AI 28小时找到4种全新超导材料：达摩院这个智能体有点猛

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Elements Claw的AI智能体。一句话概括它的成果：用28个GPU小时，扫描了240万种稳定晶体结构，锁定6.8万个超导候选材料，其中4种全新超导材料已经被合成并实验验证。

28个GPU小时。一块显卡跑一天多。换来了人类115年超导研究史上从未有过的事情——AI不仅猜出了新材料，还猜对了，而且被实验室烧出来证明确实是超导体。

115年的积累 vs 28小时的AI

先说背景。1911年荷兰物理学家昂内斯发现水银在零下269度时电阻消失，超导现象正式进入人类视野。此后115年，全球科学家靠着"炒菜式科研"——不断调整元素配比、反复试错——在国际权威数据库SuperCon里积累了大约2000种超导材料。

2000种，115年。这就是人类手动"炒菜"的效率。

Elements Claw用了28个GPU小时，把240万种稳定晶体结构全部扫了一遍，从里面筛出6.8万个有超导潜力的候选。等于说AI一口气把人类的候选范围拓宽了30多倍。当然候选不等于验证，但"从哪里挖"这个问题，AI直接给了一张全新地图。

为什么AI猜的靠谱

看到"AI预测超导材料"，第一反应可能是：算法猜的东西能信吗？

这个问题分三层看。

第一层是模型精度。Elements Claw的核心是一个叫"Elements"的原子基础模型，10亿参数，基于1.25亿个分子和晶体结构的数据预训练。它判断材料是否有超导性的准确率（AUC指标）达到0.996，预测超导临界温度的平均误差控制在1K以内。0.996是什么概念？接近满分1.0，基本不会看走眼。

第二层是实验验证。团队从6.8万个候选里挑了4种进行实物合成，全部成功，全部证实有超导性。达摩院科学智能负责人荣钰说，这是AI智能体发现并获实验验证的第一批超导材料。不是猜了100个蒙对4个，是精挑4个全部命中。

第三层是数据开放。240万种稳定晶体的预测数据库全部对外开放，全球科研者免费使用。论文发在arXiv，团队也要在ICML上分享这套体系。可复现、可验证、可挑战——这是科学界最看重的东西。

"专通融合"架构：不只是算得快

Elements Claw最让我感兴趣的不是速度，而是架构设计。

它采用了"专通融合"的思路：一个专业大脑负责高精度计算，一个通用外脑负责自主查阅文献、评估合成可行性。关键在于这个通用外脑能从文献中挖到新线索后"自我进化"——越用越聪明。

这意味着它不只是个算力工具，更像一个会思考的材料学家。它会自己翻论文、发现规律、修正假设。从文献梳理到材料筛选，从实验设计到方案评估，全流程几乎自动化。

中国人民大学的高瓴人工智能学院副教授黄文炳说，这套框架有望应用到固态电池电解质、多相催化剂、热电材料、药物设计等领域。也就是说，超导只是第一站，材料科学整体都可能被这种AI智能体重新定义。

对普通人的意义

可能有人觉得超导离日常生活太远。但实际上，如果未来找到更易实现的超导材料（比如室温超导），影响是颠覆性的。

无损电力传输意味着电网损耗接近于零，每年节省的电量够几个中等国家用。磁悬浮列车可以时速600公里贴地飞行。量子计算和可控核聚变这些前沿技术都将迎来质的突破。更不用说医疗成像、储能设备这些直接关系民生的应用。

6.8万个候选材料里，也许就藏着下一个改变能源格局的"配方"。AI不能保证一定找到室温超导，但它把搜索效率提升了几十倍，让这件事从"大海捞针"变成了"在小一点的湖里捞针"。

一个新时代的开始

从1911年昂内斯偶然发现水银超导，到2026年AI主动设计出全新超导材料——人类花了一百多年在实验探索中积累的成果，AI在理论筛选环节用28小时给出了30多倍于前者的候选地图。

这不是说AI可以替代材料科学家。从候选到实用，中间还有漫长的合成、表征、性能优化。但AI第一次证明了它能走完"预测→合成→验证"的完整闭环，而且四次尝试全部成功。

超导寻宝这件事，从此有了全新的玩法。材料科学这个"炒菜式科研"的领域，终于迎来了自己的AlphaGo时刻。