一句话看懂：阿里达摩院联合中国人民大学、中国科学院大学发布AI智能体Elements Claw，成功预测6.8万种潜在超导材料，其中4种已通过实验合成并证实超导性。这是AI首次以“智能体”形式自主完成从文献检索到实验方案设计的链条式材料发现，被视为AI for Science领域的一项实质性突破。
事件核心：发生了什么
7月3日，阿里达摩院通过公众号宣布推出超导材料发现AI智能体Elements Claw。团队基于包含1.25亿个分子和晶体结构的数据库，预训练了1B参数的原子基础模型Elements，其判断材料超导性的AUC达0.996，预测临界温度的平均误差控制在1K以内。在此基础上，Elements Claw采用“专通融合”架构——专有模型负责高精度预测，通用智能体框架则实现工具制造、流程编排、文献复核等整体筛选流程自动化，并能在文献中挖掘新线索后实现“自我进化”。
AI仅用28个GPU小时完成了240万晶体结构的筛选，最终预测出6.8万个超导候选材料。研究团队已实验合成并验证其中4种新材料：从现有数据库中发现的“漏网之鱼”Hf21Re25、纠正数据库构型错误后“正名”的Zr4VRe7、AI从头设计生成的HfZrRe4，以及基于类似结构举一反三得到的Zr3ScRe8，后者临界温度最高达6.5K。与之对比，国际主流超导数据库SuperCon历经数十年积累仅收录约2000种材料。
为什么重要
Elements Claw的意义不仅在于发现了新材料，更在于验证了一套可复用的AI智能体框架在材料发现领域的可行性。传统材料研发依赖大量试错和专家经验，周期长、成本高。而Elements Claw整合了原子模型与语言模型的Agent机制，使AI能够像人类科学家一样查阅文献、评估合成可行性并设计实验方案，大幅提升了发现的效率和成功率。达摩院科学智能负责人荣钰表示，这是AI智能体发现并获验证的第一批超导材料，初步验证了该框架的潜力。中国人民大学高瓴人工智能学院副教授黄文炳指出，该智能体也有望应用于固态电池电解质、多相催化剂和热电材料等其他新材料的发现，意味着其技术路线具有跨领域复用的商业化价值。
值得注意的是，达摩院已开放Elements Claw预测的所有240万稳定晶体的数据库，供科研人员免费使用。这一开源策略有助于吸引全球研究者参与验证和二次开发，加速AI智能体在材料科学领域的落地。
对用户/开发者/创作者的影响
对材料学研究者与科研机构：直接获得了规模空前的超导候选材料数据库，可免费下载使用，大幅缩短基础研究的筛选周期。同时，Elements Claw的“文献-预测-实验”自动化流程为从事固态电池、催化剂等细分领域的研究团队提供了可直接借鉴的技术范式。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对AI开发者和技术团队：“专通融合”架构展示了将大语言模型的通用推理能力与领域专用模型的预测能力有效结合的方法论。开发者可以据此思路，在自己的领域（如药物发现、化工材料）中构建类似的AI智能体，复制高精度模型与自动化流程的协同模式。
对企业与产业投资人：28个GPU小时代替数年实验的工作量，意味着材料发现环节的计算成本已降至可商业化的水平。这为新能源、半导体、超导传输等依赖新材料突破的行业提供了技术加速的可行路径，但需关注从“候选材料”到“实际产品”的产业化周期仍较长。
值得关注的后续
- Elements Claw目前发现的4种已验证材料临界温度最高为6.5K（约-266.65°C），属于低温超导。后续能否通过AI预测出更高临界温度（如室温超导候选材料），将是检验模型泛化能力的关键指标。
- 达摩院数据库已开放，但未透露是否会像LlaMA等开源模型一样开放模型权重或API接口。如果进一步开放模型或提供云端推理服务，将显著降低其他研究机构的使用门槛。
- 目前公开信息显示，Elements Claw仅验证了4种材料，剩余6.8万候选材料中是否还有其他可合成且具有实用价值的超导体，需要等待更多独立实验室的复现验证。
来源：IT之家（RSS）
