公司属于Y Combinator 2026年春季批次，主业是用AI寻找先进芯片制造所需的新材料。它先在自家要解决的问题上给同行出了题，而这五道题在发布之前，已经被前沿模型试过一遍，结果不太好。
创始人Advaith Sridhar给了一个很直白的对比：数学问题的定义非常清晰，可以得出是或否的答案；材料科学要明确界定问题本身，困难得多。同一句描述，不同实验室可能理解成不同的计算任务，甚至对什么算正确答案都没有共识。这句话背后是评价体系的差异，不是措辞上的客气。
这不是文字游戏，而是评价体系缺位。数学界有千禧年大奖难题，题目写得清清楚楚，谁解开了一目了然。材料科学没有这样的公开命题集，很多现象只能观测、无法解释，产业界的研发目标又多是保密的工程指标。结果就是，AI在这个领域的进展很难被横向比较，也很难被外部验证。更麻烦的是，材料问题的答案往往不是一个数，而是一段可复现的计算流程加一套解释。评审要判断的，是这套流程能不能被别人跑出同样结果，解释能不能覆盖已知的反常数据。这两条都比判对错难。
第一道是铜氧化物超导理论。这类材料在相对高的温度下实现零电阻，现象早已被观测到，但背后的物理机制至今没有统一解释。题目要的不是找到新的超导材料，而是解释已有现象。第二道是硅与二氧化硅界面的数值方法。这个界面几乎存在于所有半导体器件中，能精确模拟它，就能直接帮助下一代器件的设计。
第三道是把材料晶粒的微观结构与热学性能建立起对应关系的算法。做成了，就能定向设计散热更好的材料，这正是高算力芯片最紧的瓶颈之一。第四道是解释光照如何改变材料行为，重点在超导体系。第五道是对密度泛函理论的数值方法做改进，这套方法是材料模拟的基础工具，局限早已被人熟知，改进它等于给整个领域换发动机。
五道题的结构很清楚：两道要新理论，三道要新算法。它们都不是靠生成通顺文字能蒙过去的，评审要求可验证、可复现，这恰好是语言模型最不擅长的部分。
在正式发布挑战之前，这家公司把前沿实验室的模型放到了这五道题上，给它们互联网访问权限和其他资源，让智能体连续数天自主工作。结果是每道题上都花了数天时间，没有取得显著进展。这个测试条件值得记下来：联网权限加连续数天，已经比多数公开评测更接近真实科研的工作方式。
这个结果值得拆开看。模型不缺检索能力，缺的是判断力：在一堆论文里，哪一条线索值得追，哪一个反常数据可能是关键，这类取舍需要领域直觉。材料科学的反馈周期又长，一个假设要经过计算、合成、表征才能验证，智能体在几天里根本走不完一轮闭环。更现实的一点是，模型很容易陷入看起来合理的解释，而物理学的进展往往要求推翻最顺眼的那个解释。还有一个限制在工具层，材料计算依赖专业软件与数据库，智能体要调用它们，得先理解每个工具的输入输出约定，这一步的失败率比检索高得多。
这项悬赏最有价值的地方，可能不是奖金，而是它试图先立一套公开的评判标准。公司召集了来自多所高校的学术顾问共同拟定题目，斯坦福教授Felipe Jornada参与了命题。他的说法是，材料科学里存在大量能观测却无法解释的现象，解释它们会增进对物理的理解，也会直接影响未来怎么制造电子产品、储存能源、生产新材料。
先立标准、再谈进展，这个顺序在AI for Science里越来越重要。没有公开基准，每个团队都可以宣称自己突破了，外界无法核实；有了基准，哪怕暂时没人拿奖，至少能知道距离有多远。这也是为什么赛事没有设截止日期，奖金只在提交满足科学标准时才发放。公开基准还有一个副作用，它会把注意力引向被写清楚的问题，没被写清楚的领域可能更冷，这个取舍所有基准都要面对。
逻辑不复杂。Discovered Materials靠AI筛选候选材料，如果底层的物理模型有短板，AI的产出也会有天花板。行业里大量项目集中在快速筛选与性质预测，很少有人回头补基础理论的缺口，因为那部分投入周期长、短期看不到回报。
公司的判断是，只有底层方法进步，AI才真正有能力更快找到有工业价值的新材料。Sridhar提到，在更好的理论工具加持下，他有信心把新型实用材料的研发周期压缩到一年以内。这个预期能不能兑现，还要看后续几年的进展。
从商业角度看，这也是一种防御。公司8月刚完成900万美元种子轮，投资方包括光速印度、Y Combinator，天使投资人里有保罗·格雷厄姆。它的客户是芯片制造商，而对芯片厂来说，材料方案能不能落地，最终取决于物理上是否站得住。花钱推动基础研究，等于给自己未来的产品线买一份保险。
第一，它能测出当前模型在开放式科学问题上的真实水位。数天自主工作没有进展，这个结论本身就有价值，因为它把宣传口径里的接近专家水平拉回了可验证的场景。
第二，它能测出学术与产业的协作方式。题目由高校顾问拟定，奖金由创业公司出，参赛者可以是学术团队、AI实验室，也可以是混合编组。这种结构如果跑通，会成为AI for Science的一种常见组织形态。
第三，它能测出评价标准的可操作性。奖金只在满足科学标准时发放，可是标准由谁裁、按什么流程裁、出现争议怎么办，目前都还没有公开。没有截止日期意味着进展可能很久才被报告一次。真正需要观察的第一个信号，是公司是否公开详细的评审准则，以及第一笔奖金何时发出。发出之前，这五道题仍然只是五个被写清楚的愿望。