达摩院AI发现4种超导材料：材料科学AI化拐点来了

7月3日，阿里达摩院扔出了一个不太起眼但细思极恐的消息：他们联合中国人民大学、中国科学院大学发布了一个叫ElementsClaw的材料发现AI智能体，然后——AI自己发现了4种全新的超导材料，而且已经被实验验证了。

这个"爱迪生式试错"行业，终于被AI动了

超导材料这玩意儿有多难找？说个数字你就明白了。国际超导数据库SuperCon，历经数十年积累，只收录了约2000种材料。注意，是"约2000种"，不是"2000种已知的"，是整个行业几十年折腾下来就这么点存货。

为什么这么少？因为找新材料这事基本靠"试"。元素周期表118个元素，排列组合一下是个天文数字，而超导的物理机理又没完全搞清楚，研究人员只能靠经验和运气筛。

ElementsClaw做的事，就是把这个过程自动化了。它能像人类材料学家一样查文献、评估合成可行性、设计实验方案。关键是，它还能"自我进化"——在文献里挖到新线索就调整策略。这就不是简单的数据库检索了，是真正的AI推理。

效率数据是这样的：AI用28个GPU小时完成了240万晶体结构的筛选。注意，是240万，不是2400。不是2.4万。240万量级的筛选，靠传统方式可能需要好几年，AI只用了不到两天。

从这240万里，AI预测出6.8万个超导候选材料。研究团队挑了几个最有希望的做了实验合成，验证了4种全新材料确实存在超导性。

其中临界温度最高的一种，临界温度达到了6.5K。注意，6.5K不算高（室温超导还是梦想），但它是AI从零开始设计并被实验验证的第一个案例，这个意义不一样。

因为这不只是"又一个LLM应用"，这是AI真正在解决科学问题的实感证据。

材料科学有个经典难题叫"反向设计"——你想找一种具有特定性能的材料，传统方法是从现有材料出发测试，而AI可以从目标性能出发，反推需要什么样的材料结构。这个思路早就有了，但ElementsClaw证明了它可以落地。

达摩院还做了一个动作我觉得挺重要：他们把这240万稳定晶体的数据库全部开放了，科研人员可以免费用。这意味着不只是达摩院自己能继续挖，全球的材料学家都能用这个数据库做研究。

类比一下：2021年DeepMind发布AlphaFold，把蛋白质结构预测从"专家多年经验"压缩成了"AI实时可答"。地层学AI把地质学家几个月的工作压缩到了几天。现在，ElementsClaw在超导材料上也开始发生同样的事了。

有意思的是，高瓴人工智能学院的学者已经点出了几个方向：固态电池电解质、多相催化剂、热电材料。这几个领域和超导一样，都是"实验周期长、成功率低、靠经验吃饭"的状态。

如果这几个领域也出现类似的AI突破，材料科学可能真的要变天了。毕竟，材料瓶颈卡住了太多东西——电池能量密度、芯片制程、电机效率……材料每进步一点，下游应用就跟着走一步。

阿里达摩院这个动作，可能是一个小信号：AI for Science的跑马圈地，正式开始了。