CuspAI rejser 3 milliarder kroner: Den fulde historie om AI-startup'en, der skriver kemi om

Investeringsrunden: Fra frø til 17,4 milliarder på to år

CuspAI blev grundlagt i 2024 og rejste en seed-runde på 30 millioner dollars i juni samme år, ledet af Hoxton Ventures . I september 2025 lukkede selskabet en Series A på 100 millioner dollars, co-ledet af NEA og Temasek, til en værdiansættelse på 520 millioner dollars. Deltagerne omfattede Nvidias venturearm, Samsung Ventures og en række business angels som OpenAI-medstifter Durk Kingma og Hugging Face-medstifter Thomas Wolf .

Den nye Series B på 450 millioner dollars blev bekræftet den 20. juli 2026, efter at Financial Times i juni havde rapporteret, at selskabet var i forhandlinger om at rejse omkring 400 millioner dollars til en værdiansættelse på 2,6 milliarder dollars . Den endelige runde var større end først antaget og omfattede en række nye investorer — AMD Ventures, Glade Brook Capital Partners, Lux Capital og statslige investorer fra Storbritannien, Holland (Invest-NL) og Singapore — ud over hovedinvestorerne . I nogle medier er runden rapporteret til omkring 500 millioner dollars, men de fleste kilder anfører 450 millioner dollars .

AI Materials Foundry: Et industrikonsortium med 48 medlemmer

Samme dag som finansieringen blev offentliggjort, lancerede CuspAI AI Materials Foundry, et globalt konsortium designet til at samle regnekraft, proprietære materialedata, laboratoriekapacitet og produktionsekspertise for at accelerere materialedesign . Blandt de grundlæggende medlemmer er Nvidia, Meta, Samsung, Hyundai Motor Group, Applied Materials, Lam Research, Tokyo Electron, ASMPT, 3M, Henkel, Hitachi, JSR, Merck, AMD og mange andre .

Nvidia leverer accelereret computerinfrastruktur, mens Meta bidrager med sit Fundamental AI Research (FAIR)-teams atomistiske kemimodeller . Medlemsvirksomhederne bidrager med proprietære materialedata, laboratoriekapacitet og produktionskrav . Koalitionens erklærede mål er at komprimere den traditionelle 10-20 årige materialeopdagelsestidslinje til seks måneders cyklusser .

Hvordan inverse-design-systemet (MIRA) fungerer

CuspAIs kerneplatform, kaldet MIRA, vender den traditionelle materialeopdagelsesproces på hovedet . I stedet for at syntetisere forbindelser og derefter teste deres egenskaber, specificerer brugerne de ønskede præstationsegenskaber — varmetolerance, elektrisk ledningsevne, CO₂-selektivitet, ætsebestandighed — og de generative AI-modeller foreslår kandidatmolekylære strukturer optimeret til disse egenskaber. Kritisk nok evaluerer systemet også fremstillbarhed, så de foreslåede kandidater faktisk kan syntetiseres .

Virksomheden beskriver MIRA som "en søgemaskine for materialeverdenen" . Platformen screener kandidater mod et enormt kemisk rum og sender derefter de bedste hits til koalitionspartnere til hurtig syntese og validering i den virkelige verden . NEA, som investerede i både Series A og B, beskrev tilgangen som "inverse design — start med målegenskaber og arbejd baglæns for at foreslå kandidater — evaluer derefter stabilitet, ydeevne og fremstillbarhed gennem hurtige feedback-loops" .

Medstifterne

CuspAI blev grundlagt i 2024 af to personer med komplementær ekspertise :

• Dr. Chad Edwards — CEO. En kemiker med industrierfaring inden for teknologikommercialisering hos Google, BASF og senest kvantecomputervirksomheden Quantinuum . Han var også medstifter af Cambridge Quantum Computing på den kommercielle side .
• Professor Max Welling — Chief AI Officer. En anerkendt AI-forsker, tidligere fremtrædende forsker og vicepræsident hos Microsoft Research og Qualcomm, samt professor ved universitetet i Amsterdam . Welling er en pioner inden for moderne AI og kendt for sit arbejde med graf-neurale netværk og variationel inferens.

Virksomheden har hovedkontor i Cambridge, Storbritannien, med rødder tilbage til Amsterdam, hvor Welling er baseret . Bemærkelsesværdige bestyrelsesmedlemmer inkluderer Geoffrey Hinton ("AI's gudfar") som rådgiver, Yann LeCun og den tidligere ASML CTO Martin van den Brink .

Konkurrentsammenligning: Hvordan CuspAI klarer sig

CuspAI opererer i et hastigt voksende rum sammen med andre velkapitaliserede AI-materialestartups. Her er en sammenligning baseret på tilgængelige oplysninger :

Den centrale strategiske forskel: CuspAI bygger ikke sine egne robotlaboratorier. I stedet outsourcer de fysisk validering til koalitionspartnere, hvilket teoretisk gør det muligt at skalere hurtigere og drage fordel af eksisterende produktionsekspertise, men også betyder, at de afgiver kontrol over syntese-loopen . Modsat opererer både Lila Sciences og Periodic Labs fuldt autonome vådlaboratorier — en mere kapitalintensiv, end-to-end tilgang, der potentielt giver strammere feedback-loops mellem forudsigelse og validering . Periodic Labs, medstiftet af ChatGPT-medskaber Liam Fedus og Google DeepMind-forsker Ekin Doğuş Çubuk, har et smallere nordstjernemål (en stuetemperatursuperleder) . Lila Sciences har den bredeste vifte, der dækker biologi, kemi og materialer .

Skaleringsspørgsmålet: Kan seks-måneders-cyklusser overleve?

AI Materials Foundrys levedygtighed afhænger af, om dets seks måneders opdagelses-til-validerings-cyklusser kan holde, når konsortiet skalerer til 48+ partnere, hver med proprietære dataformater, modstridende IP-interesser og forskellige produktionsbegrænsninger . Løftet er, at CuspAIs centraliserede MIRA-platform kan sende den rigtige kandidat til den rigtige partner effektivt, men risiciene inkluderer koordineringsomkostninger, datadelingsfriktion og den fysiske realitet, at syntese og test — uanset hvor intelligent AI'en er — forbliver langsom, dyr og støjfyldt .

Hvis koalitionen ikke kan demonstrere gentagne closed-loop-gennembrud inden for seks-måneders-kadencen, risikerer modellen at blive en storstilet simuleringsmotor snarere end en ægte materiale-pipeline . Flere kilder noterer en kritikal forbehold: "I øjeblikket har intet CuspAI-initiativ endnu produceret et kommercielt materiale" . For en virksomhed værdiansat til 17,4 milliarder kroner vil dette gab mellem løfte og bevis være det definerende spørgsmål, når AI Materials Foundry bevæger sig fra annoncering til udførelse.