Discovered Materials押注AI智能体发现芯片散热材料：900万美元种子轮由Lightspeed领投

一家AI驱动材料公司，运行云端AI智能体来发现并验证新型半导体材料——从AI芯片散热和3D芯片封装的热管理材料入手——然后将结果申请专利并授权。

自主AI智能体每天生成数千种材料假设，可将半导体研发从数年压缩至数月——从AI芯片散热开始。

900万美元种子轮，由Lightspeed India领投，Y Combinator、Peak XV以及包括Paul Graham在内的天使投资人参与（2026年8月）。

Advaith Sridhar和Akash Ramdas十多年前在印度理工学院马德拉斯分校相识；Ramdas在斯坦福获得材料科学博士学位，并花了11年研究半导体材料，而Sridhar在Persona AI（被收购）和Luma Labs构建AI智能体。他们在Y Combinator之后创立了Discovered Materials，构建了一个软件管道，让Anthropic模型生成材料线索，然后由他们训练过的物理模型进行验证。

2026年8月，公司宣布完成900万美元种子轮融资，由Lightspeed India领投（Y Combinator、Peak XV以及包括Paul Graham、Gokul Rajaram和Thariq Shihipar在内的天使投资人参与），发布了数百种AI发现的半导体应用材料，并推出了Material Discovery Bench，一个跟踪前沿模型在真实芯片材料问题上表现的基准。创始人声称，他们在三个月内开发出的新型热管理材料，其性能与全球最大化工公司花数年开发的产品相当。

仍处于早期阶段：截至2026年8月，公司拥有候选材料和基准，但尚未有AI发现的材料实现大规模商业部署；创始人表示目标在一年内获得值得申请专利的材料，商业模式是授权给芯片制造商。

可衡量的瓶颈（散热问题及每天约20次的猜测）使AI智能体在人类主导的发现中具有具体的吞吐量优势。

切入点——3D芯片封装的热介电材料——足够狭窄，种子阶段的团队可以在资金雄厚的前沿实验室聚焦之前宣称在该领域有所建树。

通过专利和授权而非建造晶圆厂，使小团队能够在不承担半导体资本密集度的情况下将发现商业化。

创始人的契合度（斯坦福材料科学博士+在Persona和Luma的智能体工程经验）恰恰是解决问题所需的组合。

AI在科学领域的最佳应用是狭窄且紧迫的瓶颈，具有可衡量的吞吐量（例如散热问题、每天约20次猜测），自动化能产生可专利的知识产权；湿实验室验证仍是未解难题。

截至2026年8月，Discovered Materials处于实验室与专利阶段：已公开数百种AI发现的材料和一个公共基准，利用900万美元种子资金扩充团队和实验室，目标一年内有值得申请专利的材料。尚未宣布商业部署或授权交易，且该行业面临的悬而未决问题——将AI候选转化为可制造、经过验证的材料——仍在面前。