芯片运行AI工作负载时发热严重，导致数据中心耗电巨大且需要复杂冷却系统。YC孵化的初创公司Discovered Materials试图用AI来解决它自己制造的问题：他们用AI代理群（swarms of AI agents）寻找可用于制造更高效集成电路的新材料。公司刚完成900万美元种子轮融资，由Lightspeed India Partners领投，Peak XV Partners和多位天使投资人参与。

创始人Advaith Sridhar和Akash Ramdas开发了一套软件管线：先用Anthropic模型的定制框架生成材料候选，再用自己训练的物理基础模型做模拟验证。Ramdas在斯坦福读博期间每天能做约20次材料猜测，现在通过让代理24/7在云端运行，每天能完成数千次猜测。公司今天发布了数百种新材料以及一个“Material Discovery Bench”，用来追踪前沿模型解决这个问题的表现。

市场上已有MatNex、SandboxAQ、CuspAI等类似公司，但Discovered Materials专注于半导体材料的散热问题。他们声称已发现几种与现有芯片厂商所用材料性能匹配的新材料，但不能透露更多细节。主要挑战是工程权衡：找到能减少发热或改善散热的材料，可能难以实际制造，或者电性能受影响。Lightspeed合伙人Hemant Mohapatra形容这是“打地鼠式地调整原子结构”，一种材料只有所有性质同时达标才有实际价值。

Mohapatra认为预测新型物质的业务会随着模型进步而商品化，Discovered Materials的优势在于Ramdas的深度领域经验以及快速实验验证的能力。Sridhar表示公司计划为新材料在GPU中的应用或制造工艺申请专利，并授权给芯片厂商，希望明年能有值得专利化的新材料。

不过，目前AI发现的任何药物或材料都尚未产生大规模商业影响。最接近的案例是Insilico Medicine的Renterosib进入II期临床试验，材料方面有MatNex的稀土-free永磁体、Panasonic与Citrine Informatics的新半导体材料，但都未规模部署。Mohapatra认为瓶颈不在于发现更多候选，而在于正确筛选和合成。Sridhar也承认，大量工作其实需要进入湿实验室实际制造，这个过程无法加速。