又一百億估值AI獨角獸誕生！被貝索斯、黃仁勛、小扎同時看中

@智東西
作者 茄子
編輯 程茜

智東西7月21日消息，昨日，英國AI材料發現初創公司CuspAI宣布完成4.5億美元（約合人民幣30.4億元）B輪融資，投后估值達到26億美元（約合人民幣176億元），正式成為獨角獸。本輪融資由Kleiner Perkins和NEA聯合領投，亞馬遜創始人杰夫·貝索斯（Jeffrey Preston Bezos）旗下投資機構Bezos Expeditions大額參投。

▲CuspAI宣布完成4.5億美元（約合人民幣30.4億元）B輪融資（圖源：CuspAI）

CuspAI成立于2024年，專注于利用AI進行材料發現。該公司通過AI模型模擬材料性能，從海量候選材料結構中篩選潛在方案，幫助研究人員降低材料研發成本并縮短實驗周期。目前，CuspAI重點關注半導體、能源、先進制造等領域的新材料研發。

值得注意的是，CuspAI在2025年9月完成超1億美元（約合人民幣6.8億元）A輪融資，由NEA和淡馬錫領投，英偉達旗下風投部門NVentures參投。當時，該公司投后估值約為5.2億美元（約合人民幣35.3億元）。不到一年時間，CuspAI估值從5.2億美元（約合人民幣35.2億元）增長至26億美元（約合人民幣176億元），增長約5倍。

▲CuspAI A輪融資1億美元（約合人民幣6.8億元），英偉達旗下投資機構參投（圖源：CuspAI）

除融資外，CuspAI還宣布推出“AI Materials Foundry”平臺，這是一個匯聚48家科技領軍企業、工業公司和研究機構的合作聯盟。其中，英偉達將提供計算基礎設施支持，Meta基礎AI研究團隊也將參與該項目。

CuspAI由查德·愛德華茲（Chad Edwards）和麥克斯·韋林（Max Welling）共同創立。其中，查德·愛德華茲是CuspAI聯合創始人兼CEO，他曾在德國卡爾斯魯厄理工學院學習，并擁有核裂變相關博士學位。早年在全球先量子計算公司Quantinuum負責商業化，擔任戰略合作伙伴副總裁，曾幫助打造兩家獨角獸，35歲前融資超10億美元（約合人民幣68億元）。

CuspAI兩位聯合創始人合照，CEO Chad Edwards（左）、CTO Max Welling（右）（圖源：CuspAI）

麥克斯·韋林是CuspAI聯合創始人兼CTO，同時是阿姆斯特丹大學機器學教授。他還是AI領域頂級科學家，曾任微軟研究院和高通AI研究院副總裁。

▲CuspAI創始人履歷，CEO查德·愛德華茲（左）、CTO麥克斯·韋林（右）（圖源：領英）

CuspAI稱，本輪融資資金將主要用于擴大全球研發團隊和實驗能力，在英國劍橋、新加坡以及美國灣區建設實驗室，并支持與AI Materials Foundry合作伙伴開展材料研發。

一、用AI尋找下一代材料，重點攻向半導體領域

CuspAI最核心的業務是利用AI幫助科學家發現此前不存在的新材料。

傳統材料研發通常需要科研人員基于經驗提出候選方案，再通過實驗驗證性能，整個過程可能持續數年。而AI材料發現則希望通過模型提前預測材料結構和性能，從數以億計甚至更多候選方案中篩選出更有可能成功的材料。

據彭博社7月20日報道，英偉達產品管理高級總監吉蒂卡·古普塔（Geetika Gupta）稱，英偉達很可能會通過晶圓代工項目，與CuspAI和第三方合作伙伴開展“三方合作”，共同研發新型材料。

CuspAI推出AI Materials Foundry平臺。該平臺整合了數據資源、計算能力、實驗設施和材料科學專家，通過AI系統幫助企業和研究機構設計新材料。目前，該平臺已覆蓋半導體、能源、清潔水處理等多個方向。

在半導體領域，CuspAI稱，今年約80%的研究工作將集中在芯片材料方向，包括探索減少或替代部分存在供應鏈風險的稀有金屬。

例如，在芯片制造過程中，釕（Ruthenium）、銥（Iridium）等材料具有重要作用，但其供應受到資源限制。CuspAI希望利用AI尋找性能相近甚至更優的新材料，以降低供應鏈風險。

二、從碳捕獲到芯片材料，AI材料發現仍處早期階段

CuspAI最初并非專注半導體材料，而是從碳捕獲和水處理領域切入。此前，CuspAI曾與Meta研究團隊合作，利用AI尋找用于捕獲二氧化碳的新材料。在一次研究中，該公司從約300萬億種金屬有機框架（MOF）結構中篩選候選材料，最終縮小至10種，并成功合成其中6種進行測試。

雖然這些材料尚未超過商業已有方案，但CuspAI稱，該過程僅耗時6個月，相較傳統研發周期已有明顯提升。

如今，隨著AI基礎設施和算力不斷發展，越來越多企業開始探索“AI for Science”方向。除了CuspAI外，貝索斯旗下的AI基礎設施公司Prometheus正在探索利用AI推動物理工程、先進制造和新材料研發，通過AI模型加速材料設計、仿真驗證和實驗迭代流程。

谷歌DeepMind也在持續推進AI與材料科學的結合，其推出的材料預測模型和材料數據庫項目，利用機器學習預測晶體結構、材料性質以及潛在的新型材料組合，幫助科研人員縮短傳統材料研發周期。

不過，AI材料研發仍面臨挑戰。劍橋大學教授戴維·法倫-希門尼斯（David Fairen-Jimenez）稱，機器學習能夠加速材料篩選過程，但真正發現能夠大幅超過現有方案的新材料，仍需要大量實驗驗證。

結語：AI材料發現走到實驗階段，能不能造出來是下一關

隨著AI從數字內容生成走向現實世界應用，材料發現正在成為新的探索方向之一。過去依靠實驗和經驗積累的新材料研發，如今開始引入AI模型進行預測和篩選。

CuspAI希望通過AI Materials Foundry，將算法、算力和實驗能力結合，加速半導體、能源等關鍵產業的新材料探索。但從實驗驗證到真正商業化應用，AI材料發現可能仍需要跨越從模型預測到現實制造的距離。

來源：CuspAI、彭博社