一句话看懂：阿里达摩院联合人大高瓴人工智能学院、中国科学院大学，发布了专攻超导材料发现的AI智能体“ElementsClaw”（元素虾）。它仅用28个GPU小时，就从240万种稳定晶体中预测出6.8万种可能超导的材料，并在实验验证中发现了4种人类此前完全未知的新超导体，大大提升了超导材料筛选效率。
事件核心：发生了什么
7月3日，阿里达摩院公布了这项研究，核心是一个名为“ElementsClaw”的AI智能体。它并非单一预测模型，而是“通专融合”架构：一边是10亿参数的几何深度图神经网络“Elements”，能精准预测材料是否超导及临界温度；另一边是大语言模型，负责阅读文献、查询数据库、分析可合成性并设计实验方案。团队利用该智能体对240万种已知稳定晶体进行全量筛选，仅用28个GPU小时便锁定超导候选，最终通过实验验证了其中4种全新超导体（如Hf₂₁Re₂₅、Zr₄VRe₇等），最高临界温度为6.5K。目前，该预测数据库已向全球开放。
为什么重要
超导材料发现长期依赖“炒菜式科研”——基于偶然试错，人类一百多年仅发现2000多种超导体，且高温超导机制至今未解。ElementsClaw首次将AI智能体完整应用于此领域，验证了从预测到实验验证的闭环能力。其核心突破在于：一是将预测命中率从自然界的约3%提升至40%以上；二是在非大语言模型架构上验证了Scaling Law，表明参数和数据量增长能持续提升原子模型精度。这为材料科学从“还原论”转向“涌现论”提供了可行路径，也意味着AI在破解复杂物理系统方面迈出了关键一步。
对用户/开发者/创作者的影响
对于材料科学研究者，ElementsClaw开放了240万种晶体的超导预测数据库，可直接用于筛选候选材料，大幅缩短文献调研和实验试错周期。对于AI开发者，该智能体展示了“大原子模型+大语言模型”协同的设计范式，尤其在科学发现场景中，模型需要不仅会“预测”，还要能“决策”和“自我进化”。对算力关注者来说，28个GPU小时的消耗相比传统HPC或模型训练成本极低，意味着中等科研团队也具备复现和二次开发的可能。目前公开信息显示，该智能体尚未以API或开源模型形式发布，但数据库已可免费访问。
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，ElementsClaw能否在更高临界温度（如液氮温区）找到新材料，将是检验其实用性的关键。第二，达摩院是否会开放该智能体的模型权重或提供API服务，直接影响其在全球材料学界的普及速度。第三，微软MatterGen、DeepMind GNoME等同类工具的团队，是否会在超导发现效率上跟进并形成竞争，将影响整个AI for Science领域的商业化节奏。
来源：量子位 · 每日最新
