7月3日阿里达摩院联合中国人民大学、中国科学院大学发布了一个叫ElementsClaw的AI智能体。它花了28个GPU小时从240万种晶体结构里筛出了6.8万个超导候选材料其中4种是之前人类完全未知的全新超导体已经通过了实验验证。28个GPU小时成本大概114美元。而传统的超导材料发现可能是一个团队几年的工作量。超导材料发现为什么这么难超导现象是1911年发现的。材料在临界温度以下电阻完全消失产生迈斯纳效应——在电力传输、磁悬浮、量子计算、MRI这些领域超导材料就是圣杯级别的存在。但一个世纪过去了人类找到的超导材料也就2000多种。为什么这么慢三个根本困境困境一机理不明。BCS理论只解释了常规超导高温超导的机理到现在还是物理学的未解之谜。换句话说你没法从第一性原理推导出什么材料会超导。困境二效率极低。既然理论不靠谱那就只能试。研究人员把各种元素组合合成材料测电阻看有没有超导。这跟爱迪生试灯丝没什么本质区别周期动辄数年。困境三信息孤岛。文献、数据库、实验数据分散在不同系统。一个材料学家可能要同时在好几个来源之间来回切换没有统一的决策框架。ElementsClaw做的事情就是把这个爱迪生式试错的过程交给AI来完成。240万晶体结构ElementsClaw AI智能体专有模型层通用智能体框架Elements-T: Tc预测Elements-C: 超导分类Elements-E: 能量稳定性Elements-G: 结构生成文献检索与复核数据库交叉比对可合成性评估实验方案设计6.8万候选材料4种全新超导体实验验证通过专通融合双引擎架构ElementsClaw的核心设计思路叫专通融合——把专用模型和通用大模型结合起来。专有模型层Elements原子基础模型这是一个10亿参数的几何深度图神经网络它把晶体结构建模成原子图。每个原子是一个节点化学键和空间距离是边。这个模型做了四件事Elements-T预测临界温度Tc平均误差不到1KElements-C二分类判断是否超导AUC达到0.996Elements-E评估晶体结构的能量稳定性Elements-G生成新的晶体结构说白了这层是材料学专家它对晶体结构的理解远超任何通用模型。通用智能体框架LLM驱动但光有专家模型不够。材料发现还需要读论文、查数据库、判断合成可行性、设计实验方案。这些事情需要语言理解和推理能力。所以ElementsClaw在上面又加了一层LLM驱动的智能体框架负责自动检索和阅读文献在多个数据库之间交叉验证评估候选材料的合成可行性设计具体的实验验证方案根据实验结果自我进化自动微调模型两个引擎配合起来就形成了一个完整的AI材料学家。效率对比28小时 vs 传统方法这里有一个直观的数据对比维度传统方法ElementsClaw筛选规模数百种/年240万种/28小时候选产出个位数6.8万个实验验证4种4种单次成本数十万美元约114美元效率提升-约34倍34倍效率提升114美元的成本。这个数字意味着什么意味着以前只有顶级实验室才做得起的超导材料发现现在可能一个研究生课题组就能跑。这就是AI for Science真正的价值——不是替代科学家而是把重复性的筛选工作自动化让科学家把精力放在更有创造性的判断和验证上。为什么这件事意义重大AI for Science不是一个新概念。但之前大部分工作停留在用AI预测某个性质的层面离真正的科学发现还有距离。ElementsClaw不一样。它不是预测是发现——4种全新的、人类之前完全不知道的超导体而且通过了实验验证。从预测到发现从发现到验证整个闭环跑通了。达摩院这次的合作方也很值得关注中国人民大学高瓴人工智能学院、中国科学院大学。高校科研机构企业研究院的组合说明AI for Science不是某一家公司能独立搞定的事它需要跨学科、跨机构的深度协作。对开发者的启示ElementsClaw给做AI应用的开发者提供了两个重要信号第一垂直领域专用模型的价值远未被充分挖掘。1B参数的GNN模型在超导预测这个任务上任何万亿参数的通用模型都比不了。专有模型通用框架的架构可能是未来AI应用的主流范式。第二AI for Science是一个巨大的蓝海。材料科学、药物研发、气候模拟、蛋白质设计……这些领域的数据量、计算量、对精度的要求都远超消费级AI应用。但门槛也高——你不仅需要AI能力还需要领域知识。写在最后110多年前荷兰物理学家昂内斯在实验室里发现汞在4.2K时电阻突然消失开创了超导研究。之后的100多年人类找到的超导材料不过2000多种。ElementsClaw用28个小时就给出了6.8万个候选。其中有4个已经被验证是全新的超导体。这不是AI替代科学家的故事。这是AI让科学家更快发现的故事。两者的区别值得每个做AI的人仔细想想。2026年7月3日阿里达摩院联合中国人民大学、中国科学院大学发布全球首个超导材料发现AI智能体ElementsClaw用28个GPU小时从240万晶体结构中筛选出6.8万超导候选材料其中4种全新超导体已实验验证效率是传统方法的34倍。
