Atomic Machines 发布 AI 制造系统 Matter Compiler 及首款微型继电器 PrimeSwitch

2026 年 10 月 7 日，美国初创公司 Atomic Machines 结束长达六年的隐身研发，正式发布名为 Matter Compiler（物质编译器）的 AI 制造系统，并推出首款产品 PrimeSwitch——一枚面向 AI 数据中心供电系统的微型继电器。公司同时宣布累计融资已达 2.5 亿美元。

把这两件事放在一起看，才能理解这次发布的真实结构：PrimeSwitch 是一件可以测量、可以送样的具体硬件，而 Matter Compiler 是一套尚未被外部验证的制造主张。前者是后者的展示窗口，而不是它的全部。

公司创始人是 Jeff Holden，他曾参与亚马逊 Amazon Prime 业务开发，后担任 Uber 首任首席产品官并参与推动自动驾驶等项目。这份履历解释了融资规模，但不构成对技术能力的证明。

按照公司设想，Matter Compiler 类似软件编译器：让数字设计经过材料加工、精密装配和检测，最终成为能够实际工作的机器。据公司介绍，它能根据数字设计加工多种材料、制造具有活动部件的三维微型设备，并在加工过程中测量和校正。这些描述目前均来自公司自述。

选择微型继电器作为首款产品，与 AI 数据中心供电需求的变化直接相关。2026 年 8 月，英伟达发布技术文章，介绍面向下一代 AI 计算设施的 800V 直流供电方案。

电压架构改变，保护器件的要求随之改变。对于高压直流系统，由于电流没有交流电常见的周期性过零点，电弧更难自然熄灭，因此对开关速度和电弧处理提出更高要求。

现有两类开关各有短板。传统机械继电器和接触器动作时间通常在毫秒级；固态开关部分应用可达微秒级，但持续导通会产生损耗和热量，且不能单独提供机械触点的物理隔离。

Atomic Machines 试图在这两者之间找位置。根据公司公布的数据，PrimeSwitch PS-150 额定持续电流为 150 安培，触点开断时间约 50 微秒，导通电阻为 200 微欧姆，并标称具备 1,500 伏电气隔离能力。封装直径约 9.5 毫米、厚度约 3 毫米，采用双稳态设计，可在不持续供电的情况下保持开关状态。公司还称其开断速度约为传统接触器的 1,000 倍。

需要明确的是，上述性能数字全部为公司自述，缺乏第三方验证。目前 PrimeSwitch 已开始向早期客户提供样品，用于产品评估；它能否真正进入 AI 数据中心的实际供电系统，仍不确定。

Atomic Machines 的长期赌注，建立在一个行业性难题上：数字设计完成，不等于能够投入生产。

3D 打印已经能根据数字模型制造复杂结构，但打印出一个零件与制造出一台能正常工作的机器仍有很大区别。以微型泵为例，它需要形成特定流道和腔体、保证不同材料之间的密封性并达到预期工作效率；微型继电器则需要活动触点、导电结构和绝缘部分协同工作。即使所有零件都能加工出来，尺寸偏差、材料特性或装配误差仍可能影响最终性能。

半导体制造已能在微米甚至更小尺度上精密加工，但成熟工艺主要围绕集成电路展开。微机电系统（MEMS）将微型机械结构与电子器件结合，已广泛应用于手机加速度计、陀螺仪和喷墨打印头等产品，但其制造存在特殊困难：不同器件对结构、材料和性能要求差异很大，工艺难以像传统集成电路那样高度标准化。

国际半导体产业协会（SEMI）在一篇行业访谈中讨论过这一问题。德国博世公司 MEMS 技术负责人指出，MEMS 制造标准化程度虽已明显提高，但与传统半导体相比仍存在差距；当新器件需要实现更复杂功能时，将设计推进至可规模化生产阶段仍需大量工艺开发工作。

这正是 Atomic Machines 想切入的缝隙：如果一套系统能重复使用，开发者或许可以通过修改数字设计来调整产品，减少为每款新产品单独开发工艺的时间和成本。

Matter Compiler 的设想是把设计、制造、测量和验证结合起来：依据数字设计规划制造步骤、执行精密加工，并在加工过程中测量结果、修正误差；AI 还可以利用实际实验结果，检验此前的模拟和设计方案。

传统流程中，设计与生产之间通常需要多次往返——工程师先设计产品，再根据现有设备制定工艺方案；如果生产结果与设计存在偏差，还需分析原因、重新调整参数。有些问题只有制造出样品后才能发现。公司希望压缩这些往返环节。

但一个关键区分常被忽略：自动化设备按照预设程序执行精密加工，已经是现代制造业的常见能力。Matter Compiler 所描述的进一步变化，在于利用 AI 开展实验、优化工艺，并根据实际测量结果调整制造方案。

问题在于，公司尚未详细公开相关算法、实验规模以及 AI 参与制造决策的具体程度，因此难以量化 AI 带来的效率提升。公司将“从提示词直接走向实体产品”的目标称为 Prompt-to-Product，但其官网虽展示了从需求描述、设计模拟到制造的完整流程，尚未提供足够实际案例证明用户输入自然语言即可在无需工程师介入下完成整个过程。

目前 PrimeSwitch 只是 Matter Compiler 展示的第一款产品。Atomic Machines 还需证明，同一套系统能稳定生产微型泵、电机、传感器等不同类型的器件——这些器件在材料、结构和加工工艺上存在明显差异。

即便通用性成立，商业成立与否仍取决于另一组变量：设备折旧、加工效率、检测成本和量产良率。减少专用设备与工艺开发投入只是其中一部分，这些成本项最终都会决定该制造模式能否在商业上站住脚。

对 PrimeSwitch 本身而言，作为一款机械继电器，它必须在不同电压、电流和负载条件下稳定工作。触点磨损、接触电阻变化以及反复开断后的性能衰减，都可能影响使用寿命；在数据中心场景中，产品不仅要快速响应故障，还要保证长期运行稳定性。

换言之，这次发布同时留下了两个待验证的命题：一件硬件能否通过长期可靠性考验，以及一套系统能否被证明具有通用性。两者都不是靠发布会能回答的。