在大模型算力持续爆发的当下，高算力 AI 芯片正面临严峻的热管理挑战，部分 GPU 功率密度可达 140W/cm²，已经超过航天飞行器返回舱的热流水平，散热瓶颈正在限制芯片性能释放与先进封装迭代。近期，海外 AI 材料初创企业 Discovered Materials 宣布完成 900 万美元种子轮融资，由 Lightspeed India Partners 领投，Y Combinator、Peak XV Partners 及多名知名天使投资人参与投资，将依托 AI 智能体技术，面向半导体行业开发新一代 芯片散热新材料。

该公司由 AI Agent 研发工程师 Advaith Sridhar 与斯坦福材料科学博士 Akash Ramdas 联合创办，团队将大模型智能体与材料物理仿真深度 结合，打造自动化材料研发流水线。传统新材料研发高度依赖科研人员反复试错，一款半导体新材料从实验室走向产线往往需要数年时间，投入巨额研发成本，大量创意卡在实验与量产之间的 “死亡峡谷” 难以落地。而 Discovered Materials 的技术路径，是利用大模型生成海量候选材料方案，再通过自研物理基础模型开展仿真筛选，快速评估材料热导率、介电性能、热力学稳定性等关键指标，把过去数月的跨学科研发工作压缩至数天完成。

本轮资金将用于团队扩张、实验室建设以及 AI 智能体系统迭代，企业的核心业务模式并不直接生产材料，而是完成新材料挖掘、专利布局，再向芯片制造企业输出材料专利授权，聚焦 3D 芯片封装所需高导热绝缘材料，解决高算力芯片散热痛点。伴随融资落地，公司同步发布开源 基准测试集 Material Discovery Bench，联合高校与产业机构，用来评测各类 AI 模型在半导体材料真实研发任务上的实际能力，为 AI 材料发现领域提供统一评测标尺，推动行业技术规范化发展。

当前整个半导体行业已经意识到，算力的上限不只是晶体管工艺，底层材料的迭代同样至关重要。传统铜铝散热材料性能逐渐逼近物理极限，3D 堆叠芯片进一步放大内部热量聚集问题，单纯依靠液冷、风冷等外部散热手段，已经很难完全化解芯片内部高热流密度带来的降频、老化风险，产业迫切需要从材料源头寻找解决方案上海证券报。AI for Science 正在重构材料研发范式，AI 智能体能够大规模遍历化学空间，筛选人类 很难想到的化合物组合，大幅压缩研发周期。

但也要看到，AI 可以高效完成虚拟筛选，材料从仿真模拟走向真实合成、晶圆产线验证，依旧存在巨大技术门槛。AI 给出大量候选配方，真正能够稳定合成、适配半导体制造工艺的只是少数，实验验证依旧是不可跳过的关键环节。

Discovered Materials 此次融资，代表 AI Agent 驱动的新材料创业正在走向产业落地阶段。当 AI 技术制造出更高发热的芯片，又反过来依靠 AI 去解决自身带来的散热难题，这一矛盾恰恰折射出行业发展的真实图景。未来，AI 材料研发能否真正打通 “计算‑仿真‑合成‑量产” 闭环，实现散热材料的商业化落地，也将为全球半导体材料创新提供重要参考。