6月17日，美国商务部芯片研发办公室与AI初创公司SandboxAQ签署了一项最终协议——5亿美元拨款，用于加速AI驱动的半导体材料发现。这不是一笔普通的政府补贴。作为协议的一部分，美国商务部将获得SandboxAQ的少数股权，并在新材料成功商业化后享有专利授权收入分成。美国政府罕见地以“股东+合伙人”的双重身份，深度嵌入一家AI公司的材料研发进程。

商务部长霍华德·卢特尼克在新闻稿中的表态直白而清晰：“这项拨款将加速关键材料的发现和创新，减少我们对受外国控制材料的依赖。”外国是谁？答案不言自明。

SandboxAQ并非硅谷的普通AI创业公司。它前身是谷歌母公司Alphabet于2016年成立的量子技术部门，2022年3月正式分拆为独立公司。2025年4月获得英伟达支持后，公司估值达到57.5亿美元，迄今累计融资超过10亿美元。

与基于人类语言或代码训练的大模型不同，SandboxAQ的AI系统建立在真实实验结果和基于物理学的数据之上。它采用的是所谓“大型量化模型”——一种训练于物理、化学和生物定律而非人类语言的AI架构。通俗地说：它不是学“说话”的AI，而是学“自然规律”的AI。

      这笔资金聚焦于四个被美国商务部定义为“紧迫”的领域：

第一，PFAS替代品。 PFAS被称为“永久化学物质”，是芯片制造中不可或缺的材料，但其化学键极为稳定，会长期残留在环境中。SandboxAQ的任务是开发不含PFAS的工艺化学品，用于热传导、润滑、绝缘涂层和表面处理等场景。

第二，新型催化剂。 开发下一代高纯度催化剂，支持半导体制造中的前驱体生成和废气处理。美国商务部直言，此举目的是“减少外国供应商对美国催化剂配方和工艺知识产权的控制”。

第三，不含稀土的永磁体。 这是最具战略意味的一个方向。美国商务部在公告中坦承：“中国控制着全球超过90%的钕基永磁体生产，而这些永磁体是半导体制造设备的关键投入品。”建立不含稀土的替代方案，可以直接降低美国对外国供应链风险的暴露。

第四，新型电池化学体系。 用于半导体设施备用电源的固态或混合储能解决方案。大多数备用电源系统依赖锂、钴等关键矿物，而这些矿物的供应链同样“主要来自中国”。

四个方向，刀刀指向中国的核心优势领域。

      中国在关键材料领域到底有多强？

根据2025年世界经济论坛和国际能源署的数据，中国在20种追踪的关键矿物中，有19种的精炼产量排名全球第一，平均份额接近70%。其中：镓加工占比99% ，石墨加工占比96% ，锰加工占比95% ，稀土加工占比91%。

在稀土永磁体领域，中国控制着全球约94%的烧结钕铁硼永磁体产量。在稀土分离和金属生产环节，中国的份额同样高达91% 。IEA的数据进一步显示，中国在磷酸铁锂电池制造所需的关键原材料加工中，锂占比69.7% ，锰占比94.6% ，磷占比73.4% ，石墨占比95.3% 。

这些数字背后不是一个简单的“资源禀赋”故事。中国在关键材料领域的优势，是数十年持续投入形成的完整产业链能力——从矿山开采到高纯金属、从前驱体到永磁体、从关键装备到回收体系，每一个环节都有深厚的产业积累和技术沉淀。

      AI能改变游戏规则吗？

SandboxAQ的技术确实展现了惊人的效率。其催化剂发现模型AQCat，能够在保持接近高精度方法准确度的同时，将筛选速度提升高达20,000倍。该模型基于1350万次高保真量子化学计算训练而成，覆盖47,000个催化剂体系。

2024年，微软与美国太平洋西北国家实验室的研究人员曾借助AI，在80小时内从3200万种材料中筛选出23种潜在材料——而传统方法完成同样工作约需20年。AI确实在改变材料发现的时间尺度。

但问题在于：从“筛选出候选材料”到“实现规模化量产”，中间隔着实验室验证、中试放大、工艺优化、成本控制、客户认证等一系列环节——每一个环节都可能耗时数年。 正如电子化学品专家马克·瑟斯克所言：“我见过很多优秀的软件，人们说它们能解决材料选择问题，但通常它们都会遇到困难。我们不知道的信息太多了。我们有数万种化合物，对每种化合物的物理数据可能只知道20%。用AI填补其余部分，非常困难。 ”

瑟斯克补充了一句值得玩味的话：“我认为尝试解决这些难题，远比举手投降说‘我们永远不会成功’要好得多。 ”

      5亿美元能撬动什么？

5亿美元是一笔巨款，但放在材料产业的时间尺度和资本密度面前，它又显得微不足道。

中国在关键材料领域积累的优势，不是5亿美元、甚至不是500亿美元能够在短期内复制的。这是几十年的产业政策、持续的基础设施投资、庞大的工程师队伍、完整的上下游协同，以及全球最大单一市场对规模经济的支撑共同作用的结果。

但这并不意味着美国的行动无关紧要。SandboxAQ代表的是另一种路径——用AI压缩时间，用量子计算突破物理极限，用算法替代部分实验。 如果这条路走通，材料发现的游戏规则确实可能被改写。从“数十年试错”到“AI筛选+定向验证”，时间维度上的压缩是革命性的。

然而，从实验室到工厂的距离，从来不只是时间问题。

一种新材料要被半导体制造厂采用，需要经历严苛的纯度验证、工艺匹配、可靠性测试、成本评估。即便AI在一年内筛选出100种候选材料，真正能通过产线验证、实现商业化的，可能连一种都没有。 PFAS替代品的研究已经进行了多年，不含氟的蚀刻气体和光酸产生剂至今难以找到合格的替代方案。

     更大的问题是：当美国在“造”新材料时，中国也在用AI。

阿里达摩院联合中国人民大学、中国科学院大学等机构，发布了行业内首个超导材料发现AI智能体“ElementsClaw”，仅用28个GPU小时就完成了240万种晶体结构的筛选，预测出6.8万个可能的超导候选材料；

重庆索格深材科技有限公司发布了新材料专用模拟器NanoTitan Ultra，在十余张GPU卡上即可并行模拟上亿原子体系，扩展效率趋近100%，相较国际同类产品，模拟成本降幅超过90%；

清华大学化工系王笑楠课题组已经开发出AI驱动的高通量催化剂筛选框架，将催化剂吸附性能的筛选效率提升超过1000倍……中国的科研机构和企业在AI辅助材料发现领域并非旁观者。

     结语

5亿美元投资SandboxAQ，是美国用AI武器向中国材料霸权发起的一次冲锋。它可能成功，也可能失败，但真正值得关注的是这个信号本身：全球材料竞争的规则正在改变——从“谁有矿”到“谁有算法”，从“谁有工厂”到“谁有模型”。

但算法无法替代工厂，模型无法替代产线。5亿美元可以买来算力，买不来几十年的产业积累；可以训练出模型，训练不出完整的供应链生态。

这场AI“造”材料的实验，最终能走多远？答案不在SandboxAQ的代码里，而在实验室到工厂之间的那段路上。