成立几个月的YC初创悬赏100万美元：五道芯片材料难题，各20万美元
作者：周砚
Discovered Materials 于11月5日宣布设立总额100万美元的悬赏，为五个尚未解决的材料科学问题各开20万美元奖金。这家公司刚成立几个月，做的是用AI寻找芯片材料，8月刚完成900万美元种子轮。算下来，这笔钱买的主要是答案、标准，还是名声，还得看规则怎么写。
2026年11月5日，旧金山初创公司 Discovered Materials 宣布设立总额100万美元的悬赏，为材料科学里五个尚未解决的问题各开20万美元奖金 。这家公司成立才几个月，是Y Combinator 2026年春季批次的项目，做的是用AI agent寻找半导体材料 。
五道题由合作高校的学者顾问组拟定，斯坦福教授 Felipe Jornada 参与了出题 。内容分成两类：一类要求理论解释，包括铜氧化物为何能在极低温下零电阻超导，以及光照为何会改变材料行为（尤其是超导相关行为）；另一类要求数值方法，包括预测硅与二氧化硅界面结构、把晶粒结构映射到热性能、改进密度泛函理论（DFT，材料模拟里用来算原子和分子结构的基础工具）。硅和二氧化硅这对组合，几乎每一颗半导体里都有 。
公司联合创始人 Advaith Sridhar 解释了出题的动机：材料科学不像数学，数学有明确判定标准，能给出是或否的答案，而材料问题的定义本身就很难说清楚 。因此，他更看重这些题目作为“标杆”的作用：用固定问题观察模型的能力有没有提升 。
为此，公司在公布悬赏前先做了一次摸底。它把前沿实验室的模型放出去，给AI agent联网权限和其他资源，让它们自主运行；每个问题花了好几天，都没有取得实质进展 。
这笔钱到底买的是什么
从账面上看，100万美元对一家刚完成900万美元种子轮的公司不算小数目，约占融资额的九分之一；这轮由Lightspeed领投，YC、Peak XV跟投，天使投资人里还有 Paul Graham 。
但五道题都属于理论或数值方法，即使解出来，也拿不到能直接进晶圆厂的材料。按公司自己的说法，一种新材料从被发现到进入晶圆厂，需要数年时间和数亿美元投入，多数想法就死在这段“死亡谷”里 。所以，悬赏买的主要不是能卖的材料。
Sridhar 的说法也不回避这一点：无论是自己、别人、教授还是前沿实验室解出题目，公司都不太在意 。他把这些题称为“目标门柱”——有人解出来，就等于大家把材料以及身边事物运行方式的理解往前推了一步 。
另一层收益是声量，以及“度量衡”的位置。公司同期开源了 Material Discovery Bench，一个用于衡量AI材料发现能力的基准，由IBM、IMEC、斯坦福、剑桥的专家参与构建 。悬赏题和这个基准的思路是一样的：先把验证方式和题目定下来，再等别人提出解释 。如果题目日后被逐一攻破，Discovered Materials 也就自然成了记录“AI在材料领域爬到哪一级”的那一方。这套做法也贴合它的主业：一部分精力放在和芯片巨头合作的横向项目上，另一部分则用于自研材料 。
为什么难，难在哪
在AI已经屡屡攻克数学开放问题、并在生命科学有进展的当下，材料物理是相对沉默的一块 。材料科学至今也没有千禧年大奖式的权威问题清单 ，这也是公司要自己找教授出题的原因。
公司自己的预测试就是旁证：给足联网权限和数天自主时间，模型在这五个问题上仍然没有实质突破 。不过 Sridhar 也承认，OpenAI 或 Anthropic 用更强算力、更新模型一次性试做（one-shot）这些题，并非不可能 。
商业化方面的进度，目前只有公司单方面的说法：在3个月YC批次内，团队模拟、合成并测试了热界面材料，性能对标某大型化工公司保密并销售了20多年的产品 。这一说法没有独立验证。公司还提到，GPU当前承受的热流密度约为140 W/cm²，比航天飞机再入大气层时的鼻锥还高 。Sridhar 8月时的目标是“一年内做出有用的材料”，现在的说法是时间表有所提前，他更有信心在不到一年内找到工业上有用的材料 。
尚未明确的规则
对学界来说，20万美元高于多数小额科研经费，有吸引力。但 TechCrunch 的报道和公司官网都没有说明几件事：五个问题怎样才算“解开”，由谁评审，知识产权和署名怎么归属，悬赏有没有期限、是否分期发放、允许多人同时获奖 。这些细节决定这100万美元最终流向谁，也决定它是一场公开的能力测评，还是一次成本不高的人才与关注度招募。对一家成立几个月的公司，两种结果都不算坏，只是账目要等规则公布后才能算清。
转载说明
本文根据以下公开资料整理，原文及配图出处见下方。
评论 0
还没有评论，来抢沙发。