CuspAI

CuspAI 是一家面向新材料发现的生成式 AI 公司，把生成模型与物理模拟结合，目标是按需设计具备特定性能的分子与材料，重点切入碳捕集、储能等可持续方向，服务对象是科研机构与产业研发团队，而非个人消费者。

核心参数与统计

CuspAI 是一家把生成式 AI 用于新材料发现的研发型公司，核心主张是把材料从“在已知库里筛选”转变为“按目标性能直接生成”。它不是面向大众的内容生成工具，而是面向科研与产业研发的科学计算平台。

项目	公开信息
官方定位	面向材料发现的生成式 AI 平台
能力组合	生成模型 + 物理/化学模拟
重点方向	碳捕集、清洁能源、可持续材料
创始团队	Max Welling、Chad Edwards
总部	英国剑桥
服务对象	科研机构、企业研发团队
商业模式	企业/科研合作（非自助消费）
价格	未公开，以商务沟通为准

定位解读：传统材料研发依赖大量实验试错，周期长、成本高。CuspAI 的价值在于先用生成模型提出候选结构，再用模拟筛掉不可行项，把实验环节压缩到最有希望的少数候选上。

边界说明：它的产出是“候选材料与性能预测”，并不能替代实验验证；真正落地仍需湿实验室与中试环节配合。

用户与市场认可

CuspAI 的认可度主要来自团队背景与研究方向，而非公开的用户规模数据。

团队信号：联合创始人 Max Welling 是机器学习与图神经网络领域的知名学者，这让 CuspAI 在“AI for science”方向具备较强的学术与工程号召力。

方向认可：公司聚焦碳捕集与可持续材料，契合产业界对新型吸附材料、电池材料的迫切需求，属于资本与研究机构关注的高价值赛道。

待核验项：具体融资规模、合作企业名单、已交付材料数量等数据官方未系统公开，应以官方实时披露为准，不宜据传闻当作既定事实。

成本优势

CuspAI 的成本逻辑不是“便宜的订阅”，而是“降低材料研发的总试错成本”。

• C 端/个人：不面向个人用户开放自助订阅，个人无法按月购买使用。
• 开发者/API：是否提供对外 API 或模型接口未公开，需商务确认。
• 企业/科研：以合作研发或定制项目形式计费，价格与交付范围需商务沟通，以官方实时沟通为准。

真实成本结构：对采购方而言，显性支出是合作费用，隐性收益是把昂贵的实验试错前移到计算筛选阶段。评估时应关注候选命中率、实验验证转化率，以及与自有实验体系的对接成本，而非单纯比较平台报价。

CuspAI 的主要功能

CuspAI 的能力围绕“按目标性能生成并筛选材料”展开：

• 目标导向的材料生成：以期望性能（如吸附能力、稳定性）为约束反向生成候选结构。
• 物理/化学模拟评估：对生成候选做性质预测，过滤明显不可行的方案。
• 可持续方向专精：在碳捕集、储能等方向沉淀任务相关的建模能力。
• 研发流程协同：把 AI 候选与实验验证串联，形成“生成—模拟—验证”闭环。

功能价值的关键在于候选质量：真正有意义的不是生成数量，而是进入实验后能被验证的比例。

模型与版本演进

CuspAI 以持续迭代的研发平台形态运行，而非按公开版本号发布的消费级软件。

• 2024 年（成立期）：公司成立并确立生成式 AI 材料发现方向，启动平台与合作研究。
• 2026 年（当前线上形态）：以研发平台对接合作方，持续强化生成模型与模拟能力。

由于官方未公开统一版本号与精确发布日期，版本脉络以公开里程碑表述，具体能力以官方实时披露为准。

CuspAI 的技术优势

CuspAI 的技术优势来自“生成 + 模拟”的组合，而非单一大模型：

机制：生成模型负责在巨大的化学/结构空间里提出新候选，模拟环节负责对候选做物理可行性与性能预测。

效果：相比纯实验试错或纯数据库筛选，这种组合能在更大空间里探索，同时用模拟约束减少无效候选。

适用场景：最适合“已知目标性能、但缺乏现成材料”的研发任务，例如为特定 CO₂ 捕集条件设计吸附材料。

代价是对计算资源、模拟精度与实验回路的依赖较高，平台价值高度依赖后端模拟质量与验证闭环。

如何使用 CuspAI

CuspAI 当前以合作研发方式提供能力，不是注册即用的自助工具：

接入方式	适合对象	特点
官网联系	科研机构、企业研发	通过官网沟通合作意向与需求
定制项目	有明确材料目标的团队	围绕具体性能目标共建研发流程

典型协作通常按“明确目标性能 → AI 生成候选 → 模拟筛选 → 实验验证”推进。落地前需要先对齐目标指标与验证标准，否则生成结果难以纳入既有研发体系。

CuspAI 的产品定价

官方未公开标准定价。CuspAI 以企业/科研合作模式运作，费用与交付范围取决于具体项目，需通过官网商务沟通确认，以官方实时页面为准。

• 个人：不提供自助订阅。
• 开发者：是否开放接口未公开。
• 企业/科研：按合作项目计费，细项需商务确认。

CuspAI 的应用场景

CuspAI 的场景集中在材料研发上游：

• 碳捕集材料设计：为特定捕集条件生成并筛选候选吸附材料，核验重点是模拟与实验的一致性。
• 清洁能源材料：储能、催化等方向的新材料探索，关注候选的可合成性。
• 科研加速：把材料探索的搜索空间扩大，同时用模拟降低无效实验，核验重点是命中率。

CuspAI 的适用人群

• 材料科研机构：需要扩大探索空间、缩短发现周期的实验室。
• 产业研发团队：在能源、化工、碳管理方向寻找新材料的企业。
• AI for science 团队：希望把生成模型嵌入真实研发回路的研究者。

不适配的情况是：缺乏实验验证能力、只想要现成材料清单、或没有明确目标性能的需求方——这类场景难以发挥“生成—模拟—验证”闭环的价值。

总结与展望

CuspAI 的核心竞争力在于用生成式 AI 把材料发现从被动筛选推向主动设计，并以可持续方向作为切入点。它的现实价值高度依赖模拟精度与实验验证闭环，短期内仍是面向研发机构的专业平台，而非通用工具。

当前局限在于公开信息有限：融资、客户与已验证成果等关键数据尚未系统披露，候选材料的真实命中率也需更多公开案例佐证。对潜在合作方，建议先以一个边界清晰的材料目标做小范围验证，重点考察候选进入实验后的转化率与对接成本，再决定是否扩大合作；采购前应明确知识产权归属、数据保密与交付验收条款。

版本信息

• CuspAI 研发平台（线上版本） ：当前以线上研发平台形态对接合作方，持续迭代生成模型与材料模拟能力。官方未公开统一版本号，暂无官方精确日期，按当前公开形态记录。 （~2026-06）
• 公司成立与平台启动 ：公司于 2024 年成立并对外披露生成式 AI 材料发现方向，启动平台与合作研究。暂无官方精确日期，按公开披露时间记录。 （~2024-08）