人工智能的爆发式增长正演变为一场物质层面的挑战。随着算力需求推动计算进入新领域，支撑基础设施的材料变得与运行其上的算法同等重要。当前，半导体和数据中心在性能、热管理、能效及可靠性方面正逼近物理极限。与此同时，人工智能也为材料科学提供了探索海量分子组合的新路径，显著加速了新材料的研发进程。
材料定义技术边界
Syensqo 首席技术与创新官迈克·菲内利（Mike Finelli）指出：“从物质的角度来看，人工智能正在将半导体和数据中心推向其物理极限。”这种融合正在重塑先进材料的应用潜力。
随着对耐高温、高纯度、优异电性能、化学耐药性、等离子体耐受性及长期稳定性等要求的不断叠加，材料研发正向着菲内利所称的“性能金字塔顶端”迈进。他认为，先进材料不仅支持着人工智能的创新，实际上正在越来越多地定义技术可能性的边界。
跨行业的技术迁移
这一挑战直接推动了人工智能基础设施中材料技术的革新。Syensqo 目前正在开发适用于高压数据中心架构的材料、用于半导体制造的先进密封材料，以及包括直接浸没冷却液在内的热管理解决方案。
值得注意的是，技术创新具备跨越行业界限的能力。例如，为电动汽车开发的材料技术可被应用于解决数据中心日益增长的电压和能量密度需求。数据中心正向高压架构转型，以在提升计算能力的同时提高能源效率并减少损耗，这带来了更高的电力密度和温度挑战。此前在电动汽车电池储能系统及电气连接中开发的耐热聚合物和绝缘材料，如今正被转化应用至这些下一代数据中心场景中。
此外，源自汽车行业的流体循环知识和介电材料技术，也被引入数据中心的热管理中。相比低效且耗能巨大的空气冷却，直接浸没式冷却利用液体直接接触半导体，展现出极高的效率优势。
可持续性与性能的平衡
绩效的定义正在发生变化。客户不再仅关注技术指标，还要求材料在满足高性能的同时降低环境影响。菲内利表示，目标是消除性能与可持续性之间的权衡，这意味着需在研究初期就将可持续性纳入考量，而非作为事后附加要求。
Syensqo 开发了可持续投资组合管理工具（SPM），通过矩阵评估产品在特定应用中的社会环境性能及生产过程中的环境影响。目前，该公司产品组合中 88% 被视为可持续产品。以传热流体为例，针对传统流体全球变暖潜势高的问题，公司正在开发新一代环保型传热流体，以适应半导体制造和数据中心向更高电压架构转型带来的散热需求。
AI 加速材料发现
人工智能也在改变材料的发现方式。两年前，Syensqo 开始与微软合作，利用 Microsoft Discovery 工具及自研的人工智能代理进行研发。在传统方法中科学家需基于经验和文献筛选有限的实验方向；而 AI 代理能够数字合成并预测数百万种潜在分子组合的性能及可持续性特征。
通过基于物理的模拟和智能排序，原本庞大的搜索空间被缩小至约 100 个优先候选分子进行实验室测试。菲内利形容这一过程让研发团队能够“更广、更深、更快”地探索，同时将科学家从繁琐的筛选工作中解放出来，使其能专注于解决复杂的工程难题。
构建自我强化的创新循环
展望未来，一种强化循环正在形成：人工智能辅助开发改善人工智能基础设施的材料，而这些更好的基础设施又反过来赋能更强大的人工智能，从而加速后续的材料发现。菲内利认为，这将形成一个加速材料创新的良性循环，为塑造未来技术提供持续动力。
