Discovered Materials ใช้ AI Agents เพื่อแก้ปัญหาความร้อนของชิป
ในขณะที่ภาระงาน AI กำลังผลักดันให้ศูนย์ข้อมูลเข้าใกล้ขีดจำกัดด้านความร้อน สตาร์ทอัพน้องใหม่กำลังนำ Generative AI มาใช้แก้ปัญหาที่ตัวมันเองเป็นคนสร้างขึ้น Discovered Materials มีเป้าหมายที่จะทำให้ชิปมีประสิทธิภาพมากขึ้น โดยการใช้ AI agents แบบอัตโนมัติเพื่อค้นหาวัสดุระบายความร้อนชนิดใหม่ๆ
การขยายขอบเขตการค้นพบด้วย AI Swarms และแบบจำลองทางฟิสิกส์
คอขวดในการผลิตชิปสมัยใหม่ไม่ใช่เรื่องของการออกแบบ แต่คือความร้อนที่เกิดจากภาระการประมวลผลมหาศาล Discovered Materials ซึ่งเป็นศิษย์เก่าของ Y Combinator ได้เข้ามาแทนที่การคาดเดาของมนุษย์ด้วย AI pipelines ที่มีความเร็วสูง ผู้ก่อตั้ง Advaith Sridhar และ Akash Ramdas ได้สร้างซอฟต์แวร์ที่เชื่อมโยงความฉลาดแบบ Generative เข้ากับความเป็นจริงทางกายภาพ
เวิร์กโฟลว์นี้จะป้อน Anthropic models เข้าสู่สภาพแวดล้อมที่ปรับแต่งขึ้นเพื่อสร้างแนวทางวัสดุ (material leads) จากนั้นสตาร์ทอัพจะนำแนวทางเหล่านั้นไปผ่านแบบจำลองทางฟิสิกส์ที่ฝึกฝนมาเพื่อทำการจำลอง (simulation) อย่างเข้มงวด นักวิจัยที่เป็นมนุษย์อาจจัดการการคาดเดาได้เพียง 20 ครั้งต่อวัน แต่ AI agents สามารถสร้างการจำลองได้หลายพันครั้งตลอด 24 ชั่วโมงบนระบบคลาวด์
ความท้าทายแบบ "ตีตัวตุ่น" (Whack-a-Mole) ของวิศวกรรมวัสดุ
การค้นหาวัสดุที่มีศักยภาพเป็นเพียงครึ่งหนึ่งของการต่อสู้เท่านั้น วัสดุหนึ่งอาจจะระบายความร้อนได้ดีเยี่ยม แต่อาจล้มเหลวในด้านความเสถียรทางไฟฟ้าหรือความสามารถในการผลิต Hemant Mohapatra พาร์ทเนอร์จาก Lightspeed India Partners เปรียบเทียบกระบวนการนี้กับการเล่นเกม "ตีตัวตุ่น" กับโครงสร้างอะตอม เนื่องจากข้อจำกัดด้านความร้อน ไฟฟ้า และการผลิตจะต้องสอดคล้องกันทั้งหมด
เพื่อวัดความยากนี้ บริษัทได้เปิดตัว "Material Discovery Bench" ซึ่งเป็นเครื่องมือที่ติดตามว่าโมเดล AI ระดับแนวหน้าจัดการกับปัญหาด้านวัสดุศาสตร์ที่มีหลายมิติอย่างไร คู่แข่งอย่าง MatNex, SandboxAQ และ CuspAI ต่างดำเนินธุรกิจในพื้นที่เดียวกัน แต่ Discovered Materials มุ่งเน้นไปที่คอขวดด้านความร้อนที่ขัดขวางประสิทธิภาพของเซมิคอนดักเตอร์
จากการจำลองแบบดิจิทัลสู่ฮาร์ดแวร์ที่จดสิทธิบัตรได้
ขณะนี้สตาร์ทอัพกำลังเปลี่ยนผ่านจากการค้นพบในรูปแบบดิจิทัลไปสู่การตรวจสอบทางกายภาพ โดยได้ระบุวัสดุหลายชนิดที่มีคุณสมบัติตรงกับวัสดุที่ผู้ผลิตชิปรายใหญ่ใช้งาน และกำลังทดสอบวัสดุเหล่านั้นในการทดลองในห้องปฏิบัติการ (wet-lab)
Discovered Materials สร้างธุรกิจบนทรัพย์สินทางปัญญา เมื่อวัสดุที่ผ่านการตรวจสอบแล้ว ทีมงานจะจดสิทธิบัตรการใช้วัสดุนั้นใน GPU หรือกระบวนการผลิตที่จำเป็นในการรวมวัสดุเข้ากับชิป การให้สิทธิ์ใช้งานสิทธิบัตรเหล่านั้นแก่ยักษ์ใหญ่ด้านเซมิคอนดักเตอร์อาจทำให้บริษัทกลายเป็นรากฐานสำคัญในฮาร์ดแวร์ AI ประสิทธิภาพสูงยุคถัดไป
สรุปประเด็นสำคัญ
- ความเร็วที่ขับเคลื่อนด้วย AI: Anthropic models และการจำลองตามหลักฟิสิกส์ช่วยยกระดับการค้นพบวัสดุจากการคาดเดา 20 ครั้งต่อวัน เป็นหลายพันครั้ง
- มุ่งเน้นการเพิ่มประสิทธิภาพด้านความร้อน: บริษัทมุ่งเป้าไปที่ปัญหาการระบายความร้อนที่ส่งผลกระทบต่อชิป AI และศูนย์ข้อมูลสมัยใหม่ ซึ่งแตกต่างจากสตาร์ทอัพด้านการค้นพบวัสดุทั่วไป
- โมเดลที่เน้นทรัพย์สินทางปัญญา (IP): บริษัทวางแผนสร้างรายได้จากสิ่งที่ค้นพบโดยการจดสิทธิบัตรสารและกระบวนการใหม่ๆ แล้วจึงให้สิทธิ์ใช้งานแก่ผู้ผลิตชิปรายใหญ่
ความเสี่ยงและข้อโต้แย้ง
(ส่วนนี้เว้นว่างไว้เพื่อให้ผู้วิเคราะห์เติมข้อมูล)
สิ่งที่ต้องจับตามองต่อไป
- การนำ Benchmark ไปใช้ –
- ความก้าวหน้าจากการทดลอง –
- การเป็นพันธมิตรกับโรงงานผลิตชิป (fabs) –
- ความท้าทายด้านกฎระเบียบหรือทรัพย์สินทางปัญญา –
บทสรุป
Discovered Materials เดิมพันว่า AI agents แบบอัตโนมัติจะสามารถก้าวข้ามสัญชาตญาณของมนุษย์ในการแข่งขันเพื่อระบายความร้อนให้กับชิป AI ที่ทรงพลังมากขึ้นเรื่อยๆ ด้วยการจับคู่โมเดลภาษาแบบ Generative เข้ากับการจำลองตามหลักฟิสิกส์ สตาร์ทอัพรายนี้อ้างว่าสามารถเปลี่ยนกระบวนการ "ลองผิดลองถูก" ที่ล่าช้า ให้กลายเป็นการค้นหาที่มีประสิทธิภาพสูง ซึ่งให้ผลลัพธ์เป็นวัสดุระบายความร้อนที่สามารถจดสิทธิบัตรและผลิตได้จริง การที่แนวทางนี้จะผ่านการตรวจสอบในห้องปฏิบัติการ (wet-lab) และผ่านช่วงการยอมรับที่ระมัดระวังของโลกเซมิคอนดักเตอร์ได้หรือไม่ จะเป็นตัวตัดสินว่าบริษัทจะกลายเป็นตัวเร่งที่ซ่อนอยู่สำหรับฮาร์ดแวร์ AI ที่เย็นขึ้นและมีประสิทธิภาพมากขึ้น หรือจะเป็นเพียงการทดลองที่ทะเยอทะยานอีกครั้งในด้านเคมีที่ขับเคลื่อนด้วย AI