用 AI 找新材料能帮英伟达解决芯片发热问题吗

芯片发热问题现在简直离谱，Nvidia 和 AMD 几乎每代产品都在翻倍 TDP。H100 是 700W，Blackwell 到了 1.2kW，据说 2026 年的 Rubin 甚至要冲到 2.3kW。数据中心现在耗电耗水，很大一部分就是为了给这些发烫的芯片散热。其实如果能把 3D 封装普及，让 HBM 内存直接叠在逻辑芯片上面，能耗能降低 10 到 50 倍，但卡在了介质材料（比如二氧化硅）导热太差，热量全被锁在中间，根本散不出去。

这就是 Discovered Materials 这个 YC 项目想切入的点。他们尝试用 AI Agent 来加速半导体新材料的研发，试图跨越那个极其昂贵的“实验室到工厂”的死亡之谷。

最让我意外的是他们对模型的实测结果。他们跑了 Anthropic、OpenAI 和 Kimi 的 7 个模型，发现这些模型在 8 小时内算出的新材料，居然能达到一个博士生花两周时间才有的发现量，而且这些材料在计算上是动态稳定且性能达标的。

不过，计算出结果只是第一步，能不能在实验室里把它“造”出来才是真正的难点。目前的 LLM 在给出具体的合成配方（Synthesis Recipes）时还比较弱。好在他们这三个月在 YC 期间已经有了实操进展，模拟并合成了一些热界面材料（TIMs），性能居然能跟那些化学巨头保密 20 年的商业秘密产品打平。

他们还分享了一些关于模型在材料研发中的怪异表现，比如 Claude 容易出现奖励黑客（Reward Hack）现象，而某些模型在处理超长 Token 之后会突然“发疯”。

这种把 AI Agent 扔进材料科学深水区的尝试很有意思，如果真的能通过软件优化硬件材质，那散热瓶颈被突破后的算力爆发会非常恐怖。