CuspAI 獲 45 億美元 Series B 融資，聯手 48 巨頭打造 AI 材料工廠

與此同時，CuspAI 啟動了「AI 材料工廠」（AI Materials Foundry），一個由 48 家工業與研究夥伴組成的聯盟，專注於加速半導體、潔淨能源與先進製造領域的 AI 設計材料開發 。以下為此交易的完整、經核實的分項解析，包括技術原理、聯盟細節、競爭對手比較，以及伴隨 26 億美元估值而來的關鍵警示：該公司目前尚未有任何商業化部署的材料 。

融資歷程：從種子輪到 26 億估值的兩年之路

CuspAI 成立於 2024 年，同年 6 月即由 Hoxton Ventures 領投完成 3000 萬美元種子輪 。至 2025 年 9 月，該公司關閉了一輪由 NEA 與淡馬錫共同領投的 1 億美元 Series A，估值 5.2 億美元，參與者包括 NVIDIA 的創投部門、三星創投，以及 OpenAI 共同創辦人 Durk Kingma、Hugging Face 共同創辦人 Thomas Wolf 等天使投資人 。

新的 4.5 億美元 Series B 已於 2026 年 7 月 20 日確認。早在同年 6 月，《金融時報》即報導該公司正洽談以約 26 億美元估值募資約 4 億美元 。最終輪規模略高於初步報導，並新增了 AMD Ventures、Glade Brook Capital Partners、Lux Capital，以及英國、荷蘭（Invest-NL）與新加坡的主權投資者 。

AI 材料工廠：48 家成員的產業聯盟

在宣布融資的同一天，CuspAI 推出了 AI 材料工廠，這是一個全球性聯盟，旨在集結運算力、專有材料數據、實驗室產能與製造專業知識，以加速材料設計 。創始成員包括 NVIDIA、Meta、三星、現代汽車集團、應用材料（Applied Materials）、科林研發（Lam Research）、東京電子（Tokyo Electron）、ASMPT、3M、漢高（Henkel）、日立、JSR、默克（Merck）、AMD 等數十家企業 。

NVIDIA 提供加速運算基礎設施；Meta 的基礎 AI 研究團隊（FAIR）貢獻其原子級化學模型 。各成員公司提供專有材料數據、實驗室產能與製造需求 。聯盟的目標是將傳統上需要 10 至 20 年的材料發現時間壓縮到六個月一個循環 。

逆向設計系統 MIRA 如何運作

CuspAI 的核心平台名為 MIRA，它翻轉了傳統的材料發現流程 。傳統做法是先合成化合物再測試其性質；MIRA 則讓使用者先指定所需的性能特徵——例如耐熱性、導電率、二氧化碳選擇性、抗蝕刻性等——然後由生成式 AI 模型提出針對這些性質最佳化的候選分子結構。關鍵在於，系統也會評估「可製造性」，確保提出的候選物在現實中能夠被實際合成出來 。

該公司將 MIRA 形容為「物質世界的搜尋引擎」。平台會篩選龐大的化學空間，然後將頂尖候選物分配給聯盟夥伴，進行快速合成與真實世界驗證 。Series A 與 B 的投資者 NEA 如此描述此方法：「逆向設計——從目標性質出發，反向提出候選方案——然後透過快速反饋循環評估其穩定性、性能與可製造性」。

共同創辦人

CuspAI 由兩位具備互補專長的人士於 2024 年共同創立 ：

• Chad Edwards 博士——執行長。一位化學家，曾在 Google、BASF，以及最近的量子運算公司 Quantinuum 負責技術商業化 。他也曾是劍橋量子計算（Cambridge Quantum Computing）的商業共同創辦人 。
• Max Welling 教授——首席 AI 長。知名 AI 研究員，曾任微軟研究院與高通（Qualcomm）的傑出科學家與副總裁，現為阿姆斯特丹大學教授 。Welling 是現代 AI 的先驅，以圖神經網路與變分推斷方面的研究聞名。

總部位於英國劍橋，但根源可追溯至阿姆斯特丹（Welling 的所在地）。知名顧問包括「AI 教父」Geoffrey Hinton、Yann LeCun，以及前 ASML 技術長 Martin van den Brink 。

競爭對手比較

CuspAI 所處的 AI 材料新創領域正快速成長，以下是根據現有資訊的比較 ：

關鍵策略差異：CuspAI 不自建機器人實驗室，而是將物理驗證外包給聯盟夥伴。理論上這能讓它更快擴張並利用現有製造專業，但也代表它對合成環節的控制權較弱 。相較之下，Lila Sciences 與 Periodic Labs 都營運著完全自主的濕實驗室——這是一種更資本密集、端到端的方法，可能產生更緊密的預測-驗證反饋循環 。由 ChatGPT 共同創造者 Liam Fedus 與 Google DeepMind 科學家 Ekin Doğuş Çubuk 共同創立的 Periodic Labs，其目標更為狹窄（室溫超導體）。Lila Sciences 的範疇最廣，涵蓋生物學、化學與材料 。

擴展的考驗：六個月週期能撐下去嗎？

AI 材料工廠的可行性，關鍵取決於其「六個月發現到驗證」的週期，能否在擴展到 48 個以上夥伴——各自擁有不同的專有數據格式、相互衝突的智慧財產權利益與不同的製造限制——的情況下持續運作 。理論上，CuspAI 的中央 MIRA 平台能將合適的候選物有效地分配給合適的夥伴，但風險在於協調成本、數據共享摩擦，以及一個物理現實：無論 AI 多麼聰明，合成與測試仍然緩慢、昂貴且充滿雜訊 。

如果聯盟無法在六個月內反覆展示完整的閉環突破，這個模式可能淪為一個大規模的模擬引擎，而非真正的材料產出管線 。多個消息來源指出了一個關鍵警示：「目前，沒有任何 CuspAI 的項目已產出商業化部署的材料」。對於一家估值 26 億美元的公司而言，承諾與實績之間的差距，將是 AI 材料工廠從宣布走向執行時必須面對的決定性問題。