### [CuspAI](https://hello123.com/)

**Published:** 2026-11-06T09:24:00

**Author:** hello123

**Excerpt:** CuspAI 是剑桥大学推出的材料学 AI 搜索工具。输入强度、导电性、耐热性等属性，系统生成多个候选分子结构…

## CuspAI 是什么：材料界的反向搜索引擎

传统材料研发流程是正向的：先合成或设计一种材料，再测试它有什么性质。这个过程慢，往往需要数年甚至十年以上。**CuspAI** 把这个流程倒了过来。你输入想要的性能，比如耐热 800 摄氏度、能选择性吸附二氧化碳，该工具就生成可能满足条件的分子结构。

![CuspAI截图](https://cdn.hello123.com/wp-content/uploads/2026/09/cuspai.jpg)

CuspAI 是英国剑桥一家人工智能材料发现公司，成立于 2024 年。它的核心产品是一个材料属性搜索引擎。你不需要从现有材料库中挑选，而是直接描述需求。系统用生成式 AI 和分子模拟技术，给出全新的候选结构。

-   定位：材料界的反向搜索引擎，从性能出发找结构。
-   核心卖点：大幅缩短材料发现周期。公司 CEO 查德·爱德华兹称，目标是把 10 年以上的周期缩短到数年。
-   创始背景：联合创始人 Max Welling 是**机器学习**领域知名学者，论文被引超 **18 万次**。另一位联合创始人 Chad Edwards 是化学家，曾在谷歌、巴斯夫和 Quantinuum 工作。
-   融资里程碑：2024 年 6 月完成 3000 万美元种子轮；2025 年 9 月完成 1 亿美元 A 轮；2026 年 4 月被报道正在洽谈至少 2 亿美元新融资。

### 从属性到分子：逆向设计思路

传统计算化学软件，比如 Schrödinger，主要做正向模拟。你画一个分子，软件计算它的性质。CuspAI 反过来。你输入目标性质，它输出分子结构。

这个思路并不新，但生成式 AI 让它变得可行。以前逆向设计受限于搜索空间太大。现在用**深度学习**模型，可以在虚拟空间中快速生成和评估大量候选结构。CuspAI 把这个过程做成一个搜索引擎界面。你不需要懂底层算法，只要描述需求。

### 创始团队与融资里程碑

-   Max Welling：联合创始人兼首席 AI 官。曾任微软研究院杰出科学家、高通技术公司副总裁。博士导师是诺贝尔奖得主 Gerard ‘t Hooft。
-   Chad Edwards：联合创始人兼 CEO。化学家背景，曾在谷歌、巴斯夫从事深科技商业化，后在量子计算公司 Quantinuum 工作。
-   学术顾问：包括“AI 教父” Geoffrey Hinton 和图灵奖得主 Yann LeCun。
-   2024 年 6 月：完成 3000 万美元种子轮，由 Hoxton Ventures 领投。
-   2025 年 9 月：完成 1 亿美元 A 轮，由 NEA 和淡马锡共同领投。英伟达、三星、现代汽车参投。
-   2026 年 4 月：据公开报道，正在洽谈至少 2 亿美元新融资，估值可能超过 10 亿美元。

## CuspAI 主要特点：五个核心功能拆解

CuspAI 的功能可以归纳为五个方面。其中，材料属性搜索和分子结构生成是核心。快速筛选评估、新材料发现、碳捕获存储是应用方向。

| 功能模块 | 作用说明 |
| :--- | :--- |
| 材料属性搜索 | 把需求变成筛选条件 |
| 分子结构生成 | AI 给出多个候选 |
| 快速筛选评估 | 从海量结构中找较优候选 |
| 新材料发现 | 覆盖强度、导电性、耐热性等 |
| 碳捕获和存储 | 聚焦气候材料 |

### 材料属性搜索：把需求变成筛选条件

你不需要知道材料叫什么名字。你只需要告诉系统，你要一种材料，它要能承受 500 摄氏度高温，同时保持一定导电性。系统把这些属性作为搜索条件。

这个搜索不是查数据库。它是在一个巨大的可能分子空间里搜索。传统搜索引擎找的是已经存在的东西。这个平台找的是可能被创造出来的东西。Max Welling 说过，想象一个搜索引擎，不仅能搜现有材料，还能搜所有可能被创造的分子。

### 分子结构生成：AI 给出多个候选

输入需求后，系统会生成多个候选分子结构。这些结构不是从数据库里复制出来的，是 AI 根据条件新生成的。

你可以看到每个候选结构的大致形状和组成。系统会列出它们的关键性质预测。你可以从中选择几个感兴趣的，进入下一步。

### 快速筛选与评估：从海量结构中找较优候选

生成候选只是第一步。真正有价值的是快速筛选。系统能在短时间内评估大量结构，帮你排除明显不合适的。

这个筛选过程基于分子模拟和机器学习预测。你不需要手动计算每个候选的性质。系统自动完成，并给出排序。你可以集中精力看前几个。

### 碳捕获和存储：聚焦气候材料

CuspAI 把碳捕获和存储作为重点方向。具体来说，是设计能选择性结合二氧化碳的材料。

这种材料可以用在发电厂、工厂的排放口。它能把二氧化碳从混合气体中抓出来。然后存储或转化。这个方向直接对应全球碳中和目标。公司从成立起就强调这个应用。

## CuspAI 新手上手指南：从注册到拿到候选分子

下面按步骤走一遍。假设你是第一次使用。目标是从注册到拿到几个候选分子结构，并导出报告。

### 访问平台并注册账户

1.  打开浏览器，访问 cusp.ai。
2.  点击注册按钮。
3.  用邮箱或机构账号创建账户。
4.  登录后进入主界面。

### 输入材料需求：属性与应用场景

1.  找到“新建搜索”或类似入口。
2.  在属性栏输入机械强度、导电性、热稳定性等要求。
3.  指定应用场景，比如电池材料、催化剂、药物载体。
4.  如有特殊要求，比如成本上限、环保限制，一并写清。

### AI 分析与生成候选结构

1.  提交需求后，系统开始分析。
2.  等待片刻，系统会生成多个候选分子结构。
3.  每个候选会附带性质预测。
4.  你可以浏览列表，查看结构图。

### 筛选优化与虚拟评估

1.  从候选列表中选择感兴趣的结构。
2.  使用平台提供的优化工具，调整结构参数。
3.  运行虚拟评估，查看优化后的性能预测。
4.  重复筛选，直到找到满意的候选。

### 导出报告与商业化衔接

1.  选定最终候选后，点击“生成报告”。
2.  报告包含设计过程、性能评估结果。
3.  下载报告，用于内部讨论或专利申请。
4.  如需商业化，可联系平台方或自行对接实验验证。

## CuspAI vs 同类工具：Schrödinger、Orbital Materials 怎么选

这个领域有三类参与者。传统计算化学软件，比如 Schrödinger 和 Dassault Systèmes。AI 原生材料发现公司，比如 CuspAI 和 Orbital Materials。选择取决于你的**工作流**程和需求。

| 特性维度 | 核心方法 | 用户界面 | 目标用户 | 融资阶段 |
| :--- | :--- | :--- | :--- | :--- |
| CuspAI | 逆向设计，从性能到结构 | 搜索引擎式，输入属性 | 材料科学家、工程师 | A 轮后，1 亿美元 A 轮 |
| Schrödinger | 正向模拟，从结构到性能 | 专业软件，需要化学知识 | 计算化学家、药物研发 | 上市公司 |
| Orbital Materials | AI 驱动材料发现 | 平台式，面向研发 | 材料研发团队 | A 轮，1600 万美元 |

### 与 Schrödinger 和 Dassault Systèmes 的差异

Schrödinger 和 Dassault Systèmes 提供的是计算化学和材料模拟软件。你需要自己构建分子模型，然后运行模拟。这要求用户有较强的化学和计算背景。

CuspAI 把这个过程简化了。你不需要画分子，只需要描述需求。系统自动生成和评估。这对非计算背景的工程师更友好。但传统软件在精确模拟和实验验证方面有更长的积累。

### 与 Orbital Materials 的正面竞争

Orbital Materials 是另一家 AI 材料发现公司，由 **Google DeepMind** 部分前成员创立。它也有一个 AI 驱动平台，用于发现从电池到二氧化碳捕获的材料。

两家公司路线相似，但团队背景和融资规模不同。CuspAI 的学术顾问阵容更强，包括 Hinton 和 LeCun。融资方面，CuspAI 的 A 轮是 1 亿美元，Orbital Materials 的 A 轮是 1600 万美元。专注领域上，CuspAI 更强调碳捕获。

## CuspAI 实际场景表现：五类用户怎么用

不同用户用这个工具的方式不同。下面分五类说明。

### 材料科学家：设计特定性能新材料

你有一个性能目标，比如一种既轻又硬的材料。传统方法是查文献、试合成。用这个平台，你直接输入性能指标。系统给出候选结构。你挑几个去实验室合成。这能省掉大量试错时间。

### 化学工程师：开发催化剂与改进工艺

你需要一种新催化剂，提高某个反应的转化率。你输入反应条件、目标产物、选择性要求。系统生成可能的催化剂结构。你评估后，选几个做实验。这比从零设计快得多。

### 环境科学家：碳捕获技术研究

你研究如何从空气中直接捕获二氧化碳。你输入吸附容量、选择性、再生能耗等要求。系统给出候选吸附材料。你可以快速筛选，找到有潜力的结构。

### 能源行业专家：新型能源存储材料

你在找一种新的电池电极材料。你输入能量密度、循环寿命、成本等要求。系统生成候选结构。你评估后，选择几个进行更详细的模拟或实验。

### 教育工作者和学生：教学与研究工具

教授可以用这个平台演示材料设计流程。学生可以输入不同属性，观察 AI 生成的结构。这比传统教学更直观。学生也能用它做课程项目，体验逆向设计。

## CuspAI 近半年的关键变化：融资、合作与新能力

2025 年下半年到 2026 年上半年，这个公司动作频繁。融资、合作、新应用都有进展。

### 2025 年 9 月 A 轮融资与战略投资者

2025 年 9 月，CuspAI 完成 1 亿美元 A 轮融资。领投方是 NEA 和淡马锡。英伟达、三星、现代汽车作为战略投资者参投。这笔钱用于扩大团队和加速平台开发。

### 与现代汽车的新材料研究合同

近期，CuspAI 与现代汽车签订了共同研究合同。目标是开发新一代纳米材料。具体应用方向未完全公开，但可能涉及电池或轻量化材料。

### 2026 年 4 月洽谈 2 亿美元新融资

> 据公开报道，CuspAI 正在洽谈至少 2 亿美元新资金。如果完成，估值将超过 10 亿美元。这距离 A 轮仅过去约 7 个月。估值跃升反映出投资者对 AI 材料发现的兴趣。

## CuspAI 总体评价：优势与当前局限

这个工具的核心优势是逆向设计。你从需求出发，而不是从材料出发。这改变了材料发现的起点。团队背景和融资支持也很强。但它不是万能的。

### 推荐使用 CuspAI 的情况

-   你有一个明确的性能目标，但不知道什么材料能满足。
-   你想快速生成一批候选结构，再做实验筛选。
-   你关注碳捕获、能源存储等气候相关材料。
-   你没有深厚的计算化学背景，但需要做材料设计。

### 当前局限与需要注意的点

-   实验验证仍需自己完成。平台只提供虚拟评估。
-   材料数据库覆盖范围尚无公开数据。可能偏向某些材料类别。
-   商业化落地还在早期。没有公开的大规模工业应用案例。
-   定价和免费试用政策未公开。需要联系销售或注册后了解。

## 参考资料

-   [DoNews](https://www.donews.com/news/detail/8/4318768.html)（2024-06-19）— 报道 CuspAI 完成 3000 万美元种子轮融资及投资方信息。
-   [搜狐](https://www.sohu.com/a/938276279_354973?scm=10001.1492_13-103000-0_8000.0-0.0.0_1929)（2025-09-24）— 介绍 CuspAI 顾问团队、创始人背景及与 Meta 的合作。
-   [腾讯网](https://new.qq.com/rain/a/20240618A08P9300?media_id=&openApp=false&suid=&web_channel=wap)（2024-06-19）— 说明 CuspAI 的逆向设计思路及与传统软件的区别。
-   [网易](https://m.163.com/dy/article/J51AEJ50055689ZC.html)（2024-06-19）— 引用 Max Welling 对材料搜索引擎的设想及公司定位。



---