阿里达摩院ElementsClaw：AI智能体自主发现4种全新超导材料，科研范式迎来"自我进化"时代

日期：2026年7月7日 分类：IT / AI for Science

一句话结论

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业内首个超导材料发现AI智能体 ElementsClaw，从240万晶体结构中筛选出6.8万个超导候选材料，并已实验合成验证其中4种全新超导材料——这标志着AI在基础科学领域的角色，正从"算得准的预测器"跨越到"会查文献、能设计实验、可自我进化"的自主科研主体。

事件还原

7月3日，达摩院通过公众号宣布，其研发的 ElementsClaw 智能体预测出6.8万个可能的超导材料，其中4种全新材料（Hf21Re25、Zr4VRe7、HfZrRe4、Zr3ScRe8）已合成并证实存在超导性，临界温度最高达6.5K。相关数据与成果已开放并发布于arXiv预印本平台。

技术架构上，ElementsClaw 采用"专通融合"路线：

• 专（专有模型）：基于1.25亿个分子和晶体结构数据库，预训练出1B参数的原子基础模型 Elements，判断材料是否具有超导性的AUC高达0.996，预测超导临界温度的平均误差在1K以内。
• 通（通用智能体框架）：实现了工具制造、流程编排、文献复核等整套自动化材料筛选流程，并能在文献中挖掘到新线索后"自我进化"。

最具冲击力的数字：AI仅用 28个GPU小时，就完成了240万晶体结构的筛选，预测出6.8万个候选材料。作为对比，国际主流超导数据库 SuperCon 历经数十年积累，仅收录约2000种材料。

达摩院科学智能负责人荣钰表示，这是AI智能体发现并获验证的第一批超导材料；中国人民大学高瓴人工智能学院副教授黄文炳指出，该框架也有望迁移至固态电池电解质、多相催化剂和热电材料等新材料发现。

三层逻辑：为什么这件事比"又发现几种材料"更值得关注

第一层：从"第四范式"到"第五范式"的门槛被踏过

科学发现长期依赖四种范式：实验归纳、理论推演、计算机仿真，以及以大数据驱动的"第四范式"。但第四范式本质上是"人类设计算法、数据喂给模型"，模型仍是人类科研流程中的工具。

ElementsClaw 的特殊之处在于它不是一个静态模型，而是一个能主动查文献、评估合成可行性、设计实验方案、并在新线索出现后自我迭代的智能体。它把"发现—验证—再发现"的闭环部分收归自身。这正是科学界讨论多年的"第五范式"——AI自主科研（Autonomous Discovery）的雏形。28个GPU小时对240万结构的扫描，不是更快的"计算器"，而是一台不知疲倦、会自我纠偏的"科研流水线"。

第二层：效率碾压背后，是"方法论验证"而非"材料突破"

必须冷静：4种已验证材料的临界温度最高仅6.5K，仍处于液氦温区，距离"室温超导"这一材料学的圣杯相差甚远。超导研究真正的价值高地，是常压下的高温超导，而这一点AI目前并未触碰。

因此，当下这则新闻的最大意义不是"发现了4种材料"，而是验证了一套可复制的AI发现方法论。6.8万候选材料中只验证了4种，恰恰说明AI给出的是一片"候选海洋"，真正珍贵的发现仍需湿实验筛选。AI没有消灭实验物理学家，而是重新定义了他们的角色——从"发现者"下沉为"验证者"和"筛选者"，科研的人机分工被改写。

第三层：开源式科研 vs 封闭特权工具——AI for Science的路线之争

值得注意一个对比：此前 Anthropic 的 Claude Science 走的是"模型公司亲自下场制药"的闭环商业路线，工具与发现高度私有化；而达摩院此次开放了全部240万稳定晶体的预测数据库，供学界免费使用。

这两条路线折射出AI for Science的范式之争：科学发现能力，究竟是少数巨头掌握的"特权工具"，还是应当成为公共科研基础设施？达摩院的开放姿态，把AI for Science从"护城河生意"拉回"科研公器"的叙事。对基础科学而言，后者的外溢价值往往远大于前者——毕竟超导材料的突破红利，属于全人类而非某一家公司的财报。

三个尚未被回答的问题

1. 可迁移性存疑：在超导材料上验证有效的"专通融合"框架，能否顺利迁移至固态电池电解质、催化剂等机理更不透明的领域？AUC 0.996的漂亮指标，建立在相对成熟的材料表征数据之上，换到数据稀疏的领域是否同样可靠，仍是未知数。

2. "自我进化"的边界在哪：智能体在文献中挖掘线索后自我迭代，听起来美好，但谁来审计它的进化方向？一旦训练数据本身存在偏差，自我进化会不会放大偏差而非纠正它？科研的可解释性与可审计性，在自主智能体时代反而更稀缺。

3. 算力平权还是算力垄断：28个GPU小时对达摩院是"轻量"实验，对普通高校课题组却可能仍是门槛。当顶尖发现越来越依赖巨头的算力与数据，基础研究的话语权是否会进一步向大厂集中？这与"开源数据库"的善意，构成一对需要持续观察的内在张力。

记者观察

把时间轴拉长，AI competition 的战场正在悄然转移。过去两年我们关注模型参数、芯片算力、应用落地；而 ElementsClaw 这类事件提示我们，下一阶段的国力比拼，可能落在更底层的一维——"科学发现能力"本身。

当AI开始批量产出"可验证的科学发现"，当一个智能体能在28个GPU小时内完成人类团队数十年的搜索量，"谁的AI更有科学创造力"就可能成为新的战略指标。这不是科幻预言，而是正在发生的科研组织形态变革。

但越是喧嚣处越需冷静：4种6.5K超导材料的当下价值，在于方法论的灯塔意义，而非材料本身的产业冲击。我们离"AI造出常温超导体"还有很长的路。真正值得记录的，是达摩院替整个行业踩下的那一步——证明了"AI自主科研"不是PPT里的概念，而是可以跑通、可以验证、可以开放的现实路径。

参考来源：阿里达摩院公众号（7月3日）、IT之家、新浪财经、经济观察网、cnBeta、OFweek人工智能网、arXiv预印本平台