近日，全球最大的芯片设备商应用材料（Applied Materials），在硅谷桑尼维尔揭幕了一座造价50亿美元的研发中心。
它的名字叫EPIC，全称“设备与工艺创新及商业化中心”。
这座建筑占地60万平方英尺，内有近4英亩无尘室，光是用掉的钢材就相当于两座埃菲尔铁塔。
更重要的是，台积电、英特尔、三星、美光、SK海力士五家芯片巨头全部是创始合作伙伴，各自派工程师常驻，和应用材料的团队在同一栋楼里并肩干活。
应用材料给出的目标相当激进，一代新芯片架构从概念走到商业化，通常需要10到12年，EPIC希望把这个周期压缩到最短6年。
公司总裁兼CEO盖瑞·狄克森表示：“在EPIC中心，芯片制造商、系统设计公司、设备合作伙伴和研究人员将与我们的团队并肩合作，以前所未有的速度让突破性的材料创新迈向大规模量产。”
而这，恰恰是AI for Science在材料领域最想解决的问题。
摩尔定律的下半程，是材料
为什么一家设备商这么看重材料？
主持揭幕峰会的应用材料半导体事业部总裁珀拉布·拉贾（Prabu Raja）博士给出了答案。
他说，在如今原子级尺度的工艺下，许多材料及材料界面会表现出全新的特性，材料创新已经无法再沿用串行开发的模式，EPIC要做的，就是让材料、工艺和设备并行创新，提高新材料和新技术的成功率。
此前，应用材料在官方博客中坦言，单靠光刻把晶体管越做越小，换来的性能提升正在变少，芯片要继续变强，越来越依赖材料工程上的突破。
问题在于，材料研发是出了名的慢。
传统模式下，材料研究、设备开发、工艺整合和试产分散在不同的公司、不同的地点。
材料团队找到一个好候选材料，要交给设备团队做出能量产的机器，再交给晶圆厂调工艺，每一次交接都意味着寄样品、对数据、重新试错，一来一回就是几年。
EPIC的思路很简单，把接力赛改成一起共创。
芯片厂的工程师提前进场，在应用材料最新的原型设备上直接验证自己的路线图，材料、设备、工艺三条线并行推进。
材料发现，正是AI开始介入的地方。
梳理下来会发现，应用材料在“AI+材料”上的布局，远比新的研发中心更早。
最早的一步是2021年推出的AIx平台。它给工艺腔室加装新传感器和机器学习算法，实时分析化学、能量、压力、温度等变量，再用工艺配方优化器和数字孪生模型做虚拟实验，加速材料和配方开发。
今年3月，应用材料又联手英伟达，用GPU加速半导体材料的第一性原理模拟。
据应用材料官方披露，评估候选材料的一次典型模拟，过去在64个CPU核上要跑5天，如今一块英伟达B200 GPU只需2小时；一轮约1.5万次的反应路径搜索，过去在400个CPU核上要1.5周，如今5小时就能完成，官方称之为55倍加速。
图：分子建模以获得原子层面洞察
这类模拟的对象，正是氧化铪这类决定晶体管性能的关键材料。
6月，应用材料与新加坡国立大学深化了双方的先进材料联合实验室合作。
合作的重点是用设备产生的真实数据训练AI，让AI同时从模拟和真实实验中学习，从而实现一个闭环，逐步缩小对更好材料和工艺条件的搜索范围。
更值得注意的是7月。
AI材料公司CuspAI发起了“AI材料铸造厂”（AI Materials Foundry），英伟达、Meta、三星等45家以上机构成为创始成员，应用材料赫然在列。
应用材料首席AI官Yu Cao表示，希望借助CuspAI的AI能力，大幅压缩从概念到可用新材料的时间。
不仅如此，应用材料旗下的风投部门Applied Ventures每年可投资最多1亿美元，也已经把AI for Science与材料列为投资方向之一。
狄克森则在接受媒体采访时透露，公司内部部分业务借助AI实现的效率提升可达50%，未来规模翻倍时，员工数量不会同步翻倍。
从自研平台、算力合作、产学研闭环，到押注AI材料平台和风投布局，应用材料已经把“AI加速材料研发”铺成了一张完整的网。
AI+材料，最先买单的是芯片公司
把视角拉到整个AI4S赛道，会发现一个有意思的现象。AI+材料的创业公司，第一批付费客户恰恰来自半导体行业。
最典型的是Periodic Labs。这家公司由ChatGPT核心创建者之一、前OpenAI研究副总裁利亚姆·费德斯（Liam Fedus），和前谷歌DeepMind科学家Ekin Dogus Cubuk在2025年创办。
Cubuk此前参与的GNoME项目，曾用AI预测出200多万种新晶体结构。
Periodic Labs的路线是AI加机器人自动化实验室，让AI自己提出材料假设、让机器人去合成验证，把失败的实验数据也变成训练燃料。
它最初瞄准的方向就包括超导体和半导体散热问题，而且已经拥有来自半导体行业的付费客户，这在大多还没有收入的AI科学公司里相当少见。
据彭博社报道，Periodic Labs今年3月正在洽谈以约70亿美元估值融资数亿美元，距离上一轮约10亿美元的估值，时间不到一年。
国内的AI+材料赛道同样在升温。
据智药局不完全统计，中国AI+材料企业已达74家，覆盖上游科学计算工具、技术平台、实验室自动化、AI研发服务CRO，以及正在谋求智能化转型的传统材料和制造企业。
从方向上看，新能源电池、光伏材料、半导体电子材料和高端金属材料是目前的四大主流赛道，钙钛矿光伏和电池设计自动化落地最快。
资本则明显偏好材料研发大模型和智慧实验室自动化这类平台型、技术壁垒高的企业，这和CuspAI、Periodic Labs被追捧的逻辑如出一辙。
过去几年，AI for Science最耀眼的故事几乎都发生在生物领域，从AlphaFold到AI设计蛋白，再到一个个AI制药独角兽。
但应用材料这50亿美元提醒我们，材料可能是AI4S下一个真正有人愿意付钱的主战场。
毕竟芯片厂有钱、有明确的需求、有可量化的回报，研发周期每缩短一年，都直接对应着数十亿美元的市场先机。
—The End—
热门跟贴