Trong nhiều thập kỷ, các nhà khoa học thường phát triển vật liệu mới bằng cách thử nghiệm từng công thức, thay đổi thành phần, chế tạo mẫu rồi kiểm tra tính chất. Trí tuệ nhân tạo (AI) đang mở ra một cách tiếp cận khác: bắt đầu từ vật liệu mà con người muốn có, sau đó để thuật toán tìm ra cấu trúc phù hợp.
Đây không còn chỉ là một ý tưởng trên giấy. AI đã giúp các nhà nghiên cứu đề xuất hàng triệu cấu trúc tinh thể mới, trong đó có những vật liệu đã được tổng hợp trong phòng thí nghiệm. Các startup đang huy động hàng trăm triệu USD để thương mại hóa công nghệ này, trong khi những tập đoàn như Nvidia, Meta và các tổ chức nghiên cứu cùng xây dựng hệ sinh thái nhằm biến AI thành công cụ thiết kế vật chất.
Đầu tuần qua, startup CuspAI của Anh trở thành một trong những minh chứng rõ nhất cho xu hướng này khi huy động được 450 triệu USD trong vòng Series B, với sự tham gia của chính phủ Anh và quỹ đầu tư của tỷ phú Jeff Bezos. Vòng gọi vốn định giá CuspAI khoảng 2,6 tỷ USD.
CuspAI cũng công bố AI Materials Foundry, một liên minh gồm hơn 45 công ty và tổ chức, trong đó có Nvidia và Meta, nhằm kết hợp năng lực tính toán, dữ liệu, phòng thí nghiệm và chuyên môn khoa học để đẩy nhanh quá trình khám phá vật liệu.
“Nếu chúng ta không tiến bộ nhanh chóng, 50 năm phát triển công nghiệp tiếp theo sẽ bị giới hạn bởi một thách thức duy nhất: thế giới cần những vật liệu hiện chưa tồn tại,” các nhà đồng sáng lập CuspAI Chad Edwards và Max Welling viết.
Đó là một tuyên bố lớn. Nhưng những thành tựu của AI trong khoa học vật liệu cho thấy nó không hoàn toàn viển vông.
Từ hàng triệu cấu trúc mới đến vật liệu trong phòng thí nghiệm
Một trong những ví dụ nổi bật nhất đến từ Google DeepMind.
Năm 2023, công ty công bố GNoME, hệ thống AI đã đề xuất 2,2 triệu cấu trúc tinh thể mới. Trong số đó, 380.000 cấu trúc được dự đoán là ổn định và có tiềm năng được tổng hợp trong phòng thí nghiệm. Google DeepMind cho biết quy mô này tương đương gần 800 năm kiến thức về vật liệu nếu tính theo tốc độ phát hiện truyền thống.
Điều quan trọng hơn là những cấu trúc này không chỉ tồn tại trong máy tính.
Các nhà nghiên cứu bên ngoài đã độc lập tạo ra 736 cấu trúc mới được GNoME dự đoán. Trong một dự án hợp tác với Phòng thí nghiệm Quốc gia Lawrence Berkeley, một phòng thí nghiệm tự động còn sử dụng các dự đoán của AI để thiết kế công thức và tổng hợp thành công hơn 41 vật liệu mới.
GNoME cũng đưa ra 52.000 hợp chất dạng lớp mới tương tự graphene, trong khi trước đó suốt chiều dài lịch sử ngành vật liệu, chỉ khoảng 1.000 vật liệu dạng này được biết đến. Hệ thống đồng thời phát hiện 528 chất dẫn ion lithium tiềm năng, gấp 25 lần số lượng được xác định trong một nghiên cứu trước đó. Những vật liệu này có thể trở thành ứng viên cho các thế hệ pin và công nghệ điện tử mới.
Tuy nhiên, “được AI phát hiện” không đồng nghĩa với “đã sẵn sàng cho thị trường”. Một vật liệu có thể ổn định về mặt lý thuyết nhưng khó chế tạo, quá đắt hoặc không đạt được tính chất như dự đoán. Đó là lý do việc đưa các ứng viên từ màn hình máy tính vào phòng thí nghiệm có ý nghĩa đặc biệt.
AI không chỉ tìm vật liệu, mà còn thiết kế chúng
Một bước tiến khác đến từ MatterGen, mô hình AI tạo sinh do nhóm nghiên cứu của Microsoft phát triển. Thay vì chỉ dự đoán tính chất của các vật liệu đã biết, MatterGen có thể tạo ra các cấu trúc vật liệu mới dựa trên mục tiêu được đặt ra. Nhà nghiên cứu có thể yêu cầu một vật liệu có độ cứng, từ tính, đặc tính điện tử hoặc thành phần hóa học nhất định. Mô hình sau đó tạo ra các ứng viên đáp ứng những yêu cầu đó.
Trong thử nghiệm thực tế, MatterGen đã đề xuất vật liệu TaCr₂O₆ sau khi được yêu cầu tìm một cấu trúc có mô đun khối 200 GPa (một đại lượng đo độ chịu nén của vật liệu). Các nhà nghiên cứu sau đó tổng hợp vật liệu này trong phòng thí nghiệm. Kết quả đo được là 169 GPa, với sai số tương đối dưới 20% so với mục tiêu thiết kế.
Nghiên cứu đăng trên Nature cho biết các cấu trúc do MatterGen tạo ra có khả năng vừa mới vừa ổn định cao hơn đáng kể so với các mô hình tạo sinh trước đó. Khi được tinh chỉnh, hệ thống có thể thiết kế vật liệu dựa trên nhiều tiêu chí cùng lúc, từ thành phần hóa học và tính đối xứng đến các đặc tính cơ học, điện tử và từ tính.
Đây chính là điểm tạo ra sự khác biệt căn bản giữa AI vật liệu và cách phát triển vật liệu truyền thống.
Trong quá khứ, nhà khoa học thường bắt đầu với câu hỏi: “Chúng ta có những nguyên tố và vật liệu nào, và có thể làm gì với chúng?”
AI có thể bắt đầu từ câu hỏi ngược lại: “Chúng ta muốn vật liệu có những đặc tính nào, và cấu trúc nào có thể tạo ra những đặc tính đó?”
Cách tiếp cận này được gọi là thiết kế ngược (inverse design).
CuspAI muốn biến AI thành “công cụ tìm kiếm” cho vật liệu
CuspAI đang đặt cược vào chính mô hình thiết kế ngược này.
Công ty phát triển nền tảng AI MIRA, được thiết kế để hỗ trợ toàn bộ chu trình khám phá vật liệu, từ thiết kế tạo sinh và mô phỏng đến lập kế hoạch tổng hợp và kiểm chứng bằng thực nghiệm.
Thay vì yêu cầu AI tìm một vật liệu đã tồn tại, nhà nghiên cứu có thể đặt ra mục tiêu cụ thể. Ví dụ, họ có thể cần một vật liệu hấp thụ một loại khí nhất định, hoạt động ở nhiệt độ cao, dẫn điện tốt nhưng không sử dụng các nguyên tố khan hiếm. AI sau đó sẽ tìm kiếm trong một không gian ứng viên lớn hơn rất nhiều so với khả năng thử nghiệm tuần tự của con người.
CuspAI cho rằng cách tiếp cận này có thể giải quyết một nút thắt ngày càng lớn của nền kinh tế hiện đại. Các ngành công nghiệp đang cần những vật liệu có tính chất mà vật liệu hiện tại chưa thể đáp ứng, từ chất bán dẫn, pin và năng lượng sạch đến sản xuất tiên tiến.
“Thế giới cần những vật liệu chưa tồn tại” không chỉ là một khẩu hiệu của startup này. Đó là vấn đề thực tế khi các công nghệ mới ngày càng bị giới hạn bởi những gì có thể chế tạo được.
Một con chip mạnh hơn cần vật liệu mới để kiểm soát nhiệt và truyền tín hiệu. Một loại pin tốt hơn cần vật liệu có mật độ năng lượng cao hơn. Công nghệ thu giữ carbon cần các chất hấp thụ và chất xúc tác hiệu quả hơn. Các hệ thống AI ngày càng lớn cần vật liệu giúp xây dựng trung tâm dữ liệu tiết kiệm năng lượng và tản nhiệt tốt hơn.
Trong nhiều trường hợp, giới hạn của công nghệ không còn nằm ở phần mềm. Nó nằm ở việc con người chưa có vật liệu phù hợp.
Cuộc đua đã chuyển từ mô hình AI sang vật chất
CuspAI không phải startup duy nhất nhìn thấy cơ hội này.
Tháng 5, Orbital Industries, startup có văn phòng tại London và San Francisco, huy động 50 triệu USD trong vòng Series B do quỹ Plural dẫn đầu. Nvidia cũng tham gia vòng gọi vốn thông qua Nventures, bên cạnh các nhà đầu tư trước đó như Radical Ventures, Compound và Fly Ventures.
Orbital Industries đang sử dụng AI để thiết kế vật liệu và sản phẩm công nghiệp. Hai sản phẩm đầu tiên của công ty tập trung vào ngành trung tâm dữ liệu, trong đó có một loại chất lỏng không độc hại dành cho hệ thống làm mát GPU thế hệ mới và các mô-đun hạ tầng giúp rút ngắn thời gian xây dựng trung tâm dữ liệu.
Công ty cũng cho biết AI đang được sử dụng xuyên suốt chuỗi phát triển, từ khám phá vật liệu đến thiết kế phần cứng và sản xuất.
CuspAI và Orbital Industries đại diện cho một lớp doanh nghiệp mới: không chỉ xây dựng mô hình AI để xử lý dữ liệu mà sử dụng AI để tạo ra các sản phẩm vật lý.
Sự khác biệt này rất quan trọng.
Làn sóng AI đầu tiên tập trung vào việc tạo ra văn bản, hình ảnh và mã nguồn. Làn sóng tiếp theo tập trung vào năng lực tính toán, chip và trung tâm dữ liệu. Và khi AI tiếp tục phát triển, một phần quan trọng của cuộc cạnh tranh có thể chuyển sang câu hỏi: ai có thể thiết kế những vật liệu tốt nhất để xây dựng thế giới mới?
Việc CuspAI huy động 450 triệu USD và được định giá 2,6 tỷ USD cho thấy các nhà đầu tư đang đặt cược rằng câu trả lời có thể mang lại giá trị rất lớn. AI Materials Foundry, với hơn 45 đối tác, cũng cho thấy lĩnh vực này không còn chỉ là cuộc chơi của một startup. Các công ty công nghệ, nhà sản xuất và tổ chức nghiên cứu đang bắt đầu kết hợp năng lực để giải quyết một bài toán mà không bên nào có thể tự mình xử lý.
Vật liệu trên máy tính chưa phải là vật liệu trong thế giới thật
Dù vậy, những con số hàng triệu vật liệu mới cần được hiểu đúng.
AI có thể tạo ra hàng triệu cấu trúc trên máy tính. Nhưng để một trong số đó trở thành sản phẩm thương mại, nó phải vượt qua một loạt rào cản.
Trước hết, vật liệu phải thực sự ổn định. Tiếp đó, các nhà khoa học phải tìm được cách tổng hợp nó. Nguyên liệu phải đủ phổ biến và có chi phí chấp nhận được. Quy trình sản xuất phải có khả năng mở rộng. Cuối cùng, vật liệu phải tạo ra lợi ích đủ lớn để bù đắp chi phí chuyển đổi từ công nghệ hiện tại.
Một mô hình AI có thể tạo ra một cấu trúc có hiệu suất tuyệt vời nhưng sử dụng một nguyên tố cực kỳ khan hiếm. Một vật liệu khác có thể hoạt động hoàn hảo trong mô phỏng nhưng không thể tổng hợp với quy mô công nghiệp. Một vật liệu khác nữa có thể giúp tăng hiệu suất pin nhưng đòi hỏi quá nhiều năng lượng để sản xuất.
Đó là lý do các nhà khoa học ngày càng nhấn mạnh tầm quan trọng của vòng lặp khép kín giữa AI và phòng thí nghiệm, theo đó AI đề xuất vật liệu; bước mô phỏng sẽ sàng lọc các ứng viên; robot chế tạo và kiểm tra những phương án hứa hẹn nhất; và cuối cùng, kết quả thực nghiệm sau đó quay trở lại hệ thống để cải thiện những dự đoán tiếp theo.
Càng nhiều vòng lặp được thực hiện, AI càng có thể học được không chỉ vật liệu nào có vẻ tốt trên lý thuyết, mà còn vật liệu nào thực sự có thể được chế tạo.
Đây là mô hình mà CuspAI đang tìm cách xây dựng thông qua AI Materials Foundry. MIRA không chỉ nhằm tạo ra các cấu trúc mới mà còn kết nối thiết kế, mô phỏng, lập kế hoạch tổng hợp và kiểm chứng thực nghiệm thành một quy trình thống nhất.
Từ dự đoán thế giới đến thiết kế thế giới
AI vật liệu vẫn còn ở giai đoạn đầu. Không phải mọi cấu trúc được tạo ra đều sẽ trở thành một phát minh quan trọng. Phần lớn sẽ bị loại bỏ trong quá trình mô phỏng, tổng hợp hoặc thử nghiệm.
Nhưng điều đã thay đổi là quy mô của không gian mà con người có thể khám phá.
Trong hàng trăm năm, các nhà khoa học chủ yếu tìm kiếm vật liệu bằng cách thử nghiệm những gì có thể tưởng tượng và chế tạo được. AI có thể mở rộng đáng kể phạm vi đó bằng cách tạo ra những cấu trúc mà con người chưa từng nghĩ đến.
Các kết quả từ GNoME cho thấy quy mô có thể đạt tới hàng triệu ứng viên. MatterGen cho thấy AI có thể thiết kế vật liệu theo những tính chất cụ thể. CuspAI và Orbital Industries cho thấy các công ty đang cố gắng biến năng lực đó thành sản phẩm thương mại. Đó chính là bước chuyển quan trọng tiếp theo của AI.
Trong giai đoạn đầu, AI học cách dự đoán những gì con người đã biết. Sau đó, AI học cách tạo ra những thứ con người có thể nhìn thấy và đọc được.
Bây giờ, các hệ thống mới đang hướng tới việc tạo ra những thứ có thể cầm nắm, chế tạo và đưa vào các sản phẩm thực tế.
Nếu thành công, AI sẽ không chỉ giúp con người phân tích thế giới vật chất. Nó có thể trở thành công cụ để thiết kế chính thế giới vật chất đó.
Và khi ấy, câu hỏi quan trọng nhất về AI có thể không còn là “mô hình nào thông minh hơn?”, mà là “AI có thể giúp con người tạo ra những vật liệu nào mà trước đây không ai biết là có thể tồn tại?”

Ban lãnh đạo Orbital Industries chụp ảnh lưu niệm sau thành công huy động vốn 50 triệu USD. Ảnh: Orbital Industries

Kiểm chứng thực nghiệm hợp chất được đề xuất, TaCr2O6. Ảnh: Microsoft

A-Lab, một cơ sở tại Phòng thí nghiệm Berkeley, nơi trí tuệ nhân tạo điều khiển robot trong việc tạo ra các vật liệu mới. Ảnh: Berkeley Lab

Nguồn tham khảo: Reuters; CuspAI; Sovereign AI; Google DeepMind; Microsoft Research; Nature; Orbital Industries.
Các website tham khảo:
https://arxiv.org/abs/2508.03278?utm_source=chatgpt.com
https://fortune.com/2026/05/28/exclusive-orbital-industries-raises-50-million-series-b-funding-round-ai-to-discover-exotic-new-materials/
https://www.researchandmarkets.com/reports/6227043/ai-in-materials-discovery-global-market-report
https://arxiv.org/abs/2601.21527
https://live.euronext.com/en/financial-news/uk-government-bezos-back-cuspais-450-million-round-startup-seeks-discover-new
https://deepmind.google/blog/millions-of-new-materials-discovered-with-deep-learning/
https://www.microsoft.com/en-us/research/blog/mattergen-a-new-paradigm-of-materials-design-with-generative-ai/
https://live.euronext.com/en/financial-news/uk-government-bezos-back-cuspais-450-million-round-startup-seeks-discover-new
https://www.orbitalindustries.com/news/press/orbital-industries-series-b-50-million