英国材料创新初创公司Mater-AI已筹集150万英镑资金。全球每年有超过70%的能源以废热形式损失，价值超过1520亿美元，这些废热来自数据中心和重工业等领域。
然而，热电材料领域上一次重大突破还要追溯到20世纪50年代的碲化铋，这种半导体被用于加热汽车座椅和便携式冷却器等日常技术中。Mater-AI开发了一个用于发现更高效热电材料的新平台，该材料能将热量转化为电能，或无需制冷剂即可提供冷却。该平台结合了人工智能和基于物理的建模，将设计周期从数十年加速到数周——比传统研发快438倍——通过优化热电导率等特性来实现更高效率、更低成本和可扩展性。
公司由Nickel Blankevoort博士（首席执行官）、Gatleen Bhambra（首席运营官）和Chelsea Williams（首席技术官）联合创立。Mater-AI基于Blankevoort博士在华威大学进行的量子纳米电子学和热电学理论建模研究。在其博士期间，他通过传统方法在一年内发现了三种新的材料结构。如今，Mater-AI的平台每小时能生成并评估100种结构。
从生成式AI到材料科学 Bhambra此前曾在一家基于生成式AI大语言模型的营销科技公司担任产品设计师。那是在ChatGPT推出之后，她意识到人工智能将从根本上重塑一切。“我一直想创办一家公司，但我并非来自创业氛围明显的背景。你不知道从哪里开始——感觉就像深渊。”她坦言。Bhambra求助于Y Combinator的匹配平台——她将其描述为“基本上就像为创始人准备的相亲平台”。经过一年的交流，她遇到了现在的首席技术官Chelsea，后者拥有机器学习和量子计算博士学位。
他们的技能相辅相成：Bhambra带来了产品、商业和运营经验，而Chelsea则拥有深厚的技术专长。两人参加了Conception X的深度科技加速器和Barclays产品构建加速器，探索他们能够解决何种有意义、商业上可行且具有防御性的问题。Bhambra承认，材料科学最初并不在他们的考虑范围内。“我们的一位Conception X导师问我们是否考虑过材料科学——本质上就是将AI驱动的药物发现原理应用于材料发现。但我们立刻就看到了需求。”
认识到自身的局限，他们再次转向YC平台寻找领域专家。Chelsea在那里遇到了Nickel——现在的首席执行官兼第三位联合创始人——他拥有计算材料科学博士学位，专注于量子电子学和热电学。“一次通话后，Chelsea告诉我，‘你必须见见他——这就是我们的想法。’” Bhambra说，创始团队就此成型。“就是这样。我们找到了创始团队。”
热电材料的功能 热电材料能将热量转化为电能。它们是即插即用的设备，没有活动部件，极其耐用且无需维护。例如，一个40mm x 40mm的热电模块置于加热的汽车座椅下，可以为座椅降温或从热量中发电。但真正的机会在于目前有大量热量被浪费的工业和能源系统。热电设备可以部署以回收这些能量，延长部件寿命，或提供精确的热控制——所有这些都无需活动部件或复杂的维护。
如今，其应用涵盖多个领域：
- 数据中心：冷却GPU、CPU和服务器；减少因热量导致的性能降频。
- 物联网和远程传感器：在仅需约1瓦输出时替代电池。
- 汽车和国防：为远程传感器供电，管理加热座椅，延长电池寿命。
- 能源和重工业：提高电网、变压器、电动汽车电池和工业机械的效率。
“让热量再次变得有用” 由于热电模块易于扩展——从微型芯片到表面阵列——它们为消费电子和大型基础设施的能源回收和热管理提供了灵活的途径。公司最初瞄准国防、汽车和工业物联网应用的热电发电机，性能改进可释放34至46亿英镑的新市场价值。该技术可为下一代防御系统提供无声、固态的电源，延长电池寿命，并为机械和远程基础设施的连续监测实现自供电工业传感器。
Bhambra分享道：“我们的使命很简单：让热量再次变得有用。我们希望建立一个每辆汽车、每个数据中心、每块电池和每个工业系统都能重新利用自身热量的世界——将废能转化为回收的能量。想象一下，数据中心利用废热自行发电，电动汽车通过回收热能使行驶距离更远，以及永远不需要电池的基础设施。我们的平台在数周内就能发现新材料，而不是数年，使我们更接近一个拥有根本不同能源架构的世界——在那里，万物都能为自己供电。”
Mater-AI的模块化发现引擎赋予其优势 AI-材料发现领域正在发生很多事情，但据Bhambra称，很少有公司专门专注于新型热电材料。相反，大型参与者正在攻克庞大的类别——如硅材料、碳捕获——这需要数亿资金和庞大的团队。而较小的公司则专注于磁体等狭窄领域。“我们的优势在于引擎是模块化的：我们今天专注于热电材料，但其架构可以适应未来的材料类别。”其次，Bhambra断言，由于当今的热电材料效率如此低下，“如果我们将效率提高一倍，基本上就等于将能量回收的成本降低了一半。除非他们来找我们，否则现有企业将无法竞争。”
为何投资者在技术问世前就支持Mater-AI Mater-AI的独特之处在于它在非常早期的阶段就筹集了150万英镑。Bhambra将其成功归功于Conception X，这是一家英国非营利组织，运营着欧洲最大的跨大学深度科技风险投资项目，面向博士生。Bhambra断言，Conception X帮助团队意识到这确实可以成为一家公司：“我们设计了推介方案，理解了机会，并从该项目的风险合伙人那里筹集了第一笔10万英镑。他们也参与了我们的主要轮次融资。”团队在非常早期，仅凭想法和演示文稿（而非实际业务进展）进行了推介，但风投机构理解这个问题。“他们运营着欧洲最大的GPU集群之一，”Bhambra解释道，“数据中心大约97%的能量以废热形式损失。经济影响是巨大的。数据中心告诉我们，‘即使你们只能节省1%的废能，那也意义重大。’这种早期的信念让我们得以构建团队今天拥有的技术。”
然而，Bhambra承认，对于其种子前轮融资，验证比第一笔10万英镑融资时重要得多。“投资者想要证据。我们构建的速度超出了所有人的预期。我们以为构建发现引擎需要两年时间。但在聘请了创始AI科学家Jack Broad博士后，我们仅用六个月就完成了，团队只有四人。在尽职调查期间，最严格的评审者之一是Edward Grant博士。他尝试了各种方法来严格测试模型：幻觉测试、边缘案例以及迫使出错的方法。Mater-AI超出了预期，他后来作为AI顾问加入了公司。“我们还直接与能源、电力电子和数据中心领域的全球领导者进行了交谈——他们告诉我们愿意为什么付费，以及试点规模会是什么样子。这种行业需求起了很大作用。”Bhambra分享道。
非技术/技术背景较浅的创始人在深度科技中被低估的力量 根据经验，最好的团队是高度技术人才和沟通者的结合。许多初创公司认为媒体优先关注技术出身的首席执行官，但有很多人有很多话要说，从接近客户的人到沟通者。毕竟，你可以拥有世界上最好的博士级创新，但如果不能阐明它为何重要，就无法获得资金。Bhambra拥有产品、商业和运营背景，因此习惯于与工程师合作，但她承认：“我不懂技术——我不会编程。说实话，这反而是一种优势。”相反，她断言每家深度科技公司都需要一个“翻译者”——一个能够将复杂的科学转化为客户、记者、合作伙伴和投资者能理解的清晰信息的人。“我管理所有利益相关者关系、推介材料、商业战略和沟通。许多技术出身的创始人低估了这个桥梁角色的重要性。”Bhambra分享道。她对未来的非技术背景创始人寄语：“不要将自己排除在深度科技之外。你可能正是缺失的那一块。”
本轮融资由Twin Path Ventures领投，Mishcon de Reya、One Planet Capital、XTX Ventures、Conception X天使财团、Koro Capital和Tailored Solutions跟投。
Mater-AI实现商业热电突破的18个月路径 未来六到八周内，该团队将与剑桥大学、帝国理工学院和Henry Royce Institute合作，开始对其首个AI发现的热电材料进行实验室测试。“这将使我们首次从技术就绪水平4级提升到5级。”Bhambra说。
此后，Mater-AI将在实验和计算之间开启快速循环。实验室结果将直接反馈到公司的基于物理的AI模型中，锐化预测并加速寻找商业可行的材料。然后在未来12到18个月内，公司将在实验室结果和AI模型之间快速迭代，以完善预测。“目标是获得一种具有更高效率和更低毒性的商业可行材料。”Bhambra解释道。
最终，目标是实现一类新型热电材料，它不仅性能超越当今5%到7%效率的黄金标准，而且毒性更低、成本效益高且易于规模化生产。一旦领先候选材料得到验证，Mater-AI将转向器件级原型制作，首次将其材料嵌入热电模块中。由于工业时间线很长——通常为15到24个月——公司已经在与世界各地的行业主要参与者建立关系。
这些里程碑共同为Mater-AI设定了清晰的现实世界部署路线图。
