Исследования
Финансирование CuspAI переводит открытие материалов с использованием ИИ в фазу валидации
Раунд финансирования Series B компании CuspAI на $450 миллионов и AI Materials Foundry показывают, как капитал перемещается от общего программного обеспечения для ИИ к научным системам, которые все еще должны доказать свою эффективность в лабораториях и на заводах.
Майкл Г ·
CuspAIНовый раунд финансирования показывает, что ИИ для науки переходит от энтузиазма в исследовании к капиталоёмкой проверке. Reuters сообщили, что стартап из Кембриджа, Великобритания, привлек 450 миллионов долларов от инвесторов, включая правительство Великобритании и инвестиционный фонд Джеффа Безоса, с Клейнер Перкинс и NEA лидирует в серии B с оценкой в 2,6 миллиарда долларов. Компания также запустила AI Materials Foundry — сеть из более чем 45 партнёров, предназначенную для объединения данных, лабораторных мощностей, промышленного опыта и вычислительных ресурсов для поиска материалов.
Собственный сайт компании описывает CuspAI как создающую систему ИИ для открытие материалов и говорит, что Фабрика материалов ИИ включает промышленных партнёров, лабораторных партнёров и партнёров по данным в сферах полупроводников, накопления энергии, климатических технологий и передового производства. Такая широта амбициозна. Она также является правильным видом амбиций для этой проблемы. Открытие материалов не заканчивается, когда модель предлагает молекулу или кристаллическую структуру. Оно заканчивается только тогда, когда кандидат может быть синтезирован, протестирован, масштабирован и использован в реальном процессе.
Ограничение исследований носит физический характер. Языковые модели могут масштабно генерировать правдоподобный текст, потому что стоимость ошибки предложения часто заключается во времени на проверку. Модели материалов работают в более сложной области. Многообещающее предсказание может не оправдаться, потому что материал нестабилен, невозможно произвести его экономически, он зависит от редких компонентов или несовместим с технологическим процессом заказчика. Лабораторный стол — это не эталон. Это фильтр.
Вот почему сеть партнеров имеет такое же значение, как и финансирование. CuspAI перечисляет партнеров, включая Nvidia, Meta, Эппла́йд Мэтириалс, Hyundai, Fujifilm, Lam Research, Samsung, SoftBank, Университет Кембриджа, A*STAR, и поставщиков данных. Компания пытается связать проектирование моделей с организациями, которые располагают измерительным оборудованием, специализированными 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 их внедрению.
Список инвесторов также показывает, почему рынок заинтересован. Semiconductors нужны лучшие материалы для производства и упаковки. Батареям нужны более безопасные, дешёвые и высокой плотности химические составы. Технологиям по климату нужны катализаторы, сорбенты, мембраны, покрытия и промышленные материалы, которые могут выдерживать реальные условия эксплуатации. Если ИИ сможет сократить даже часть этого поискового процесса, коммерческая ценность может быть велика. Слово «если» здесь играет важную роль.
Раунд финансирования следует за более широкой сменой в области научного ИИ. Google DeepMind's AlphaFold помогло показать, что машинное обучение может давать полезные научные прогнозы, но путь от прогноза к продукту остается неровным. Разработка лекарств, дизайн белка, моделирование погоды, ядерный синтез и материаловедение сталкиваются с разными нагрузками по валидации. Общий урок заключается в том, что модель наиболее ценна, когда она встроена в экспериментальный цикл, который может подтвердить или опровергнуть её предложения.
Таким образом, оценка CuspAI будет проверяться через пропускную способность, а не только через научную изысканность. Сколько кандидатов система может сгенерировать? Сколько из них могут синтезировать партнёры? Сколько проходят измерения? Сколько дают полезное улучшение по сравнению с существующими материалами? Сколько времени занимает этот цикл? Какие результаты являются закрытыми, а какие можно проверить независимо? Именно эти вопросы определяют, является ли компания платформой для открытий или хорошо финансируемым исследовательским обещанием.
Участие правительства добавляет еще один уровень. Великобритания хочет обладать суверенной способностью в области ИИ и научными компаниями, которые могут закреплять исследования высокой ценности на родной территории. Поддержка стартапа в сфере материалов соответствует этой промышленной стратегии, потому что результаты могут быть важны для производства микрочипов, энергетики и промышленного производства. Но государственное финансирование также повышает ожидания в отношении побочных эффектов, рабочих мест и национальной пользы. Компания, работающая на глобальном уровне, должна будет показать, как эти преимущества распределяются.
Наиболее полезным способом воспринять раунд финансирования CuspAI является не доказательство того, что искусственный интеллект может создавать новое поколение материалов по запросу, и не очередной избыточный вклад в ИИ. Это большая ставка на более компактный исследовательский цикл. У компании есть капитал, партнёры и своевременный набор проблем. Ей всё ещё предстоит превратить прогнозы в измеренные материалы и измеренные материалы в продукты.
Теперь начинается этап верификации. Индустрия ИИ стала хорошо создавать демонстрации, которые выглядят завершёнными на экране. Открытие материалов не будет оцениваться на экране. Оно будет оцениваться по пластинам, батареям, катализаторам, покрытиям и производственным процессам, которые работают лучше, потому что модель помогла сузить поиск.
Темы: CuspAI, материалы по ИИ, научный ИИ, Nvidia