Исследование
Финансирование CuspAI выводит открытие материалов с помощью ИИ на фазу верификации
Раунд финансирования Series B компании CuspAI на 450 миллионов долларов и AI Materials Foundry показывают, как капитал перемещается из общего AI-программного обеспечения в научные системы, которые всё ещё должны доказать свою эффективность в лабораториях и на производствах.
Майкл Г ·
CuspAIновый раунд финансирования показывает, что ИИ для науки переходит от исследовательского энтузиазма к капиталоемкой валидации. Reuters сообщил, что стартап из Кембриджа, Великобритания, привлек 450 миллионов долларов от инвесторов, включая правительство Великобритании и инвестиционный фонд Джеффа Безоса, с Kleiner Perkins и NEA, возглавляющими Серии B при оценке в 2,6 миллиарда долларов. Компания также запустила AI Materials Foundry, сеть из более чем 45 партнеров, предназначенную для объединения данных, лабораторных мощностей, промышленного опыта и вычислительных ресурсов для открытия новых материалов.
На собственном сайте компания описывает CuspAI как создание ИИ-системы для открытия материалов и заявляет о AI Materials Foundry включает промышленных партнеров, лабораторных партнеров и партнеров по данным в сферах полупроводников, хранения энергии, климатических технологий и передового производства. Такая широта амбициозна. Это также тот вид амбиций, который необходим для решения этой проблемы. Открытие материалов не заканчивается, когда модель предлагает молекулу или кристаллическую структуру. Оно заканчивается только тогда, когда кандидат может быть синтезирован, испытан, масштабирован и использован в реальном процессе.
Ограничением в исследованиях является физическая природа. Языковые модели могут генерировать правдоподобный текст в больших объемах, потому что стоимость ошибки часто ограничивается временем на проверку. Модели материалов работают в более сложной области. Многообещающее предсказание может оказаться неверным, если материал нестабилен, его невозможно производить экономически эффективно, он зависит от редких компонентов или несовместим с технологическими параметрами клиента. Лабораторная скамья — это не эталон. Это фильтр.
Вот почему сеть партнеров так же важна, как и финансирование. CuspAI перечисляет партнеров, включая Nvidia, Meta, Applied Materials, Hyundai, Fujifilm, Lam Research, Samsung, SoftBank, Университет Кембриджа, A*STAR, и поставщики данных. Компания пытается связать проектирование моделей с организациями, которые обладают измерительным оборудованием, отраслевыми наборами данных и производственными проблемами, которые стоит решать. Без этой связи открытие материалов с помощью ИИ рискует превратиться в поток списков кандидатов без пути к внедрению.
Список инвесторов также показывает, почему рынок заинтересован. Полупроводники нуждаются в лучших материалах для производства и упаковки. Батареям нужны более безопасные, дешевые и плотные химические составы. Климатические технологии требуют катализаторов, сорбентов, мембран, покрытий и промышленных материалов, способных выдерживать реальные рабочие условия. Если ИИ сможет сократить хотя бы часть этого поискового процесса, коммерческая ценность может быть большой. Слово 'если' здесь играет большую роль.
Раунд финансирования следует за более широким сдвигом в научном ИИ. Google DeepMind AlphaFold помог показать, что машинное обучение может давать полезные научные прогнозы, но путь от прогноза к продукту остаётся неоднородным. Разработка лекарств, проектирование белков, моделирование погоды, ядерный синтез и материаловедение сталкиваются с разными требованиями к проверке. Общий урок заключается в том, что модель наиболее ценна, когда она встроена в экспериментальную цепочку, которая может подтвердить или опровергнуть её предложения.
Следовательно, оценка CuspAI будет проверяться через производительность, а не только через научную элегантность. Сколько кандидатов система может сгенерировать? Сколько из них партнеры могут синтезировать? Сколько проходят измерение? Сколько дают полезное улучшение по сравнению с существующими материалами? Сколько времени занимает цикл? Какие результаты являются собственностью компании, а какие могут быть проверены независимо? Именно эти вопросы определяют, является ли компания платформой для открытий или хорошо финансируемым исследовательским обещанием.
Участие государства добавляет еще один уровень. Великобритания хочет обладать суверенной способностью в области ИИ и научными компаниями, которые могут закрепить высокоценные исследования на родине. Поддержка стартапа в области материалов соответствует этой промышленной стратегии, поскольку результаты могут быть важны для микросхем, энергетики и производства. Но государственное финансирование также повышает ожидания в отношении побочных эффектов, рабочих мест и национальной пользы. Компания, которая работает на глобальном уровне, должна показать, как эти блага распределяются.
Наиболее полезным способом интерпретации раунда финансирования CuspAI является не доказательство того, что ИИ может проектировать следующее поколение материалов по требованию, и не еще один избыток финансирования ИИ. Это крупная ставка на более тесную исследовательскую петлю. У компании есть капитал, партнеры и своевременный набор проблем. Ей все еще предстоит превратить прогнозы в измеренные материалы, а измеренные материалы — в продукты.
Сейчас начинается фаза проверки. Индустрия ИИ стала хорошо справляться с созданием демонстраций, которые выглядят завершенными на экране. Открытие материалов не будет оцениваться на экране. Оно будет оцениваться по пластинам, батареям, катализаторам, покрытиям и заводским процессам, которые работают лучше благодаря тому, что модель помогла сузить поиск.
Темы: CuspAI, материалы для ИИ, научный ИИ, Nvidia