AI 新創拿到大錢，現在已經不容易讓人停下來多看一眼。CuspAI 這輪 4.5 億美元融資的特別之處在於，資金不是追逐聊天、影片或辦公智慧代理，而是投向更慢、更硬、也更接近晶片供應鏈底層的材料發現。
7 月 20 日，英國劍橋新創 CuspAI 宣布完成4.5 億美元 B 輪融資，投後估值達 26 億美元，並同步推出 AI Materials Foundry。公司稱這是一個全球材料發現網路，把資料、實驗室、算力與科學專家連接起來，服務半導體、電網、電池、碳捕集、水處理等場景。
這條新聞的重點不是又多了一家 AI 獨角獸，而是另一個更窄的問題：當 AI 晶片持續消耗電力、稀有金屬與先進製程能力時，材料本身會不會成為下一個瓶頸。
資本押注的是實驗室速度
CuspAI 由 Chad Edwards 與 Max Welling 共同創辦，成立僅約兩年。上一輪超過 1 億美元的 A 輪還不到一年，這次 B 輪由 Kleiner Perkins 和 NEA 領投，Bezos Expeditions 也大額參與。
投資人名單很長。新投資方包括 Glade Brook、Lux Capital、AMD Ventures、StepStone、英國 Sovereign AI Venture Fund、荷蘭 Invest-NL 與 John Doerr；Temasek、Prosus、Northzone、Hoxton Ventures、Lightspeed、Giant Ventures、LocalGlobe 等既有股東也跟進。
CuspAI 把自己稱為「材料世界的搜尋引擎」。使用者提出想要的化學或物理屬性，系統生成候選材料，再結合模擬、實驗與產業夥伴回饋做篩選。這聽起來像生成式 AI，但真正沉重的部分在濕實驗、工藝驗證與供應鏈替換。
公司的訊息很直接：如果材料發現不能加速，未來數十年的工業進步可能卡在一批尚未被發現、或尚未能規模製造的材料上。
Foundry 是一條產業驗證鏈
AI Materials Foundry 的首批夥伴超過 45 家，The Guardian 和 Bloomberg 的口徑則寫作 48 家以上。名單包括 NVIDIA、Meta、Samsung、Hyundai Motor Group、Henkel、Applied Materials、Tokyo Electron、Merck 等接近晶片、電子、化工與製造的企業。
這組公司本身就說明 CuspAI 瞄準的是一條長驗證鏈。半導體需要更省電、更穩定的材料與製程配方；碳捕集需要兼顧效率、成本與可規模製造的吸附材料；電池與電網要面對壽命、安全與資源限制；水處理則需要更精準的化學方案來處理 PFAS 等污染物。
Kleiner Perkins 合夥人 Josh Coyne 的判斷很直白：許多重大技術躍遷最後都落在某種材料上。放到 AI 基礎設施裡並不誇張。GPU、HBM、先進封裝、冷卻與電力設備，每一環都會先碰到物理限制。
供應鏈視角才是增量
只看融資，這像是一則歐洲 AI 新創新聞。放進 AI 基礎設施鏈條，意義會更清楚：大模型競賽已從訓練演算法擴展到電力、散熱、晶圓、設備與材料。
中文讀者熟悉的是算力卡、萬卡叢集、推理價格與開源模型；CuspAI 這類公司提醒的是另一層約束。晶片產能不只由光刻機與 GPU 決定，很多時候還要看某種材料能否在成本、良率、穩定性與環保限制下進入量產。
這也解釋了為什麼英國政府基金、Bezos Expeditions、AMD Ventures 和半導體設備鏈條會同時出現。材料 AI 若能縮短篩選週期，收益不只落在一家軟體公司，而會傳導到晶片、能源與製造端。
不要把數字讀成已經量產
幾組數字需要分開看。4.5 億美元融資與 26 億美元估值，說明資本願意為材料 AI 支付高溢價，但不等於技術已經跑通所有工業場景。
45 家以上 Foundry 夥伴代表 CuspAI 能接觸更多資料、實驗條件與產業需求，但夥伴多不等於每條產線都會採用。
NEA 在投資說明中強調，材料發現過去常被拉長到 10 到 20 年。CuspAI 想把生成、合成、測試與驗證壓縮到月級。這個目標誘人，也最需要後續證據。
接下來看三件事就夠了：CuspAI 能否公開更多從 AI 候選到實驗驗證的閉環案例；Foundry 夥伴是否把材料放進晶片或能源產品測試；所謂材料搜尋引擎能否交付可製造、可採購、可合規的結果。
AI 正在把一部分科研流程產品化。CuspAI 這輪融資說明，下一段競爭可能發生在實驗台與工廠之間，模型榜單只覆蓋其中一小段。
參考來源：CuspAI 官方公告、The Guardian、Bloomberg、CocoLoop、NEA 投資說明；核驗 4.5 億美元 B 輪、26 億美元估值、45 家以上 Foundry 夥伴、A 輪 1 億美元以上、半導體與材料應用口徑。