当世界聚焦于文本、图像和视频生成式AI时，一家由前DeepMind高级研究员领导的公司正开发生成式AI技术，以支持新型实体材料的制造。
Orbital Materials由Jonathan Godwin创立，他此前曾参与DeepMind的材料研究工作。该公司正在打造一个基于AI的平台，可用于发现从电池到二氧化碳捕获细胞等各类材料。
Godwin表示，创立Orbital Materials的灵感源于AlphaFold等AI系统的技术突破。AlphaFold是DeepMind开发的AI，能够根据氨基酸序列预测蛋白质的三维结构，Godwin希望将这些技术应用到材料科学领域。
“传统的新材料发现方法长期依赖实验室中耗时且繁琐的试错过程，往往需要数年实验才能成功，”Godwin在回复TechCrunch邮件采访中表示，“我认为需要一种新型组织架构——既拥有AI专家，也具备材料科学家——才能将材料从计算机模拟带入现实世界。”
AI如何加速新材料研发？
无论是否借助AI，创造新材料通常都不是一个直观的过程。实现特定性能（如轻量化和刚性）需确定相应的物理化学结构，并找出可靠构建工艺（如熔化、蒸发）。设计完成后，还需针对不同应用场景在各种条件（如极端温度）下进行压力测试。
AI虽无法解决材料设计中所有固有挑战（现实实验仍无可替代），但可通过计算映射性能与工艺的关联，从而节省时间和资金。
“化工和材料公司的技术决策者难以开发新产品，因为传统方法过于缓慢昂贵，无法满足需求，”Godwin指出，“然而，随着经济向电气化和去碳化转型，对新型先进材料的需求正大幅增长。”
行业竞争与差异化优势
Orbital Materials并非首家将AI应用于材料研发的企业。Osmium AI由前谷歌员工创立并获Y Combinator支持，帮助工业客户预测并优化新材料物理性能；过去十年间，多篇学术论文提出了通过AI结合海量分子数据库加速材料设计的方法；DeepMind自身也在研究AI生成材料，去年宣布开发出一种算法，可发现数百万种未来或能为商业技术提供动力的晶体。
Godwin声称，Orbital Materials的独特之处在于其专有的材料科学AI模型。“我们在构建数据集时，从大型语言模型和AlphaFold的成功中汲取了大量灵感。这些模型的关键在于获取多种类型的数据：像ChatGPT是用代码、新闻、科学文本和百科全书训练的，这种多样性赋予了模型卓越能力。”
核心模型Linus与应用成果
Orbital的模型名为Linus，是公司新泽西州实验室的核心，驱动着材料和化学研发工作。Linus在包含大量模拟数据和材料的大型数据集上训练而成，涵盖电池、半导体、催化剂和有机分子等领域。
使用Linus的科学家可输入自然语言指令（例如“一种对二氧化碳具有良好吸收能力的材料”），系统便会生成满足条件的三维分子结构。Linus从随机原子云开始迭代优化，直至找到最符合指令的方案。
“我们正采取全栈式AI方法，在内部开发材料管线，”Godwin表示。与所有生成式AI一样，Linus并不完美，有时会生成物理上无法制造的材料。但Godwin称它已经成功开发了至少一种产品——一种廉价且更可靠的空气二氧化碳捕获过滤器，公司计划今年公布更多细节。
商业模式与融资进展
总部位于伦敦、拥有13名员工的Orbital Materials不打算自行生产过滤器或其他材料，而是将材料推进至概念验证或试点演示阶段后，寻求外部制造商合作。
为助力这一目标，Orbital Materials最近由Radical Ventures领投完成1600万美元A轮融资，丰田风险投资（Toyota Ventures）参与跟投。Godwin表示，这使公司总融资额达约2100万美元，新资金将用于扩大数据科学团队和湿实验室团队。
“就像AlphaFold正在加速新药研发并更快推向市场一样，Orbital Materials的技术正以前所未有的速度设计和商业化新型先进材料，”Godwin说。