从青铜时代的熔炉到硅基芯片的晶圆厂，人类文明的每一次跃迁都踩在一两种关键材料之上。今天，当半导体晶体管逼近物理极限、固态电池迟迟无法走出实验室、而数以万计的“永久性污染物”正在侵蚀水循环时，一个令人窒息的瓶颈浮现出来：我们找到下一块“硅”的速度，太慢了。传统材料研发是一场与概率为敌的漫长苦旅——科学家提出假说，合成样品，测试性能，失败，再调整参数，周而复始。一个新材料从实验室到工厂的平均周期以十年计，试错成本动辄数亿美元。这并非科学家缺乏智慧，而是人类大脑在排列组合构成的无限化学空间中，实在过于渺小。

几乎所有的科技巨头都在为一个假设下注：AI能够压缩这场探索的时间。亚马逊创始人杰夫·贝索斯刚刚做出了他最新的判断。2026年7月20日，英国AI材料公司CuspAI宣布完成4.5亿美元B轮融资，估值一举推高至26亿美元。此轮由Kleiner Perkins和NEA联合领投，贝索斯旗下的Bezos Expeditions、英国主权AI创投基金、AMD Ventures以及三星旗下投资机构悉数入局。当资本面值在九个月内从5.2亿美元飙涨至26亿美元，这家成立仅两年、尚未展示商业化成果的公司，正在考验人们对长周期、高门槛科学创新的定价边界。

4.5亿美元B轮融资速览

字段 内容
公司 CuspAI
轮次 B轮
金额 4.5亿美元
投资方 Kleiner Perkins、NEA 联合领投；Bezos Expeditions、英国主权AI创投基金、AMD Ventures、三星投资、Glade Brook Capital Partners、Lux Capital、Tru Arrow Partners、StepStone、Invest-NL、Temasek、Basis Set Ventures、Giant Ventures、Touring Capital、Prosus、Phoenix Court、Northzone 以及 John Doerr 参投
总部 英国剑桥
创始人 Chad Edwards (CEO)、Max Welling (联合创始人)
官网 https://cusp.ai/

逆向设计：不是预测“能存在什么”，而是限定“能被造出什么”

CuspAI押注的核心技术路径，是一种被称为“逆向设计”的范式转换。在教科书式的材料基因组计划中，研究者通常从一种已知结构出发，手工调整掺杂元素或晶体构型，然后通过密度泛函理论计算或实验来测试其性能。CuspAI试图将这一流程倒置：用户不再输入“我要尝试的结构”，而是定义“我需要的性能”——更高的介电常数、更强的吸附能，或耐特定温度的稳定性——然后让其专有平台MIRA反向运算，从近乎无限的化学空间中生成符合条件的新材料候选者，并一并预测其可合成性。

这种思路的本源，根植于其联合创始人Max Welling在生成式模型领域的深厚功力。Welling是变分自编码器奠基性论文《Auto-Encoding Variational Bayes》的作者之一，曾执掌微软研究院和阿姆斯特丹大学的相关实验室。他所代表的学术流派，恰恰是在解决如何从高维概率分布中采样生成可被物理世界接受的样本。对材料发现而言，这意味着AI的输出需要跨越两重天堑：物理规律的严格约束，以及化学合成的现实可行性。Kleiner Perkins合伙人Josh Coyne在评价此轮融资时，将CuspAI的护城河精确地概括为：“设计出‘能够被实际制造出来的材料，而不只是模型虚构出来的结构’。”这与Google DeepMind早期利用GNoME网络大规模预测稳定晶体结构的逻辑形成了鲜明分野：预测一种晶体在基态下是否稳定，和判定它是否能在常温常压下被经济地合成、加工成器件，是完全两个维度的问题。

从“单点突破”到“铸造厂”：一个连通台积电与Meta的平台假说

CuspAI此次融资真正的支点，并非藏在实验室里的某一种黑科技材料，而是一个名为“AI Materials Foundry”的协作网络。根据公司声明，这一倡议在成立之初就聚拢了超过45家创始合作伙伴，其组合拳非常精妙：上游站着英伟达和AMD，它们提供生成和筛选海量分子结构所需的GPU算力以及半导体行业认知；中游嵌入应用材料公司和现代汽车，它们献出对新材料的具体工业规格和验证经验；下游则是Meta这类拥有庞大数据中心且迫切寻求散热或节能方案的需求方。

这个网络所勾勒的商业意图，远超一个单纯的软件工具或数据库授权生意。CuspAI试图将自己定位为整个材料研发工作流的“操作系统”：需求方在铸造厂内提出具体参数，MIRA平台完成候选生成与性质预测，合作实验室或企业进行合成验证，算力商保障底层支撑，一条从定义需求到输出验证结果的流水线被试图标准化。如果这一模式能跑通，CuspAI的变现逻辑就不再依赖对某一种材料专利的售卖的零敲碎打，而是嵌入到芯片、电池、化工等产业每一次换代升级的必经之路上。当前超过6.7亿美元的总融资规模和26亿美元的估值，定价的核心正是这种平台型材料研发基础设施的远景，而非短期内的订单流水。对于投资人而言，他们购入的是一张在尚未被充分标记的“物理世界AI”版图上占据关键通道的期权。

在DeepMind和Orbital之间：一场尚未决出胜负的路线之争

AI材料发现领域早已不是静默的实验室。CuspAI横向上面对的竞争者，至少包括三种已经初步验证的模式。Google DeepMind的GNoME项目是“大范围探矿”的典型，2023年，其利用图网络一次性预测了220万种新晶体结构，将人类已知的稳定材料库扩容近十倍，后续并与劳伦斯伯克利国家实验室的自主实验系统A-Lab联动，试图打通预测和自动化合成。然而，GNoME聚焦于稳定性的广撒网策略，并未针对具体应用要求进行优化，“稳定”本身距离半导体蚀刻气体或固态电解质所需要的综合性能尚有巨大鸿沟。

从剑桥大学孵化出的MatNex则更贴近需求侧的“定点爆破”。该公司2024年公开了无稀土永磁体MagNex，它的炼成明确基于一个工业痛点：摆脱对重稀土的供应链依赖。这套从一亿种候选组合中锁定目标的流程将早期研发压缩至三个月，并且其预估成本仅为传统磁体的20%。它能直接合成并完成基本测试，验证了逆向设计在解决具体问题上的效率，但能否规模化生产、最终交付给汽车厂商，依旧是悬在头上的验证利剑。

另一家绕不开的公司是更名后的Orbital Industries。其路线已经从单纯发布材料模拟基础模型“Orb”转向做深入场景的垂直整合。它眼下在直接空气碳捕获（DAC）多孔吸附材料上重点部署，并声称在自有实验室中将材料性能提升了约十倍。Orbital不再只销售材料设计的工具访问权，而是深入到了吸附设备的设计和数据中心的脱碳改造方案中，实质上越来越像一家针对特定行业提供“AI+材料工艺包”的工程公司。CuspAI的平台化思路与Orbital的垂直化深入，究竟哪一个能率先跨越“从样品到产品”的规模化鸿沟，决定了这场材质竞赛最终的赢家形态。

资本结构的暗语：主权基金、产业资本与创始人IP的三角支撑

拆解此轮4.5亿美元的出资人格局，能读出超越单纯财务回报的多重信号。英国主权AI创投基金并不以支票规模著称，单笔投资通常在500万至1000万英镑量级，在这轮巨量融资中，其金钱贡献本身微不足道，但它的站台，却带有浓厚的国家产业战略意味。该基金设立的本意，就是挽留并助力英国本土头部AI公司在全球舞台上扩张，免受被海外大公司过早并购或人才外流的冲击。CuspAI——一个立足于剑桥、已经拿到ASML和现代汽车合同的深度技术公司，恰好是该基金理想的核心持仓。这笔投资的象征意义，在基金主管部门DSIT甚至在融资宣布次日即遭遇机构裁撤的背景下反而更加突出：一个被政治风向认可的赛道，其价值不会因具体部门的存废而打折。

AMD与三星的组合更是隐含的信息链条。半导体工艺往前推进，极度依赖于高K介质、新型光刻胶和先进封装材料，如今这两家制造巨头直接成为材料研发平台的出资人兼铸造厂创始伙伴，表明产业资本正试图将新材料搜索的抽签式探索，收编进自己的供应链安全框架内。至于Meta的现身，则呼应了超大规模数据中心运营方对散热材料和降低全生命周期碳排放的真实焦虑。John Doerr，Kleiner Perkins主席，则将这笔押注简练地归结为：“材料发现正悄无声息地成为能源、半导体和气候进步的瓶颈。”有钱的机构与懂需求的产业方同时出现在一张资本表上，通常说明它已经从一个纯科学项目，演化到了一个需要借助海量资源来证明“工程可行”的节点。

用300万亿种候选换20个方案：亮眼数字背后的真实验证鸿沟

在CuspAI目前展示的案例中，与芬兰化工企业Kemira的合作最接近商业闭环的假想。这个项目旨在寻找能够高效吸附环境中PFAS的过滤材料。CuspAI给出的数据是，MIRA平台在约300万亿种潜在材料结构中筛出了20种候选方案。单从计算视角看，这堪称一次对组合化学搜索空间的强力压缩。然而，必须冷静地指出：这20种候选材料“目前仍处于后续验证阶段”，并未公布任何关于吸附效率、制造成本或环境稳定性的实测结果。在从“AI提名”到“可工业部署”的链条上，只跑完了第一阶段。没有任何公开信息能确认，压减下来的搜索成本，能否成功转换为优于传统膜分离或活性炭吸附方案的实物成果。

同样，在已披露的客户名单中，除了Kemira，还有光刻机巨头ASML和Meta。ASML的参与很容易让人联想到极紫外光刻所需的精密光学与防护材料，Meta则与数据中心关联。然而，无论是Kleiner Perkins的声明还是CuspAI的公告，都没有提供与这些巨头具体推进到了哪个验证节点——实验室原理样机、中试生产，还是已进入采购谈判。创始人与投资人在公开访谈中反复强调“能够被建造出来”，这个口号本身，反证了此前AI科学领域诸多兴奋点最终止步于论文或数据库的教训，也表明了CuspAI面对的最大阻碍仍然是落地。26亿美元的估值把高度弹性的预期作为了分母，而要维持这个分子，它就需要在接下来的12到18个月内，至少输出一个完整跑通“设计-合成-验证-客户试用”的典型闭环案例。

资金投向与尚未回答的规模化之问

根据公司披露，本轮融资将用于三个主干方向：扩大计算基础设施，扩展跨地域的材料研究团队，将分子设计平台真正推向市场以及拓展AI Materials Foundry。新加坡、阿姆斯特丹、柏林、东京和美国多地的办公室扩张计划已经在执行中。前苹果和谷歌AI负责人John Giannandrea加入并主理美国铸造厂运营，以及John Doerr、AMD董事会成员Sohail Ahmed进入顾问层，已显示出招募具有大型系统工程管理经验高管的强烈意图。这种配置暗示，CuspAI眼下最紧缺的，可能不再是另一项生成式模型精度的突破，而是如何管理横跨半导体、化学品和水处理的复杂项目交付，并把松散搭配的45家合作伙伴变成一支能协调作战的材料研发军团。

需要警惕的核心风险，仍然集中在那个根本问题上，目前尚无公开事实能够消除它：AI设计的新材料，能从样品走向规模化稳定制造吗？材料合成是极度路径依赖的过程，杂质、温度曲线和设备工艺参数的微小漂移，都可能颠覆AI当初的预判。自然世界不会因为模型识别出一个更低能量基态的结构，就自动赐予其成熟的工艺窗口。如果铸造厂模式始终无法证明自己能比某个具体行业里深耕了几十年的材料工程团队更高效地完成量产爬坡，那么“平台”的价值就会从“新一代研发基础设施”坍缩回“一个精巧但实验室用的辅助筛选软件”。这样的风险，将直接冲击现有估值所依赖的平台假说。CuspAI从5.2亿跳到26亿美元的九个月，只是资本用真金白银买下了一张探索门票，而通往“下一块硅”的征途，真正的实验才刚刚开始。

RecodeX 极客视：CuspAI的本轮融资，与其说是在给一种技术定价，不如说是在给一种组织研发方式的可能性下注。它试图证明，材料科学可以不再仅仅是穿着白大褂在通风橱前穷举的孤独手艺，而是可以被拆解成算力、算法和产业验证网络协同作战的新工业流水线。然而，聚拢了贝索斯、英国主权基金和近乎完美的产业盟友后，CuspAI此刻最大的压力，已经转移到了物理世界本身。实验室的一克样品和工厂的一吨成品之间，横亘着AI至今未曾征服的鸿沟。平台的故事讲得越宏大，它需要交付的那个能够经受住真实工艺环境考验的“决定性材料”，就到来得越急促。