一句话看懂：阿里巴巴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 Elements Claw，它已从零开始筛选出 6.8 万种候选材料，并成功合成验证了 4 种新型超导体，包括一种完全由 AI 设计的 HfZrRe4。这一成果将材料发现从数十年试错压缩到数十 GPU 小时，标志着 AI 在科研中从“辅助工具”升级为“自主研究者”。
事件核心：发生了什么
7 月 3 日，达摩院联合高校团队正式推出 Elements Claw，这是专门用于超导材料发现的 AI 智能体。该系统基于 1.25 亿分子与晶体结构训练，构建了千亿参数的原子基础模型（Elements）。其核心能力在于：它能像人类科学家一样自主查阅文献、评估合成可行性、设计实验方案，并在发现新线索后实现算法“自我进化”。实际测试中，AI 从 240 万个晶体结构中筛选出 6.8 万种超导候选材料，仅消耗 28 GPU 小时。预测超导潜力的 AUC 得分高达 0.996，临界温度预测误差控制在 1K 以内。研究团队已成功合成并验证了 4 种新材料：AI 从头设计的 HfZrRe4，以及通过修正现有数据库发现的 Hf21Re25、Zr4VRe7 和 Zr3ScRe8，其临界温度最高可达 6.5K。目前，团队已公开全部 240 万稳定晶体的数据集。
为什么重要
传统超导材料发现依赖试错，国际主流数据库 SuperCon 积累数十年仅记录约 2000 种材料。Elements Claw 将搜索效率提升了数个数量级，并实现了从数据筛选到实验验证的全流程闭环。这不仅是 AI 在材料科学领域的突破，更展示了一种可复用的科研范式：通过“专用+通用”架构，原子基础模型能够掌握物质结构的内在规律，从而在其他关键材料研发上快速迁移。
对用户/开发者/创作者的影响
对科研机构和企业研发团队而言，该智能体框架预计可复用于固态电池电解质、多相催化剂、热电材料等领域的开发，大幅降低材料发现的试错成本和周期。开发者可以基于公开的 240 万晶体数据，在自己的算力环境上训练或微调类似的 AI agent。普通用户短期内不会直接接触到该工具，但其开源数据与模型架构将为材料科学相关的 API 服务和云上科研计算方案提供新的可能。
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。
值得关注的后续
第一，Elements Claw 是否会发布 API 或面向更广泛的研究社区开放使用；第二，该框架在固态电池、催化剂等同样依赖晶体结构筛选的领域能否快速验证并取得类似成果；第三，现有超导材料的临界温度仍偏低（6.5K），AI 能否在本轮筛选的基础上进一步优化材料设计，向高温超导方向推进。
来源：AIbase
