今年的AI材料企业中，被誉为“材料版谷歌”的独角兽企业
CuspAI绝对是最耀眼的一员。
该公司在上个月刚完成了4.5亿美元的B轮，英国政府以及亚马逊创始人杰夫·贝索斯都给予了支持，投后估值已经冲到了26亿美元。
拿到融资的第一时间，该公司就启动了一个叫做“AI材料铸造厂（AI Materials Foundry）”的项目，同步组织起一个包含了全球各行业龙头的大型网络。
初始成员包括英伟达、Meta、三星、现代汽车、3M、软银、现代汽车、德国默克以及富士胶片等45家企业，可以说整合了全球的数据、实验室、计算和科学专业知识，最开始目标放在半导体、清洁能源和先进制造业。
如此声势浩大的项目究竟要如何运转，如今的进展又如何了？
近日，CuspAI首席科学官兼伦敦帝国理工材料科学家Aron Walsh接受了《化学世界》（Chemistry World）的采访，透露了不少项目细节，也谈了其对AI材料行业趋势的预判。
45家龙头做一件事
打通“数据-算力-模型-实验”的闭环
用最简单的话来说，这个AI材料铸造厂其实是一个大型的AI for Science产业联盟，可以拆解为“模型-数据-算力-实验”四个模块。
模型层的主要贡献者有两位，首先是CuspAI自研的智能体和“物质世界搜索引擎”
MIRA，该平台覆盖了从生成材料设计到模拟、合成路线规划以及协同实验的整个过程。
当用户输入目标材料性能指标（如强度、导电率、耐温性等），AI系统即可自动匹配适配化学组分，研发效率较传统实验手段提升十倍。
Meta的AI团队也将参与其中，该团队曾开源了原子通用模型（UMA），该模型涵盖分子与材料领域超300亿原子样本，扩展了机器学习原子间势（MLIPs）的应用范围。
CuspAI的工具可以被引导对多种材料性质进行预测
数据方面，CuspAI宣称拥有全球最大且经过精心筛选的实验材料数据集，此外科学机构也会协助提供数据。
目前CuspAI已经拿到了CCDC（剑桥晶体数据中心）的剑桥结构数据库和德国卡尔斯鲁厄的无机晶体结构数据库，还获得了出版巨头Wiley的材料科学内容授权访问权。
未来，合作伙伴还能利用私有数据自行训练软件，承诺将实现跨国和政府运营规模的工业保密。
材料AI需要对数十亿个候选物进行分子分辨率的筛选，所需的算力设备则由英伟达提供。
CuspAI利用结构数据与属性之间的相关性来缩小有潜力的结构范围
更多的合作伙伴则负责了实验环节，这些具备合成基础设施的老牌工业龙头，能快速地将干实验室的成果转化为湿实验室中的实体。
预测性能不是难点
AI4S的决胜局在工业化落地
采访中Walsh反复强调，用AI预测材料性能其实是较为简单的环节。AI材料真正的难点是如何合成、保持在实际运行条件下的稳定性以及是否具有量产可行性。
能够创造现实世界价值的AI4S企业，才会收获商业回报。这也是这家独角兽在获得巨额融资的第一时间，就启动了AI材料铸造厂计划的原因。
采访中还介绍了与芬兰化工龙头凯米拉（Kemira）的合作案例：
CuspAI仅用6个月就筛选出20种新型金属有机框架（MOF），可用于去除水体中的全氟和多氟烷基物质（PFAS）污染物，传统研发中至少需要数年时间。
在合作期间，AI以远超人类的效率探索了涵盖约300万亿种可能材料结构的设计空间，并提供了超过5000种新型材料设计方案。
不过Walsh特别解释到，CuspAI不是对无限的化学空间做穷举搜索，而是像人类化学家一样去学习筛选高潜力候选材料，这一过程中AI会挖掘材料结构数据和性能之间的关联。
“我们把无限的化学空间，压缩到一个可研究的范围。这就是AI for Science最令人兴奋的地方。”
文章来自于微信公众号 “智药局”，作者 “智药局”