Chip de IA esquenta muito. Isso não é segredo pra quem já viu a conta de energia de um data center ou sentiu o notebook virar uma chapa quente rodando modelo local. E adivinha quem tá tentando resolver esse problema? A própria IA.
A Discovered Materials, startup recém-saída da Y Combinator, fechou uma rodada seed de 9 milhões de dólares liderada pela Lightspeed India Partners, com participação da Peak XV Partners e de anjos como Paul Graham, Gokul Rajaram e Thariq Shihipar. O plano: colocar exércitos de agentes de IA pra caçar novos materiais que deixem chips mais eficientes e frios.
Como funciona a busca
Os fundadores, Advaith Sridhar e Akash Ramdas, montaram um pipeline que usa modelos da Anthropic dentro de um sistema próprio pra sugerir candidatos a novos materiais. Depois, modelos de física treinados pela dupla simulam esses candidatos pra checar se valem a pena de verdade.
Ramdas tem doutorado em ciência dos materiais por Stanford e conta que, durante o PhD, conseguia testar cerca de 20 hipóteses por dia. Com os agentes rodando 24 horas na nuvem, esse número virou milhares por dia. É basicamente terceirizar o trabalho braçal de tentativa e erro pra máquina, deixando o pesquisador focado em apontar a direção.
A empresa divulgou hoje exemplos de centenas de materiais descobertos e lançou o Material Discovery Bench, uma espécie de ranking pra medir como diferentes modelos de IA se saem nessa tarefa.
Concorrência e o problema real
Discovered Materials não está sozinha nessa. MatNex, SandboxAQ e CuspAI fazem apostas parecidas em descoberta de materiais via IA. A diferença, segundo a startup, é o foco cirúrgico no problema térmico dos semicondutores, e não em tudo que a ciência de materiais pode oferecer.
O time já diz ter encontrado materiais com propriedades parecidas às de substâncias usadas por grandes fabricantes de chips, mas não abriu detalhes. Faz sentido guardar isso a sete chaves: se o material funciona, a ideia é patentear o uso em GPUs ou o processo de fabricação e depois licenciar pra quem faz chip.
É um pouco jogar cutuca-a-toupeira com estruturas atômicas, disse Hemant Mohapatra, sócio da Lightspeed que liderou o investimento. Um material só é útil se todas as propriedades, térmica, elétrica, de fabricação, se encaixarem ao mesmo tempo.
E aqui está o pé no chão da história: nenhum material ou remédio descoberto por IA ainda virou produto comercial em escala. O caso mais avançado é o Renterosib, remédio da Insilico Medicine, primeiro criado com IA generativa a chegar numa fase 2 de testes clínicos. No lado dos materiais, já teve avanço com ímãs sem terras raras da MatNex e trabalhos da Panasonic com a Citrine Informatics, mas nada saiu do papel pra produção em massa.
Mohapatra acredita que gerar candidatos vai virar commodity conforme os modelos melhoram. O que separa quem ganha é conseguir filtrar e sintetizar rápido, e isso ainda depende de laboratório físico, de gente de luva testando tubo de ensaio. Sridhar mesmo admite: essa parte não dá pra acelerar. O hype de agente de IA rodando rápido tem um limite bem claro: o mundo físico não roda em paralelo na nuvem.