运行AI工作负载的芯片过热，是数据中心高能耗及冷却需求激增的主因之一。企业家们正试图利用AI解决这一由其自身引发的难题。
900万美元种子轮融资完成
Discovered Materials是一家新兴初创公司，计划利用AI智能体群发现用于构建高效集成电路的新材料。该公司近日宣布完成900万美元种子轮融资，由Lightspeed India Partners领投，Peak XV Partners以及天使投资人Paul Graham、Gokul Rajaram和Thariq Shihipar参投。
创始人背景与技术路径
联合创始人Advaith Sridhar与Akash Ramdas分别具备AI智能体研发与材料科学博士背景。两人打造了一套软件流水线：在自定义框架中调用Anthropic模型生成材料线索，再通过自研基础物理模型进行模拟验证，以筛选具研究价值的候选材料。
Sridhar表示：“Ramdas读博期间每天仅能尝试约20次猜测；如今通过云端智能体全天候探索指定方向，我们每日可进行数千次实验。”
聚焦半导体散热与工程权衡
Discovered Materials已发布数百种新材料示例及“材料发现基准”（Material Discovery Bench），旨在追踪前沿模型应对该挑战的能力。相较于MatNex、SandboxAQ等同类企业，该公司专注攻克半导体热管理问题，并已发现若干匹配主流芯片制造商现有材料特性的新物质。
然而，材料研发面临工程权衡：降低发热或改善散热的材料，可能在制造难度或电学性能上存在短板。Lightspeed合伙人Hemant Mohapatra形容这如同“原子层面的打地鼠游戏”，唯有所有关键属性同时达标才具现实意义。
商业模式与行业瓶颈
Mohapatra预测，随着模型迭代，新物质预测将趋于商品化。Discovered Materials的核心壁垒在于Ramdas的领域经验及快速实验验证能力——团队已成功完成多种新材料的实验室验证。
Sridhar透露，对于高价值候选材料，公司将申请GPU应用或制造工艺专利，并向芯片厂商授权许可，目标是一年内产出可专利化的新材料。
尽管AI发现药物或材料尚未产生广泛商业影响，但技术正逐步成熟。Mohapatra指出，当前瓶颈并非寻找候选材料，而是“正确筛选与合成”。Sridhar亦承认，湿实验室的实验操作无法被加速，但这正是Discovered Materials凭借独特数据与专业知识建立竞争优势的关键所在。
更正：本文最初报道称Renterosib已进入II期临床试验；事实上，它于七月启动了III期临床试验。