阵容炸裂！全球最大AI材料超级工厂来了，英伟达Meta三星已上车

今年的AI材料企业中，被誉为“材料版谷歌”的独角兽企业

”的项目，同步组织起一个包含了全球各行业龙头的大型网络。

初始成员涵盖了英伟达、Meta、三星、现代汽车、3M、软银、德国默克以及富士胶片等45家企业，可谓是汇聚了全球的数据、实验室、计算以及科学专业知识。最初，其目标聚焦于半导体、清洁能源以及先进制造业领域。

最近，CuspAI的首席科学官、同时也是伦敦帝国理工的材料科学家Aron Walsh，接受了《化学世界》（Chemistry World）的专访。在这次采访中，他不仅透露了众多项目细节，还分享了自己对AI材料行业趋势的预判。

45家龙头做一件事

打通“数据-算力-模型-实验”的闭环

用最简单的话来说，这个

数据-算力-实验”四个模块。

数据方面，Cu

科学机构也会协助提供数据。

目前CuspAI已经拿到了CCDC（剑桥晶体数据中心）的剑桥结构数据库和德国卡尔斯鲁厄的无机晶体结构数据库，还获得了出版巨头Wiley的材料科学内容授权访问权。

未来，合作伙伴还能利用私有数据自行训练软件，承诺将实现跨国和政府运营规模的工业保密。

材料AI需要对数十亿个候选物进行分子分辨率的筛选，所需的算力设备则由英伟达提供。

CuspAI利用结构数据与属性之间的相关性来缩小有潜力的结构范围

更多的合作伙伴则负责了实验环节，这些具备合成基础设施的老牌工业龙头，能快速地将干实验室的成果转化为湿实验室中的实体。

预测性能不是难点

AI4S的决胜局在工业化落地

，用AI预测材料性能其实是较为简单的环节。AI材料真正的难点是如何合成、保持在实际运行条件下的稳定性以及是否具有量产可行性。

因。

采访中还介绍了与芬兰化工龙头凯米拉（Kemira）的合作案例：

CuspAI仅用6个月就筛选出20种新型金属有机框架（MOF），可用于去除水体中的全氟和多氟烷基物质（PFAS）污染物，传统研发中至少需要数年时间。

在合作期间，AI以远超人类的效率探索了涵盖约300万亿种可能材料结构的设计空间，并提供了超过5000种新型材料设计方案。

解释到，CuspAI不是对无限的化学空间做穷举搜索，而是像人类化学家一样去学习筛选高潜力候选材料，这一过程中AI会挖掘材料结构数据和性能之间的关联。

“我们把无限的化学空间，压缩到一个可研究的范围。这就是AI for Science最令人兴奋的地方。”