📰 重點摘要
Discovered Materials是一家由Advaith Sridhar與Akash Ramdas共同創辦的新創公司，剛從Y Combinator畢業後,獲得Lightspeed India Partners領投的900萬美元種子輪融資，投資方還包括Peak XV Partners，以及天使投資人Paul Graham、Gokul Rajaram與Thariq Shihipar。公司目標是用AI agent群集尋找能提升晶片散熱效率的新材料，藉此緩解AI運算晶片過熱、進而拉高資料中心用電與冷卻成本的問題。Ramdas具備史丹佛材料科學博士背景，Sridhar則曾在Persona AI與Luma Labs從事agent相關工作。兩人打造了一套軟體管線，先用Anthropic模型在自訂框架中生成候選材料方向，再交由團隊自行訓練的基礎物理模型進行模擬驗證，確認候選材料是否真正可行。Sridhar表示，Ramdas讀博士時一天大約只能手動嘗試20種猜測，如今透過agent 24小時在雲端運行、依據他設定的研究方向探索，一天可執行數千次嘗試。公司今天公開了數百種新材料範例，並發布名為「Material Discovery Bench」的基準工具，用來追蹤前沿模型在此類材料發現任務上的表現。目前市場上MatNex、SandboxAQ、CuspAI等公司也在做類似的事，Discovered Materials則主打聚焦半導體材料散熱問題這個利基。公司稱已發現多種材料性質與主要晶片廠現用材料相符，但未透露具體細節。挑戰在於材料需同時滿足散熱、可製造性與電性等多重條件才具實用價值，找到有價值的候選材料後，公司計畫申請材料應用於GPU或製程的專利，再對外授權。
💬 JudyAI Lab 觀點
Discovered Materials剛從YC畢業就拿到Lightspeed India Partners領投的900萬美元種子輪，投資人名單包括Paul Graham，這反映AI agent不只用來寫程式或做客服，也開始被拿去解決材料科學這種傳統上極度耗時的實驗性難題。
創辦人Ramdas提到讀博士時一天只能手動嘗試約20種材料猜測，現在用agent群24小時在雲端跑，一天可執行數千次嘗試，這種「速度差」正是AI agent最有價值的應用場景：先用語言模型生成候選方向，再交給自訓練的物理模擬模型驗證，把人力密集的試錯流程變成可規模化的管線。值得注意的是MatNex、SandboxAQ、CuspAI等公司也在做類似的事，顯示「AI agent+領域模擬模型」組合正在材料科學領域形成一種新的產業做法，而不是單一公司的個案。
對AI builder來說，可以思考自己手上有沒有類似「生成候選+驗證篩選」兩階段能拆解的重複性任務。
📅 原文資訊
- 發布時間：2026-08-10T12:00
- 來源原文：https://techcrunch.com/2026/08/10/discovered-materials-is-playing-ai-whack-a-mole-to-hunt-cooler-chips/