AI智能体狂扫新材料 9M种子轮找芯片散热

时间：2026年8月10日，旧金山（北京时间8月11日发布） 地点：美国加利福尼亚州旧金山 人物：联合创始人 Advaith Sridhar（卡内基梅隆 AI 背景，前 Persona AI / Luma Labs 智能体工程师）与 Akash Ramdas（斯坦福材料科学博士，11 年半导体新材料研究经验）；Lightspeed India 合伙人 Hemant Mohapatra 事件详情：YC 校友 Discovered Materials 8 月 10 日宣布完成 900 万美元种子轮，由 Lightspeed India Partners 领投，Y Combinator、Peak XV Partners 及天使投资人 Paul Graham、Gokul Rajaram、Thariq Shihipar 跟投。公司同步发布首批数百种 AI 智能体发现的新半导体材料，并开源业内首个针对真实芯片问题的"材料发现基准测试"（Material Discovery Bench）。该软件流水线使用 Anthropic 模型 + 自研基础物理模型做"猜+仿真验证"循环，把 Akash 读博时每天 20 次的"原子级材料打地鼠"提升到数千次/天。 背景：当前 GPU 热流密度已约 140 W/cm²，比航天飞机重返大气层时鼻锥还热，AI 算力每代翻倍让散热问题持续恶化。芯片迭代到 3D 堆叠的瓶颈正从制程转向材料，新材料从实验室到晶圆厂的"死亡谷"通常耗费数年和数亿美元。MatNex、SandboxAQ、CuspAI 等公司已在做类似探索，Discovered Materials 选择聚焦芯片热管理这一个最迫切的细分场景。 影响：把原本数年的材料研发周期压缩到数天，使新材料能跟得上 AI 芯片每代功耗暴涨的节奏。Sridhar 计划一年内拿到首批可申请专利的导热材料候选，并采用"GPU 应用专利 + 芯片工艺专利 + 向芯片厂商授权"的商业模式。如果首批材料验证落地，将直接缓解数据中心耗电与水冷压力。 总结：AI 智能体首次以"全天候打地鼠"的密度与"秒级仿真验证"的速度，把半导体材料从科研阶段推向工业可用阶段。当芯片制程逼近物理极限，下一波算力红利的胜负手正在从晶体管转向原子结构。 参考来源： 1. https://finance.yahoo.com/technology/ai/articles/discovered-materials-closes-9m-seed-130000135.html 2. https://techcrunch.com/2026/08/10/discovered-materials-is-playing-ai-whack-a-mole-to-hunt-cooler-chips/ 3. https://news.qq.com/rain/a/20260811A001RV00 4. https://www.ycombinator.com/companies/discovered-materials 5. https://www.aichatdaily.com/ai-business/discovered-materials-raises-9m-hunt-cooler-chip-materials 6. https://app.dealroom.co/news/note/discovered-materials-raises-9m-seed-to-hunt-cooler-ai-chips 7. https://cryptobriefing.com/discovered-materials-raises-9m-ai-chip-materials