2026年6月17日，一笔不寻常的联邦合同悄然落地。美国商务部通过CHIPS Act研发专项，向SandboxAQ拨付5亿美元，任务指向是：用AI和量子传感技术加速发现下一代芯片制造所需的新材料。合同形式为合作协议（cooperative agreement），执行周期预计覆盖未来5年。（注：该合同的具体交付里程碑和分阶段拨款条款尚未完整公开披露，以下分析基于Reuters等媒体报道及公开政策文件。）

这笔钱的规模本身不算惊人——对比CHIPS Act整体约527亿美元的授权框架（其中约390亿美元用于制造激励，约132亿美元用于研发与劳动力培训），5亿美元不过是零头。但这笔钱的指向极为特殊：它不是在建晶圆厂，不是在补贴光刻机采购，而是押注在材料发现这个更上游、更基础、也更不确定的环节。

消息一出，外界的目光首先落在英伟达身上。SandboxAQ是英伟达参与投资的公司——英伟达在2023年参与了SandboxAQ的融资轮次。而SandboxAQ本身在2024年完成了约5.6亿美元的E轮融资，估值达到约53亿美元，投资方还包括T. Rowe Price、Breyer Capital等。一家GPU制造商为什么要投资一家量子材料科学公司？美国政府为什么要在芯片制造之外，单独为”材料发现”划出一条独立预算线？

这些问题的答案，指向的是一个比芯片补贴更深层的战略焦虑。

第一层：芯片材料的地缘政治裂缝

理解这5亿美元的逻辑，必须先理解当前芯片制造的材料困境。

现代半导体制造并不只依赖硅。先进逻辑芯片、化合物半导体、光电器件的制造，涉及一系列关键材料：砷化镓（GaAs）、磷化铟（InP）、氮化镓（GaN）、铟（Indium）、镓（Gallium）、锗（Germanium）……这些材料的开采和提炼，高度集中在少数几个国家，而其中相当大比例的供应链节点位于中国。

这不是理论风险。2023年7月3日，中国商务部和海关总署联合发布公告（2023年第23号），宣布自2023年8月1日起对镓和锗相关物项实施出口管制。这两种材料是化合物半导体和光电器件的核心原料。镓是氮化镓器件的基础，氮化镓被广泛用于5G基站功率放大器和新一代电力电子器件；锗则是光纤通信和部分红外成像系统的关键材料。据美国地质调查局（USGS）2024年矿物商品摘要数据，中国占全球镓产量的约98%，占全球锗产量的约60%。美国半导体行业协会（SIA）和国防部的供应链评估均将这类稀缺材料标记为战略脆弱点。

2024年12月，中国进一步收紧管控，宣布禁止向美国出口镓、锗及锑等关键矿物，将此前的”许可证管理”升级为对特定国家的全面禁令。这一举措直接回应了美国对华芯片出口管制的升级，标志着材料供应链已成为大国博弈的直接筹码。

更深层的问题在于：即便你能找到替代来源，许多材料的物理性质决定了它们在特定应用场景下难以被简单替代。磷化铟之所以用于高速光电器件，是因为其电子迁移率和直接带隙特性在特定频率范围内具有独特优势。你不能仅凭政治意志命令硅去模拟磷化铟的光电行为——除非你发现了新的材料体系。

这就是”材料发现”成为国家安全议题的根本逻辑：当前的材料选择是被物理约束和地缘政治双重锁定的。打破这个锁定的唯一路径，是找到具备同等或更优性能的新材料体系。

传统材料科学的发现路径极其漫长。从实验室发现到产业应用，一种新材料通常需要10到20年的周期——先是基础物性表征，再是制备工艺开发，再是器件集成验证，再是良率提升和成本优化。这个时间周期，对于地缘政治窗口期来说太长了。

美国政府需要的是一种能够压缩这个发现周期的方法。这就是AI进入材料科学的战略入口。

第二层：SandboxAQ的技术路径——AI与量子传感器的交叉

SandboxAQ本身的来历颇为特殊。这家公司2022年从Alphabet剥离而来，由前Google X副总裁Jack Hidary创立并担任CEO，其基因融合了Google多年积累的AI研究能力和量子计算探索方向。公司名称中”AQ”对应”AI+Quantum”的组合——这个命名逻辑本身就揭示了其技术定位。公司总部位于加州帕洛阿尔托，截至2024年报道员工规模约为数百人。

根据SandboxAQ官方公开信息及其技术白皮书，公司的核心技术方向包括两个相互交织的维度：大规模AI模型在科学计算中的应用，以及量子传感器技术在物质表征中的应用。这两个方向在材料发现这个应用场景中产生了独特的协同效应。

AI的角色：从搜索空间到预测引擎

材料科学的核心挑战之一是”搜索空间”问题。理论上可能存在的化合物数量是天文数字级别的——仅考虑元素周期表中常见的几十种元素，两元素到四元素的组合就已经形成了数以百万计的候选结构，更不要说不同晶体结构、不同掺杂浓度和不同界面条件带来的组合爆炸。传统实验方法每次只能测试一种候选材料，效率极低。

AI的价值在于两个层面：第一，通过训练大型机器学习模型，基于已有材料数据库预测新材料的物理性质（能带结构、迁移率、热导率、稳定性等），从而在不进行实际合成的情况下筛选出最有潜力的候选材料；第二，通过生成式AI方法，不只是从现有材料中搜索，而是设计出自然界中可能不存在但理论上可合成的新材料结构。

这个思路与Google DeepMind的AlphaFold有明显的方法论相似性。AlphaFold解决的是从氨基酸序列预测蛋白质三维结构的问题——本质上是在一个巨大搜索空间中，用深度学习模型找到最优解。材料发现的问题结构类似：给定目标性能参数，在可能的化合物空间中找到满足条件的候选结构。

2023年11月29日，Google DeepMind在《自然》杂志发表了GNoME（Graph Networks for Materials Exploration）项目论文（DOI: 10.1038/s41586-023-06735-9），报告通过图神经网络预测发现了约220万种稳定的新无机晶体结构，其中约38万种被认为具有较高的实验合成可行性。这个工作标志着AI辅助材料发现从概念验证进入了规模化探索阶段。SandboxAQ的工作方向与这个趋势处于同一技术浪潮中，但其独特之处在于量子传感器这个额外维度。

量子传感器的角色：高精度物性表征

AI预测的材料候选列表，最终需要通过实验验证。传统的材料表征方法——X射线衍射、透射电子显微镜、霍尔效应测量——已经相当成熟，但在某些特定场景下存在精度限制或速度瓶颈。

量子传感器利用量子力学效应（如氮空位色心NV center、超导量子干涉器件SQUID等）实现对磁场、电场、温度等物理量的超高精度测量。在材料科学中，这类传感器可以用于检测材料中极微弱的磁性特征、局域电子态密度分布，以及纳米尺度的物性不均匀性——这些信息对于理解新材料的实际性能至关重要。

SandboxAQ的技术路径，本质上是构建一个”AI预测+量子传感器验证”的闭环系统：AI负责从海量候选材料中筛选出最有希望的目标，量子传感器负责以更高精度、更快速度完成实验表征，表征结果再反馈给AI模型以改善下一轮预测。这个闭环如果能有效运转，理论上可以将材料发现的迭代速度提升数个量级。

与传统材料科学的本质区别

传统材料科学的发现范式是”假设驱动的”：研究者基于物理直觉提出假设，设计实验，验证假设，修正理论。这个过程高度依赖专家知识，每个迭代周期漫长，而且搜索空间受限于人类认知边界。

AI+量子传感器的新范式是”数据驱动的搜索”：不依赖特定假设，而是通过大规模计算筛选和高通量实验验证，在更大的搜索空间中进行系统性探索。这不意味着物理直觉变得无关紧要——AI模型的架构设计和训练数据的选择仍然需要深刻的材料科学知识——但它改变了科学发现的速率和规模。

这种范式转换的意义，不亚于基因测序技术的出现对分子生物学的影响：测序技术并没有取代生物学家，但它使得以前需要数年才能完成的基因组信息获取，压缩到了数小时甚至数分钟。材料科学正在经历类似的工具革命。

第三层：美国政府的战略拼图——CHIPS Act的延伸逻辑

要理解这5亿美元在美国制造业战略中的位置，需要把它放在更大的政策框架里看。

根据美国商务部官方信息，CHIPS和科学法案（CHIPS and Science Act，2022年8月9日由拜登总统签署）为美国半导体制造和研究提供了约527亿美元的投资框架。其中约390亿美元用于半导体制造激励（包括台积电亚利桑那工厂获得的约66亿美元、英特尔获得的约85亿美元直接资助、三星德州工厂获得的约64亿美元等），约132亿美元用于研发和劳动力发展。向SandboxAQ的5亿美元拨款，属于研发专项中的一部分。

CHIPS Act的战略设计者们意识到一个根本性问题：建工厂只是产业链重建的中间环节，如果关键材料仍然依赖单一来源，那么制造能力的本土化只是解决了一部分供应链脆弱性。

向SandboxAQ的5亿美元拨款，可以被理解为CHIPS Act逻辑的上游延伸：在制造端投资的同时，在材料发现端进行前瞻性布局。这是一种典型的”全产业链安全化”思路——不只是保证能够制造芯片，而是保证构成芯片的每一层材料都有可靠的供应路径，甚至是可替代的材料选项。

这个逻辑在国防采购领域有清晰的先例。美国国防部的”国防生产法”（Defense Production Act）和”国家国防储备”（National Defense Stockpile）项目，长期以来都在追踪和保障关键材料的供应安全。但这些传统机制的局限在于：它们主要针对已知的战略材料，而不能主动创造新的材料选项。SandboxAQ的资助，代表了一种更主动的战略姿态：与其储备稀缺材料，不如发现可以替代它们的新材料。

Coherent德州工厂：拼图的另一块

值得注意的是，化合物半导体制造商Coherent Corp.（原II-VI Incorporated，2022年更名）在德州谢尔曼（Sherman, Texas）的工厂扩建项目也在同期推进。Coherent于2025年宣布投资约10亿美元扩建其碳化硅（SiC）和化合物半导体产能，该项目据报道获得了CHIPS Act制造激励的部分支持（具体获得的CHIPS Act资助金额尚未在商务部官方公告中明确披露，此处基于行业报道推断）。Coherent是磷化铟和砷化镓晶圆的主要供应商之一，其工厂扩建代表了在现有材料体系下的产能本土化努力。

将SandboxAQ的材料发现资助与Coherent的制造扩张并列来看，可以看到一个双轨并行的策略：短期内，通过扩大现有化合物半导体材料的本土制造能力来降低对外依赖；长期内，通过AI加速材料发现来开发可能的替代材料体系。这两条线并不矛盾，而是在不同时间维度上覆盖了同一个战略目标。

5亿美元意味着什么规模的赌注

从纯资金规模来看，5亿美元对于一个基础科学发现项目来说是相当大的投入。这相当于美国国家科学基金会（NSF）FY2025预算请求约92亿美元的约5.4%，或者美国能源部科学办公室（DOE Office of Science）FY2025预算请求约89亿美元的约5.6%。对于一家单一公司承接的研究合同，这个规模在联邦科技合同中属于较高量级。

但更重要的信号不是绝对金额，而是资金的流向结构。这笔钱流向了一个AI+量子技术的私营公司，而不是流向传统的国家实验室（如橡树岭、阿贡）或大学联合体。这表明美国政府正在有意识地将AI原生公司纳入国家科技安全的执行体系，而不仅仅依赖传统的政府科研机构。这是一个政策取向上的重要信号。

第四层：英伟达的全栈布局——从GPU到材料科学

英伟达为什么投资SandboxAQ？这个问题表面上看起来有些奇怪，但放在英伟达过去几年的战略演进中，逻辑相当清晰。

英伟达在2023年参与了SandboxAQ的融资（具体金额未公开披露），这是其在AI应用生态中广泛布局的一部分。英伟达的核心业务是GPU，但GPU的价值依托于整个AI计算基础设施的生态系统。英伟达过去几年通过收购和投资，系统性地布局了AI计算栈的多个层次：从CUDA软件生态，到NVLink互联架构，到网络交换芯片（2020年以约70亿美元收购Mellanox），再到AI推理优化软件（TensorRT等）。

但英伟达面临一个长期结构性风险：其GPU产品的物理性能提升，越来越依赖先进封装技术和高带宽内存（HBM），而这些技术本身又依赖特定的材料和工艺。如果芯片材料的供应链出现断裂——无论是因为地缘政治管制还是物理产能瓶颈——英伟达的产品路线图将直接受到冲击。

从这个角度看，英伟达对SandboxAQ的投资，可以理解为对其自身供应链上游的一种战略性对冲。这不是英伟达第一次在看似”非核心”的领域进行战略布局——英伟达对生物医药AI公司Recursion Pharmaceuticals的投资（2023年，约5000万美元）、对量子计算相关研究的支持，都体现了同样的逻辑：通过投资那些可能重塑未来计算基础设施的技术，确保英伟达在下一个技术周期中不会成为路径依赖的受害者。

光互联：材料科学的另一个战场

英伟达全栈布局中，有一个具体的材料科学痛点值得单独讨论：光互联技术。

随着AI数据中心规模的扩大，芯片之间的互联带宽成为关键瓶颈。英伟达的NVLink和NVSwitch架构已经在铜互联领域做到极致，但铜的物理极限正在逼近。下一代超大规模AI集群将越来越多地依赖光互联技术——用光信号代替电信号在芯片之间传输数据。英伟达在2025年GTC大会上展示的下一代互联路线图中，光互联已被明确列为关键技术方向。

光互联器件的核心材料，恰恰是磷化铟（InP）和硅光子（Silicon Photonics）。磷化铟的供应链脆弱性已如前述；硅光子虽然材料更易获取，但其性能在某些指标上（如激光器效率）仍不及化合物半导体。如果AI能够发现新的光电材料体系，在性能上超越磷化铟、在制备上比硅光子更易与CMOS工艺集成，那么英伟达的光互联路线图将获得全新的可能性。

这就是英伟达与SandboxAQ之间的深层技术纽带：不只是财务投资，而是对英伟达未来产品技术路径的战略性押注。

第五层：AI加速科学发现——一场更大的范式转换

SandboxAQ获得5亿美元资助，是AI加速科学发现这个更大趋势的一个具体节点。

材料发现AI的技术现状（截至2026年中）

在GNoME之后，材料科学AI领域的进展持续加速：

Google DeepMind的GNoME项目（2023年11月《自然》论文）展示了图神经网络在预测材料稳定性方面的大规模能力。此后，劳伦斯伯克利国家实验室的A-Lab项目在2023年底展示了AI指导的自动化实验室，在17天内自主合成了41种新材料中的38种，验证率达到约71%。微软的材料模拟项目（Azure Quantum Elements）使用量子化学模拟结合机器学习势函数，在2024年宣布发现了一种新型固态电解质材料候选。Meta的FAIR实验室开发了开放催化剂项目（Open Catalyst Project），已发布了包含超过13亿个DFT计算数据点的数据集，专注于催化材料的AI发现。

这些工作共同指向一个方向：AI在材料发现中的价值，不在于取代材料科学家，而在于将”计算筛选”这个步骤的速度和规模提升几个数量级，从而让实验科学家能够将有限的实验资源集中在最有希望的候选材料上。

量子化学计算与AI的协同

需要特别说明的是，AI在材料发现中的应用，并不意味着完全绕过物理化学原理。当前最先进的方法，通常是将AI（特别是机器学习势函数和图神经网络）与密度泛函理论（DFT）计算相结合：DFT提供基于量子力学的精确计算，但计算量大（一个中等复杂度的材料体系可能需要数千CPU小时）；AI学习DFT的结果，构建出速度快数个量级的替代模型（surrogate model），用于大规模筛选。这个组合兼顾了物理精度和计算效率。

SandboxAQ在这个技术框架中的独特之处，在于其量子传感器维度。量子传感器提供的实验数据，质量和精度高于传统测量手段，这意味着AI模型的训练数据质量更高，预测结果的可靠性更强。这是一个可能在技术上形成差异化的关键点——不只是更快的计算，而是更高质量的数据闭环。

对立视角的交锋：这5亿美元是战略投资还是政策噱头？

任何严肃的分析都不能回避质疑的声音。在这笔拨款的问题上，存在两种截然对立的解读。

乐观视角：这是一次正确的时间窗口押注

乐观方的论点是：材料发现的AI化正在从”可能”变为”可行”。AlphaFold已经证明了AI解决复杂科学问题的能力；材料数据库（如Materials Project包含超过15万种材料的计算数据，AFLOW包含超过350万种材料条目）已经积累到足以支撑大型AI模型训练的规模；A-Lab的自动合成验证实验证明了AI预测到实验验证的闭环是可行的。SandboxAQ的技术路径不是空中楼阁，而是在一个已经有若干验证节点的技术方向上加速推进。

更重要的是，时机窗口正在关闭。中国在材料基因组计划上的投入持续加大——根据公开报道，中国科学院在2024年启动了新一期”材料基因组工程”重大专项，投入规模据报道达数十亿人民币（具体金额因项目分散执行，精确总数难以独立核实）。中国在量子传感器研究上的政府支持同样在加速。5亿美元的投入，在这个时间节点上具有超越其绝对金额的战略价值。

怀疑视角：从实验室发现到工业应用的鸿沟

怀疑方的论点同样有力：AI预测出的材料候选，和实际可以在工业规模上制备、应用的材料之间，存在巨大的工程鸿沟。

具体数据可以说明这个鸿沟的规模：GNoME声称发现了约220万种稳定晶体结构，但截至2025年底，公开文献中报告的实验合成验证仅覆盖了其中极小比例（A-Lab的验证实验仅涉及数十种）。更关键的是，”热力学稳定”不等于”可工业化制备”——许多理论上稳定的材料可能需要极端的合成条件（超高温、超高压），或者在实际器件集成中面临界面兼容性问题。

历史先例也支持怀疑方的立场。碳化硅（SiC）作为功率半导体材料，从1960年代的实验室发现到2010年代的大规模商业化，经历了约50年。氮化镓（GaN）从1990年代中村修二的蓝光LED突破到成为成熟的功率器件材料，也用了约20年。这些时间线表明，材料从发现到应用的瓶颈主要不在于”找到候选材料”，而在于工艺开发、缺陷控制、可靠性验证和成本优化等后续环节。AI可以加速前端的筛选，但目前尚无证据表明它能显著压缩后端的工程化过程。

此外，还有一个结构性质疑：5亿美元流向一家私营公司而非国家实验室体系，是否存在利益输送的风险？SandboxAQ的投资方包括英伟达等科技巨头，而这些巨头本身就是CHIPS Act的受益者——这种利益关联是否影响了资金分配的公正性？这一质疑目前没有证据支持存在不当行为，但作为治理风险值得持续关注。

本文的判断

这两种视角都抓住了真实的问题，但我倾向于乐观方在战略逻辑上的正确性，同时接受怀疑方在执行风险上的警示。需要声明的是，以下判断基于公开信息的分析推断，而非内部信息或已验证的结论。

关键在于：这笔投资的价值不只是”能不能发现新材料”，而是”能不能建立一套可持续的AI驱动材料发现能力”。即便具体的材料发现结果在短期内有限，这个项目如果能够培育出一批具备AI材料科学能力的研究者、建立起高质量的材料数据基础设施、验证量子传感器在工业材料表征中的实用价值，那么它的战略回报可能远超5亿美元的直接产出。

科学基础设施的投资，从来不是线性回报的。曼哈顿计划的直接产出是原子弹，但其间接产出——核能工业、加速器物理、计算科学——的价值远超军事应用本身。美国政府在这个方向上的押注，更接近于”能力建设”而非”项目采购”——这是理解这笔钱的正确框架。

大多数人没看到的：这是美国科技政策的结构性转变

在所有关于这笔拨款的讨论中，有一个维度被大多数报道忽略了：这标志着美国联邦科技资助模式的一次重要结构性转变。

传统的联邦科研资助模式，是通过NSF、NIH、DOE等机构，以竞争性项目制资助大学和国家实验室。这个模式的优点是去中心化、鼓励多样性，缺点是执行周期长、成果转化慢、难以集中力量攻克特定战略目标。

过去几年，美国联邦政府在科技领域越来越多地采用另一种模式：直接与私营科技公司签订大额合同，要求在特定时间内交付特定能力。这个模式在国防采购领域已经有悠久历史（DARPA的项目制合同是典型），但它向基础科学领域的渗透是相对新的现象。SpaceX通过NASA的商业载人合同获得数十亿美元资助是一个先例；OpenAI与美国军方的合作是另一个；现在SandboxAQ的5亿美元合同，将这个模式延伸到了材料科学领域。

向SandboxAQ拨款5亿美元，是这个趋势的又一个数据点。政府不是把这笔钱给MIT材料科学系开展基础研究，而是给一家私营AI公司，要求其利用商业化的AI和量子传感器能力，在芯片材料发现上产出具体成果。这意味着政府在接受更高的执行风险（私营公司可能失败）的同时，也在押注更快的成果转化速度。

这种模式转变的深层逻辑是：在AI时代，技术进步的最前沿已经不在大学实验室，而在顶尖的AI公司。如果政府想要利用最先进的AI能力解决国家战略问题，就必须与这些公司直接合作，而不是等待学术界的知识扩散。

这是一个正确的判断，但也带来了新的治理挑战：当联邦资金大规模流向私营AI公司时，如何确保研究成果的公共可及性？如何防止知识产权集中在少数公司手中？如何保证国家战略目标不被商业利益扭曲？这些问题，在SandboxAQ案例中还没有清晰的答案——而这恰恰是这笔投资最值得长期跟踪的治理维度。

预判：这笔投资将如何改变格局

基于以上分析，我对这笔投资的中长期影响做出以下判断。需要强调的是：以下预判属于基于当前公开信息的推测性分析，实际结果将取决于技术进展速度、政策环境变化及市场条件等多重不确定因素。

短期（1到3年）：预期产出将主要是方法论验证，而非具体材料发现。SandboxAQ可能会展示AI+量子传感器闭环的技术可行性，发表若干高影响力论文，建立起材料数据库基础设施。具体的新材料从发现到验证，在这个时间窗口内难以完成完整的工程化验证。

中期（3到7年）：如果技术路径验证成功，据推测可能出现少量（或许2到5种）具有实际应用潜力的新材料候选，进入工艺开发阶段。这一估计基于当前AI材料发现的验证速率和历史上新材料从发现到工艺开发的典型时间线推算，具有较大不确定性。这些材料不太可能在短期内替代现有的主流半导体材料，但可能在特定的高价值应用场景（如超高频光电器件、特定功率器件、新型光互联材料）中开辟新的可能性。

长期（7年以上）：这笔投资的真正价值，可能不在于SandboxAQ本身的材料发现结果，而在于它所示范的”AI加速材料科学”方法论的扩散效应。如果这个方法论被证明有效，将吸引更多的政府资金、私人投资和人才涌入这个方向，从而在整个材料科学领域形成加速效应。这个扩散效应的价值，可能远超5亿美元本身。

对中国的潜在影响：这笔投资的地缘政治含义不容忽视。如果美国能够通过AI发现可以替代镓、锗、磷化铟等中国管控材料的新材料体系，那么中国对这些材料的出口管制武器将大幅贬值。这是一种以科技手段反制地缘政治工具的战略逻辑。但需要指出的是，这一战略目标的实现取决于多个前提条件：替代材料确实存在且可被发现、新材料的工业化制备在经济上可行、以及整个过程能在地缘政治窗口期内完成。这些前提条件中的任何一个失败，都可能使这一战略逻辑落空。

So What：这对你意味着什么

如果你是半导体行业从业者，这笔投资意味着：材料科学将在未来5到10年内成为半导体产业链中最受关注的上游环节之一。掌握AI辅助材料表征和发现能力的公司，将在下一代器件开发竞争中获得先发优势。

如果你是AI领域的研究者或投资者，这意味着：AI在科学发现中的应用，正在从学术探索进入有大额政府合同支撑的产业化阶段。”AI for Science”不再只是论文话题，而是有真金白银支撑的商业方向。

如果你关注地缘政治与科技的交叉，这意味着：材料科学已经成为新一轮科技竞争的前沿战场。稀土和关键材料的地缘政治博弈，将因为AI材料发现能力的竞争而增加一个新的维度——不只是谁控制了现有的关键材料，而是谁能更快发现替代材料。

5亿美元，在宏观数字中不算大。但它所指向的方向——用AI重写芯片材料的底层规则——如果成功，将是一次影响深远的战略性突破。这不是一个关于某家公司或某笔补贴的故事，而是关于科学发现本身如何被重新定义的故事。

参考资料

  1. US awards $500 million to Nvidia-backed SandboxAQ for finding new chipmaking materials — Reuters, 2026-06-17

  2. Scaling deep learning for materials discovery — Nature (Google DeepMind GNoME论文), 2023-11-29

  3. CHIPS for America — Department of Commerce — U.S. Department of Commerce / NIST, 截至2026-06-18

  4. China bans export of critical minerals to US in retaliation for chip curbs — Reuters, 2024-12-03

  5. An autonomous laboratory for the accelerated synthesis of novel materials — Nature (A-Lab论文), 2023-11-29

  6. [SandboxAQ raises $500 million at $5.3 billion valuation](https