先说结论：阿里达摩院联合人大和中科院搞了个叫Elements Claw的AI智能体，只用了28个GPU小时，从240万种晶体结构里筛出了6.8万个可能的超导材料。还实打实合成验证了其中4种全新的。
我跑了一下它的开源数据库，结论是：这套方法论的意义比那4个新材料的发现本身大得多。
人类一百年才找到2000种，AI一天给了6.8万个
超导材料这个领域，一百多年全靠实验试错。国际权威的超导数据库SuperCon，折腾了几十年才收录约两千种。现在AI用28个GPU小时，预测出了6.8万个候选。
Elements Claw的核心架构是"专通融合"：专用层是一个1B参数的原子基础模型，在1.25亿个分子和晶体结构上预训练出来的。判断材料超导性的AUC高达0.996，预测临界温度的平均误差不到1K。这个精度在材料学领域属于顶级水平。
通用层是AI智能体框架，能自己查文献、梳理研究线索、设计实验方案、自我迭代。不是简单的"输入→输出"，而是像个真正的材料学家一样在思考和决策。
验证了4种全新材料，怎么做到的
团队从6.8万个候选里选了四类做完实物合成和实验。四种新材料的来源各不相同：Hf21Re25是从现有数据库里捞出来的漏网之鱼；Zr4VRe7是纠正了数据库原来的结构错误后才确认的；HfZrRe4是AI从零设计的新晶体；Zr3ScRe8是基于类似结构举一反三推出来的。
最高临界温度是6.5K。有人说才6.5K有什么用？这种说法太外行。关键是证明了AI有能力自主发现新材料，而不只是辅助人类。这扇门一旦打开，后面是固态电池电解质、催化剂、热电材料等一个又一个的蓝海。
为什么说这比大模型聊天重要一百倍
去年到现在，AI圈大家天天在比谁的模型更能聊天、谁的多模态更强。但Elements Claw这类AI for Science的应用，才是AI真正改变世界的方式。
材料研发是制约人类科技进步的最大瓶颈之一。电池密度上不去，核聚变搞不定，芯片散热解决不了，根子上都是材料问题。如果一个AI智能体能把新材料研发周期从数年压缩到数周，它对人类文明的推动力，比任何聊天机器人都大。
达摩院已经开放了全部240万稳定晶体的预测数据库，全球科研人员都能免费使用。这才是开源精神应该有的样子——不是开源一个聊天模型让大家玩，而是开源能推动基础科学进步的成果。
但别高兴太早
从AI预测到实验室合成再到工业量产，中间还有很长的路。6.5K的临界温度离实用还很远。但方向是对的。AI从"会聊天"进化到"会搞科研"，这一步的意义怎么强调都不过分。
这个AI叫Elements Claw？元素之爪，名字起得真好。达摩院这波取名可以，比什么GLM、GPT、Qwen有美感多了。当然，AI能设计新晶体结构这件事本身就挺艺术的。
你真的觉得AI发现了吗？还是说它只是在一堆数据里找到了人类还没来得及看的东西？发现和检索之间，到底差了什么？
28个GPU小时干翻人类百年积累，但说实话我看到的是另一个问题：算力成本低到离谱。1B参数的原子模型加智能体框架，不是什么万亿参数巨兽。这意味着小团队也能复现这套方法论，AI for Science的门槛在快速降低。
AUC 0.996是什么概念？就是说AI判断一个材料是不是超导体，几乎不会出错。我写Prompt调教AI三个月都没见过这么高的准确率，材料学果然比NLP更适合用AI
数据不会说谎。从2000种到6.8万个候选，这不是线性增长是指数级跨越。但关键数据是临界温度最高才6.5K，离实用还有数十倍的差距。不过方向已经对了，剩下的只是时间问题。