一句话看懂：旧金山初创公司Discovered Materials拿出总计100万美元奖金，为五个长期悬而未决的材料科学问题征集AI解决方案，试图为AI在该领域的能力树立可衡量的“标杆”。
事件核心：发生了什么
Discovered Materials成立于数月前，是Y Combinator 2026年春季批次成员，主攻用AI模型寻找先进芯片等用途的新材料。该公司近日公布一项挑战赛：围绕五个材料科学开放问题征集解法，奖金池合计100万美元。五个问题包括：解释铜氧化物超导机理；预测硅与二氧化硅界面结构的数值方法；将晶粒结构与热学性质对应起来的数值方法；解释光照为何能改变材料行为（尤其与超导相关）；以及改进密度泛函理论（DFT）的数值方法。题目由公司邀请的全球多所高校学者组成的顾问组拟定。
值得注意的是，在公布前，Discovered Materials已让前沿实验室的AI智能体各自联网、自主连续攻关数天，结果在每题上进展有限。斯坦福教授Felipe Jornada表示，这些是“我们观察得到却解释不了”的现象，答案会直接影响电子器件、储能和未来材料制造。
为什么重要
材料科学缺少类似“千禧年数学难题”的公认标尺，问题往往难以像数学那样给出是或否的清晰判定。这家公司先把“验证标准”和“问题清单”定下来，再等人和模型给出解释，等于给AI在材料领域的进展提供可追踪的坐标。对前沿大模型而言，数学和生命科学已有明显突破，但复杂物理尤其是先进材料仍是薄弱环节。若模型能逐步解出这类问题，将影响AI在半导体、能源材料研发中的实际分量；若长期无解，也说明当前模型在物理建模上仍有边界。
对用户/开发者/创作者的影响
这更像一场面向研究与开发者的能力测试，而非可直接使用的产品。目前公开信息显示，挑战赛细节、提交方式与评审规则尚未完全披露，不宜将其理解为已上线的AI工具或API。对材料、芯片相关开发者，值得关注的是这些题目是否会催生开源数据集、基准和数值方法；对使用AI做科研的用户，它提示了一个现实：让智能体长时间自主运行并不等于能解决硬问题。企业采购前沿模型时，也可把这五题当作观察模型物理推理能力的参照，但需注意目前没有公开的横向评测结果。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是奖金是否真正发出、由人类团队还是AI系统拿到解法；二是OpenAI、Anthropic等前沿实验室是否会以更强算力或更新模型直接挑战这些题目；三是Discovered Materials自身能否如其联合创始人Advaith Sridhar所说，在一年内找到具工业价值的材料——他称这一时间表已有所加快。
