

> 阿里达摩院发布的 AI 智能体 Elements Claw 成功预测出 6.8 万个潜在超导材料，并有 4 种全新材料在真实实验中被合成验证。从文献挖掘到实验方案设计，AI 智能体正将传统材料学从“炼丹式”的盲盒试错，彻底拖入自动化研发的新纪元。

## 从盲盒试错到自动化合成

材料科学界一直流传着一个无奈的笑话　发现新材料就像是神农尝百草，三分靠理论，七分靠运气。数十年来，国际主流的超导数据库 SuperCon 仅仅收录了约 2000 种材料，每一条数据的背后都是无数博士生在实验室里日复一日、年复一年的烧炉子试错。这种极端依赖人类经验和体力的科研工作流，早已成为制约人类科技跃迁的瓶颈。

Elements Claw 的出现，宛如在幽暗的实验室里点亮了一盏工业级的探照灯。这位不知疲倦的 AI 科学家，不仅精通基础物理，更是个能够自主规划的超级统筹者。它不仅能以 0.996 的极高准确率预测材料的超导性，更能像顶尖材料学家一样，自动检索海量学术文献，评估真实世界中的合成可行性，并最终输出清晰的实验操作方案。在这套工作流的降维打击下，AI 仅用 28 个 GPU 小时就完成了 240 万个晶体结构的排查，找到了人类苦寻数十年的目标。

![42.jpg](https://static.downly.cn/images/cb4b63c4cebf79fd0b93c493962b77a5.jpg) <center>图源备注 图片由AI生成</center>

## 专通融合 智能体接管研发产线

Elements Claw 的断层级优势，源于其“专通融合”的独特设计理念。它不再是一个只能回答问题的语言模型，而是将专业知识库与通用推理能力完美嫁接的自动化引擎。

在“专”的层面，达摩院为其灌注了包含 1.25 亿个分子和晶体结构的庞大数据库，锻造了其对原子间相互作用的敏锐直觉。在“通”的层面，它具备了工具制造与流程编排的极高智能。这意味着科学家不再需要为了使用 AI 而去学习复杂的代码指令，智能体已经可以实现“自我进化”。当它在旧文献中发现新线索时，会自主调整筛选逻辑，优化下一步的实验建议。科学家的角色，正在从在炉子前流汗的“操作工”，转变为审查 AI 实验报告的“项目经理”。

![43.jpg](https://static.downly.cn/images/0b06ef1af1376771a973abd53871edfd.jpg) <center>图源备注 图片由AI生成</center>

## 科研工业化 实验室里的平权运动

此次达摩院将 Elements Claw 预测的 240 万稳定晶体数据库彻底开源，在某种意义上掀起了一场科研界的平权运动。过去，只有坐拥顶级设备和海量经费的头部实验室，才有资格在固态电池、多相催化剂等前沿领域进行深耕。如今，普通院校的科研团队也能站在 AI 巨人的肩膀上，直接获取高价值的实验线索。

材料学的饭碗并不会被吞噬，而是其价值锚点发生了转移。那些习惯于流水线式水论文、纯靠体力堆砌数据的低端研究岗位将被迅速淘汰；而能够敏锐洞察产业需求、利用 AI 智能体快速将配方转化为商业落地的复合型科学家，将成为最稀缺的资源。硅基智能与碳基大脑的化学反应，才刚刚在实验室里沸腾。

达摩院跑通材料研发闭环 AI智能体如何重构科学家的工作流



> **导语**
> 中科曙光宣布全国规模最大的国产 AI 算力池——3万卡 scaleX 超集群在郑州上线。该集群在两个月内实现规模三倍增长，并具备极高的软件生态兼容性，标志着国产算力基建正式跨入“超大规模”新阶段。

## 算力基建的中国速度

2月5日，中科曙光在国家超算互联网郑州核心节点点亮了 **3万卡 scaleX 超集群**。这一里程碑事件刷新了国产算力的建设纪录。回顾去年 12 月，scaleX 万卡集群才刚刚亮相，短短两个月内规模即扩容三倍。这种爆发式的增长速度，验证了国产算力在供应链整合与工程化部署上的成熟度。

AI 算力正在从早期的“单卡单机”竞赛，彻底转向“集群作战”时代。对于大模型训练而言，集群的规模与稳定性直接决定了模型能力的上限。

![Google_AI_Studio_2026-02-06T02_36_30.304Z.png](https://static.downly.cn/images/63d2b7ac5488b7ab5e8a4015db5dd7bb.png) <center>图源备注：图片由AI生成</center>

## 极致兼容与科学探索

scaleX 集群最大的技术突破在于其开放架构。它不仅实现了对 **CUDA** 等主流软件生态的全面兼容，还支持多品牌国产加速卡的混合部署。目前，该平台已适配优化了超过 400 个主流大模型，大幅降低了用户的迁移成本。

这台“超级算力机器”正在重塑科研范式。国内某科研团队利用该集群将蛋白质研究效率提升了 3-6 个数量级，材料研发大模型也成功登顶国际 权威 榜单。随着中科曙光宣布具备向百万卡规模扩展的能力，国产算力已正式跻身全球 AI 军备竞赛的决赛圈。

搜索结果: 材料研发