CuspAI的马克斯•威灵：“我们正在构建能够从水中去除永久性化学物质的分子”

{"text":[[{"start":11.67,"text":"马克斯·威灵 (Max Welling) 是阿姆斯特丹大学 (University of Amsterdam) 计算机科学教授，也是总部位于英国、致力于彻底改变新材料发现方式的初创公司 CuspAI 的联合创始人。该公司的宣传重点是利用 AI，在“数月而非数千年”的时间内取得突破。"}],[{"start":28.83,"text":"30 年来，他一直穿梭于学术研究与商业领域之间。他曾在伦敦大学学院 (University College London)、多伦多大学 (University of Toronto)、加州大学尔湾分校 (University of California, Irvine) 和加州理工学院 (California Institute of Technology) 任职；在商界，他既创办过初创企业，也曾任职于高通 (Qualcomm) 和微软 (Microsoft)。"}],[{"start":44.769999999999996,"text":"2024 年，威灵与量子计算公司 Quantinuum 前高管乍得·爱德华兹 (Chad Edwards) 共同创办了 CuspAI，旨在打造一款材料科学领域的“搜索引擎”。该公司组建了一个阵容强大的顾问委员会，成员包括 AI 研究人员 杰弗里·辛顿 (Geoff Hinton) 和 杨立昆 (Yann LeCun)、英国石油 (BP) 前首席执行官约翰·布朗勋爵 (Lord John Browne)，以及阿斯麦 (ASML) 前总裁马丁·范登布林克 (Martin van den Brink)。"}],[{"start":70.22,"text":"本月，CuspAI 宣布完成一轮 4.5 亿美元的第二阶段风险投资融资，由凯鹏华盈 (Kleiner Perkins) 和 NEA 领投，公司估值达到 26 亿美元。亚马逊 (Amazon) 的杰夫·贝佐斯 (Jeff Bezos) 也参与了此轮融资。与此同时，CuspAI 推出了 AI 材料铸造厂 (AI Materials Foundry)，汇聚了来自世界各地的 50 多家合作伙伴，共同开发新材料，其中包括英伟达 (Nvidia)、Meta、三星 (Samsung)、现代 (Hyundai)、汉高 (Henkel) 和东京电子 (Tokyo Electron)。"}],[{"start":97.88,"text":"在与英国《金融时报》创新编辑约翰·桑希尔 (John Thornhill) 的这次对话中，威灵谈到了他利用 AI 开发新材料的计划。这些材料有望帮助应对气候变化、推动能源转型，并解决半导体行业持续面临的微型化挑战。"}],[{"start":114.14,"text":"约翰·桑希尔：您最初是如何对 AI 产生兴趣的？"}],[{"start":118.47,"text":"马克斯·威灵：我最初在荷兰乌得勒支从事理论物理研究，师从一位诺贝尔奖得主，研究量子引力。但我希望在现实世界中产生更大的影响，而在二维空间研究量子引力，注定很难带来什么实际影响。因此，我决定投身当时规模很小、刚刚起步的 AI 和机器学习领域。那时我们讨论的模型只有 100 个参数，而如今已达到 1 万亿个。由此可见，这一领域也沿着自身的指数级路径发展。"}],[{"start":151.13,"text":"我曾在加州理工学院做了几年博士后。后来我去了伦敦，与杰弗里·辛顿共事一年；之后又去了多伦多大学，与搬到那里的辛顿一起工作。"}],[{"start":162.22,"text":"我确实对机器学习很感兴趣。你可以教会机器从经验中学习，而不是把所有东西都硬编码进去。这是一种构建 AI 的全新方式。我们所说的深度学习、Transformer、大型语言模型（LLM）以及所有这些技术，都是建立在这种特定的世界观之上的。"}],[{"start":181.63,"text":"约翰·桑希尔：您为什么决定创办 CuspAI？"}],[{"start":185.66,"text":"马克斯·威灵：当时有几件事正在同时汇聚。首先，我在自己的学术实验室里开发了多个模型。其中一类是等变模型，将现实世界的对称性编码进神经网络。人们开始使用这些模型，于是我说，现在正是迈出这一步的最佳时机。"}],[{"start":205.26,"text":"但一个可能更重要的原因是，我非常担心气候变化和能源转型。我看到了这些技术进步可能带来的巨大机遇。美好之处在于，我们现在确实正在着手解决这些问题。我们正在研发能够从水中去除 PFAS（在自然界中无法分解的“永久性化学品”）的分子。我们还在开展一项从大气中去除二氧化碳的完整计划。"}],[{"start":231.89,"text":"约翰·桑希尔：您组建的顾问委员会相当令人瞩目，杰弗里·辛顿和杨立昆都在其中。您怎么防止他们一直争论存在性风险？"}],[{"start":242.75,"text":"马克斯·威灵：这是一个非常有意思的问题。我想，杰弗里·辛顿也认为 AI 有一些积极的应用，对吧？所以，并非所有 AI 应用都是有害的。尤其是，他支持我们，是因为他认为这是 AI 较好的应用之一，不会造成什么伤害。"}],[{"start":260.08,"text":"当然，杨立昆的看法截然不同。因此，在那些关于生存风险的担忧上，他与杰弗里·辛顿并不一致。但在这种情况下，他认同 AI 可能带来的积极成果。我们的顾问委员会中还有其他非常优秀的成员，他们对世界有着不同的看法。不过，观点的多样性同样具有强大力量。"}],[{"start":null,"text":"

"}],[{"start":null,"text":" "}],[{"start":282.77,"text":"约翰·桑希尔：CuspAI 表示正在打造一个材料科学搜索引擎。您能否向英国《金融时报》读者解释一下这意味着什么？"}],[{"start":292.43,"text":"马克斯·威灵：首先，当你在网上搜索信息时，你寻找的是现有材料、现有文章和现有信息。如今，当你在搜索引擎中输入内容时，你得到的是结合了 AI 的版本，它还能生成新的信息，并能够对信息进行推理和整合。"}],[{"start":310.64,"text":"所以，这个类比其实与我们构建的产品非常贴切。我们也有一个平台，你可以输入提示词或句子，表达你希望材料具备的类型和性质。比如，你可以输入“我想要一种介电常数高的半导体”。把它输入搜索框后，系统会开始检索现有材料，因为我们拥有一个专有数据库，收录了大量讨论材料及其性质的科学论文。"}],[{"start":null,"text":" "}],[{"start":336.18,"text":"但下一步，它将开始创造全新的材料。这些材料在这个宇宙中前所未见，这让我着迷不已，因为宇宙可能创造的分子数量极其庞大，大到难以想象。"}],[{"start":348.64,"text":"当然，真正实现的只是其中极小的一部分。但如今，我们可以设想这些新材料，并利用机器实际制造出来。随后，我们会通过数字孪生对这些新材料进行测试，对其开展各种模拟；同时，也会把它们送入实验装置进行制造。最终，其中一小部分材料会被筛选出来，返回给用户。"}],[{"start":371.76,"text":"约翰·桑希尔：据我了解，像薛定谔 (Schrödinger) 这样的其他材料科学公司正在进行正向模拟，试图寻找新材料；而你们采用的是逆向生成式设计。您能解释一下这两种方法的区别吗？"}],[{"start":386.86,"text":"马克斯·威灵：当然，我并不确切知道他们在薛定谔公司具体做什么。但我知道，有些公司基本上是根据物理定律构建模拟器。比如说，它们会进行量子力学计算，模拟原子的演化。[在 CuspAI，我们利用机器学习] 来加速这些模拟。这一点很重要，因为如果你想进行逆向设计——也就是你刚才提到的做法——就需要在这些模拟器中赋予材料更好的性能，从而改进材料。"}],[{"start":416.77000000000004,"text":"如果模拟器运行得非常慢，就很难评估材料的性能是否良好。但如果能大幅提速，就可以对这些材料进行模拟，判断它们是否在您所关注的性能方面有所改善。"}],[{"start":429.66,"text":"约翰·桑希尔：我们能否举一个真实的例子？你们与芬兰化工企业凯米拉 (Kemira) 启动了一个项目，帮助去除 “永久性化学物质”。据我了解，你们用了 6 个月时间，探索了 300 万亿种可能的材料结构和 5000 种新型材料设计，最终确定了 20 个优先候选方案。能否带我们了解一下这一过程？"}],[{"start":451.78000000000003,"text":"马克斯·威灵：因此，这需要我们与凯米拉的领域专家开展深度合作。他们会非常精准地告诉我们，希望在所谓的“金属有机框架”（MOF）中捕获哪些分子。我们的任务是针对其中三种分子，找到能够吸附这些 PFAS 分子、同时又能在吸附饱和后将其释放出来的金属有机框架。当然，这些材料不能具有毒性，因为它们会用于饮用水处理。此外，凯米拉的专家还列出了我们需要满足的其他各项要求。"}],[{"start":null,"text":" "}],[{"start":484.59000000000003,"text":"这 300 万亿种是在该领域理论上可能考虑的全部金属有机框架数量。首先，正如我所描述的，我们会查阅相关文献，找出那些可能具有研究价值的材料。此外，我们还有一个专门的生成模型，可以生成所有具备这些性质的可能金属有机框架。"}],[{"start":505.15000000000003,"text":"接下来，我们会利用生成模型生成分子并进行搜索。我们并不是真的逐一实例化其中的 300 万亿种，而更像是在分子空间中，朝着越来越优的方向进行搜索。生成出合适的分子后，我们会使用一种成本相当高的模拟器来判断分子是否稳定。具体来说，我们会让分子发生微扰；如果它自行坍缩，就说明它不稳定；如果仍能保持结构稳固，则说明它是稳定的。"}],[{"start":535.26,"text":"然后，我们会通过这一层层筛选流程，在计算机上进行所有这些测试，其中大多数会被淘汰。之后，实验室会对少数剩余方案进行制备。"}],[{"start":546.88,"text":"约翰·桑希尔：现在这项计划进展到哪一步了？你们已经确定了优先候选对象，接下来的步骤是什么？"}],[{"start":554.91,"text":"马克斯·威灵：从筛选出这些材料到将其投入实际生产工艺，中间还要经过几个步骤。我们需要对这些分子进行更多实验测试，以确保它们具备所有必要的性能。当然，凯米拉在这方面是专家。随后还要经过一整套认证流程，而这可能需要数年时间。"}],[{"start":575.8199999999999,"text":"约翰·桑希尔：CuspAI 的商业模式是什么？"}],[{"start":579.7099999999999,"text":"马克斯·威灵：对于交付双方约定的成果，我们会获得里程碑付款。然后，可以说是有一笔绩效奖金。商业化后，这笔奖金可以表现为根据实际材料支付的特许权使用费；或者，当实际材料应用于真正的设备时，也可以通过另一笔奖金或款项支付。"}],[{"start":599.81,"text":"约翰·桑希尔：大家都在说，我们正在进入一个具身 AI（Physical AI）的世界。真是这样吗？这对世界意味着什么？"}],[{"start":null,"text":" "}],[{"start":608.15,"text":"马克斯·威灵：这非常有意思。我确实相信，AI 的下一波浪潮将是具身 AI。这意味着什么？在具身 AI 中，我们希望在物理世界中把事物具象化。我们希望在数字世界里尽可能多地完成这件事，这被称为“数字孪生”。比如，设想一下，如果把视野拉远一点，大型语言模型可以连接到用于设计桥梁的 AutoCAD 工具。你可以提出这样的要求：“请根据这些属性为我设计一座桥。它必须坚固，能够完成所有这些功能，还要能承载这么多辆汽车。”然后，你把所有这些要求输入 AutoCAD 系统。"}],[{"start":649.5699999999999,"text":"它将开始设计这座桥并对其进行优化。然后，当然，最终你必须把它打印出来或制造出来。但这一步——利用大型语言模型构建并运行这个数字孪生体——如今可以被视为具身 AI 的下一步。你可以看到，许多公司正开始对构建这类能够直接与物理设备互动的智能体产生兴趣。"}],[{"start":672.4,"text":"约翰·桑希尔：目前的大型语言模型已经吸收了互联网上全世界已知的所有知识。但下一场革命将取决于我们能否生成新的数据，对吧？这将需要机器人外出收集所有这些数据，因此围绕新数据集将展开一场规模非常庞大的争夺，对吧？"}],[{"start":692.31,"text":"马克斯·威灵：不一定非要让机器人在现实世界中四处奔跑。也可以是强化学习（RL）环境，我认为这更为现实。你可以构建现实世界的模拟器，真实模拟其中的物理规律，然后优化模型，使其能够在模拟器中良好运行。所以，这更像是您刚才所描述内容的数字孪生版本，只不过数据是由模拟器收集的。"}],[{"start":717.5,"text":"也许可以换个角度来理解：市面上有游戏主机。运行游戏时，它们实际上是非常出色的物理模拟器，而玩家可以操控这些游戏。这会产生大量非常有趣的数据，并且这些数据还会被收集起来。对于训练机器人平台而言，这些数据非常有价值。因此，我认为将这作为一种数据收集方式可能更为现实。"}],[{"start":742.89,"text":"约翰·桑希尔：所以，玩电子游戏的人正在帮助您的研究开发新材料？"}],[{"start":749.0699999999999,"text":"马克斯·威灵：这或许有点夸大了。我认为，可以在某种模拟的物理世界中收集数据；同时，也可以在现实世界中部署汽车和机器人。对我们而言，这意味着使用实验设备从现实世界收集真实数据。因此，我们可以通过这两种模态收集更多数据。但我们将看到，我们所说的“世界模型”中蕴含着大量智能——所谓世界模型，是指我们对世界的三维几何理解。"}],[{"start":778.6199999999999,"text":"约翰·桑希尔：目前，关于大型语言模型究竟还能扩展到什么程度存在激烈争论。像杨立昆这样的人认为，世界模型才是未来的发展方向。您在这场争论中持什么立场？在拓展基础大型语言模型架构的规模方面，我们是否还有很长的路要走？还是说，我们需要新的混合方法才能推动 AI 发展到下一个阶段？"}],[{"start":804.2499999999999,"text":"马克斯·威灵：我认为上述情况都会发生。只要经济模式仍然行得通，规模化就会继续推进，直到无法再扩展为止。比如，如果把 GPU（图形处理器）送入太空的成本高到无法收回投入，人们就会停止这样做。但除此之外，这是获得性能提升最可预测的方式，也是企业实现性能提升最容易、风险最低的途径。因此，只要经济模式仍然可行，他们就会继续这样做。"}],[{"start":834.1999999999999,"text":"与此同时，我认为我们还可以通过其他方式改进这些模型。世界模型显然是未来的发展方向，但我认为还会有其他类型的硬件被开发出来。"}],[{"start":null,"text":" "}],[{"start":845.6999999999999,"text":"人脑与我们目前使用的 GPU 在效率上存在着极其惊人的差距，前者的效率大约是后者的 100 万至 10 亿倍。在未来某个时刻，我们会弄清楚能否利用类脑结构创造出智能。我们希望研发出某种能开始模仿这种结构的硬件。人们已经尝试过利用脉冲神经网络实现这一点，但我觉得成效并不好。不过，随着压力不断增大，以及我们需要从每千瓦时电力中提取出更多智能，我认为人们将重新着手设计更偏模拟信号的新型硬件。"}],[{"start":880.7299999999999,"text":"约翰·桑希尔：量子计算公司提出的一项重要主张是，它们将能够开发新材料。但随着经典计算的边界不断拓展，这一观点也遭到了一些质疑。您认为这两者是互为补充的吗？在材料科学领域，量子计算机是否能够完成经典计算机无法完成的任务？"}],[{"start":901.6499999999999,"text":"马克斯·威灵：量子计算机能够完成不同于经典计算机的任务，这一点毋庸置疑。问题在于，量子计算能分到的蛋糕有多大？经典计算又能分到的蛋糕有多大？事实是，经典模型已经取得了巨大成功，例如张量网络。它们正在逐步蚕食量子计算本可以大显身手的部分领域。但我认为，确实存在一些材料类别极难通过经典方法进行模拟，在这些领域，量子计算至少可以为神经网络生成相关数据，让神经网络尝试对其进行近似。此外，还有一些现象本质上深深植根于量子力学，量子计算机未来可能在其中发挥重要作用。"}],[{"start":946.7499999999999,"text":"约翰·桑希尔：对 CuspAI 而言，哪些行业对您来说最具发展前景？"}],[{"start":952.5599999999998,"text":"马克斯·威灵：我们最重要的应用领域是半导体。我认为在未来几年内，需要实现 1000 倍的性能提升，而仅靠摩尔定律是不够的。另一个问题是，在二维层面，我们正在接近光刻技术的极限。尺寸或许还能再缩小一点，但一旦达到原子级别，就很难再提升更多性能了。我们如今正在转向三维堆叠，即把材料一层层叠放在彼此之上，这被称为“封装”。但这会带来散热问题——将这些芯片产生的热量散发出去变得非常困难。这显然是一个材料问题。我们非常乐意进入这一领域，因为我们确实能够为半导体制造这些新材料。"}],[{"start":null,"text":" "}],[{"start":995.7399999999998,"text":"约翰·桑希尔：Anthropic 推出的 Claude Science 将如何影响 CuspAI？这对你们构成多大的竞争威胁？"}],[{"start":1003.6999999999998,"text":"马克斯·威灵：Claude Science 的问世验证了我们多年来已知的一点：科学是 AI 的终极前沿。但随着这些公司加大力度进入垂直领域，它们有可能偏离其核心使命。"}],[{"start":1016.7199999999998,"text":"当软件解决方案遇到由实验室、设备和供应商网络组成的物理世界时，人们很容易低估其中的摩擦与阻力。因此，CuspAI 的重点是将模型与专有数据、计算基础设施、实验室验证以及真实世界的工业部署连接起来。"}],[{"start":1034.2899999999997,"text":"我个人并不相信“超级智能将解决一切”这种说法。我相信通过深度合作，来解决人类在材料科学领域面临的一些最棘手的问题。"}],[{"start":1045.3299999999997,"text":"约翰·桑希尔：您对 CuspAI 抱有怎样的野心？"}],[{"start":1049.5999999999997,"text":"马克斯·威灵：嗯，我希望我们能成为全球开发突破性材料的那家公司。借助我们的平台，我们已经看到了巨大的研发提速。我们的首席科学家输入他想要开发的材料，这台“引擎”就会运转起来并产生各种全新的洞见；他说，这一过程只需 20 分钟，就能产生相当于三年博士研究的成果。"}],[{"start":1072.2399999999998,"text":"目前，我认为我们正朝着成为全球开发突破性新材料领军者这一目标迈进。我真心相信，如果我们能够真正以极其高效快速的方式，开发出各种具备令人意想不到性能的新材料，这可能会彻底改变世界。比如，能源转型才刚刚开始，而它有赖于创造这些新材料。这也将创造一个巨大的市场。"}],[{"start":1096.4599999999998,"text":"约翰·桑希尔：AI 材料铸造厂 (AI Materials Foundry) 将如何运作？"}],[{"start":1100.86,"text":"马克斯·威灵：这家“铸造厂”是一个全球网络，汇聚了用于设计新材料的数据、实验室、算力和科学专业知识，所有这些均通过 CuspAI 的智能体（agentic）平台统一统筹。目前我们已有 50 多家创始合作伙伴，包括英伟达、Meta、现代汽车集团 (Hyundai Motor Group)、默克 (Merck) 和汉高 (Henkel)。"}],[{"start":1121.4299999999998,"text":"合作伙伴可以通过多种方式参与：有些将与我们合作开展具体的探索项目；另一些则是数据合作伙伴、实验室、算力或模型提供商，或是参与分享工业专业知识和最佳实践。我们的目标是建立一个良性飞轮，让每一次合作和实验都能强化更广泛的网络，帮助我们更快地从材料设计与模拟推进到合成及现实世界的验证。"}],[{"start":1146.31,"text":"约翰·桑希尔：CuspAI 将如何使用最近一轮融资筹集的资金？"}],[{"start":1151.6599999999999,"text":"马克斯·威灵：这笔资金让我们能够加快步伐，在欧洲、美国和亚太地区扩大团队规模；我们刚刚还在新加坡开设了办事处。这意味着我们可以进一步投资于 Cusp 的智能体平台，获取更多相关数据，并建设所需的基础设施，将新材料从预测阶段推向现实世界。"}],[{"start":1172.3999999999999,"text":"访谈记录经过编辑，以求简洁明了"}]],"url":"https://audio.ftcn.net.cn/album/a_1785567289_6742.mp3"}