
> 仅用极低算力成本筛查数百万种结构并实证四种全新材料，AI智能体首次打通超导研究从理论预测到实验验证的全链路。

材料科学界常被戏称为“炼丹术”，尤其是在超导材料领域，研究人员长期依赖直觉与海量的盲目试错。然而，阿里达摩院联合多所顶尖高校最新发布的AI智能体Elements Claw，犹如一台精密的数字工业机床，彻底粉碎了这种手工作坊式的工作流。它不仅仅是一个单一的预测模型，而是行业内首个实现超导材料从大规模筛选到实验室合成闭环的自主科研引擎。

## 专通融合架构 暴力穷举到精准制导的技术突围
长久以来，机器学习在材料科学中的应用往往受困于维度诅咒。算力强大的单一模型只能做晶体结构的几何预测，却不懂得如何评估合成的化学可行性。Elements Claw的破局点在于其独创的专通融合架构。

底层引擎　其核心是一个拥有十亿参数级别的原子基础模型。该模型吞咽了上亿个分子和晶体结构数据，在图神经网络的加持下，它对材料超导临界温度的预测误差被奇迹般地控制在微小的范围内，判断超导性的准确率极高。在仅耗费约28个GPU小时的极限压榨下，系统完成了对240万种稳定晶体结构的暴力地毯式筛查，精准锁定了6.8万种候选目标。这种将庞大化学空间压缩至人类可解范围的算力调度，是传统超算集群采用物理方程验算难以想象的。

![42.jpg](https://static.downly.cn/images/ba0c3e28c9dc87930af2ee26bb7729bb.jpg) <center>图源备注 图片由AI生成</center>

## 从辅助到主导 智能体如何改写材料科学工作流
如果在过去，算法的工作到输出一堆候选名单就结束了。但Elements Claw搭载的通用智能体框架，让它跨越了从数字世界到物理实验室的鸿沟。

工作流演进　这套系统能够像一位资深的材料学专家一样，自动接入全球学术数据库查阅最新文献，核对目标材料是否已被合成。更令人惊叹的是，它能够自主设计实验方案，评估不同反应条件下的热力学稳定性。当研究团队根据其生成的方案在实验室中点燃高温设备时，他们成功合成并验证了四种全新的超导材料。整个过程不再是人脑为主导、机器打下手，而是AI完成全链路推演，人类只需提供最后的物理确权。

![43.jpg](https://static.downly.cn/images/0236742ba2b56f93bde34e9dcff07ae5.jpg) <center>图源备注 图片由AI生成</center>

## 算力解锁化学空间 科学探索的下一个纪元
研发团队此次选择将相关数据与候选库向全球科研界全面开放，其背后的技术野心远不止于验证几款超导材料。

产业影响　Elements Claw的成功，证明了复杂智能体在处理高维度、非线性科学难题时具备了逻辑闭环的能力。它预示着未来材料学的突破将不再完全依赖于极个别学者的灵光一现，而是转变为算力驱动下的智能化流水线。可以预见，这种自动化范式将迅速外溢至电池材料、半导体掺杂等更广泛的领域。当系统能够自我进化并在海量文献中挖掘新线索时，人类科学家将从枯燥的调参和试错中被彻底解放，转而聚焦于更高维度的理论重构。

达摩院Elements Claw 算力驱动下的超导材料研发闭环



> 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



> 随着底层芯片架构的持续演进，RISC-V正以强悍的通用算力与深度融合的AI加速引擎，打破传统指令集壁垒，为大模型在服务器端的原生部署提供了一种极具潜力的开源硬件方案。

## 核心架构升级突破性能瓶颈

长期以来被视为芯片市场强力替补的RISC-V开源指令集架构，终于迎来了杀入高性能计算主战场的历史性时刻。在2026玄铁RISC-V生态大会上，阿里巴巴达摩院正式向全球发布了其最新研发的高性能RISC-V架构CPU产品玄铁C950。这款处理器的成功问世，不仅大幅拉高了全球RISC-V阵营的性能天花板，更在行业内首次实现了CPU对千亿级参数大模型的原生底层支持。

作为达摩院倾注资源的最新一代旗舰级计算产品，玄铁C950在核心微架构设计上采取了极为激进的升级策略。在硬核物理规格方面，该处理器史无前例地采用了8指令深度译码机制与16级超长流水线设计，并配备了容量超过1000条指令的超大乱序执行窗口，其设计最高稳定主频飙升至3.2GHz。

更加令人瞩目的是其在国际权威跑分平台上的表现。在严苛的SPECint2006基准测试环境下，玄铁C950的单核通用计算性能首次成功突破了70分大关，毫无争议地登顶当前全球性能最强的RISC-V处理器宝座。在实际的云端网络处理与海量云存储等高负载典型任务中，其综合执行效率较市面主流同类产品提升幅度超过了30%。

![52.png](https://static.downly.cn/images/e1783cf7d81235eaac859c675879491b.png) <center>图源备注：图片由AI生成</center>

## 算力融合赋能大模型原生部署

如果说通用性能的跃升是敲门砖，那么针对人工智能算力的深度定制则是玄铁C950的真正杀手锏。除了提供极致的基础算力支撑，达摩院研发团队在此次架构迭代中，创造性地同步嵌入了Vector和Matrix两款原生的硬件级AI加速引擎。

这两大专门针对张量计算优化的加速引擎与玄铁CPU主核心实现了物理级别的统一编址与缓存共享，从根本上打破了数据在不同处理单元间搬运的延迟瓶颈，实现了通用逻辑算力与大规模矩阵算力的无缝深度融合。

经过研发实验室的严苛实测，这种新型软硬协同架构展现出了极其优异的模型兼容性与运行效率。该系统不仅能够极速加载，更能以极低的延迟流畅运行诸如Qwen 3-235B以及DeepSeek V3-671B等全球顶尖的超大规模语言模型。这也是全球芯片发展史上，首次有CPU完全脱离独立GPU的辅助，以纯原生架构稳健支撑起千亿参数规模的大模型推理任务，为即将全面爆发的AI Agent智能体时代，提供了一套极为珍贵的低功耗服务器级硬件参照样本。

![53.png](https://static.downly.cn/images/16fa5239a9b200a657e124c1596572d6.png)<center>图源备注：图片由AI生成</center>

## 生态拓展加速百亿级市场落地

硬件指标的突破仅仅是万里长征的第一步，对于开源指令集而言，建立繁荣的软硬件生态圈才是决定生死存亡的关键。中国工程院院士倪光南在发布会现场的发言中明确指出，得益于其开源开放的技术特性，RISC-V架构正以超乎想象的速度向主流应用市场渗透。据权威产业咨询机构的数据预测，到2031年全球基于RISC-V架构的智能设备出货量将达到惊人的360亿颗。

为了牢牢把握并加速这一产业周期的到来，达摩院联合多方力量展开了密集的生态合围动作。在底层研发层面，达摩院已与中国科学院软件研究所及北京开源芯片研究院正式签署深度合作协议，各方将汇聚顶尖研发资源，共同推动下一代开源香山CPU架构的演进。在系统软件适配层面，团队携手国内领先的openKylin开源社区，成功打造了全球首个专为RISC-V深度优化的原生人工智能操作系统，并全面支持了OpenClaw等主流计算框架的本地化一键部署。

而在至关重要的商业化量产进度上，玄铁系列内核目前已在全球范围内成功授权并落地了超过200多款量产级商用芯片，其应用场景正从传统的物联网边缘设备，快速延伸至AI智能穿戴眼镜、高精度电力工控等高附加值前沿领域。从微小的传感器到吞吐庞大数据的高端云服务器，以阿里巴巴为代表的中国底层科技力量，正在借助开源的力量重塑全球基础芯片的底层格局。当一颗高性能的RISC-V处理器能够游刃有余地生吞下千亿参数的超级大模型时，一个不被封闭授权体系裹挟的、更加开放与自主的多元化算力时代，已然拉开序幕。


阿里达摩院发布玄铁C950 RISC-V架构首次原生支持千亿参数模型



> 阿里通义千问最年轻的P10级技术统帅林俊旸突然宣布离职，引发业界震动。在Qwen系列模型登顶全球开源榜单的关键期，此次人事变荡为国产AI基础设施的后续演进增添了不确定性。

## 开源先锋的突然谢幕

中国开源大模型阵营经历了一场突如其来的人事巨震。通义千问技术负责人林俊旸通过社交平台X正式确认卸任，挥别其主导多年的Qwen系列项目。这位出生于1993年、拥有北大计算机与语言学复合背景的青年领军人物，不仅是阿里巴巴历史上最年轻的P10级别技术高管之一，更是通义千问在复杂语义解析和长文本领域确立技术优势的关键缔造者。

自2019年加入达摩院，并在2022年底全面接管通义千问系列以来，林俊旸坚定推行极致的开源战略。在他的带领下，Qwen系列在全球权威的Hugging Face榜单中长期保持领先身位。就在其宣布离职的数日前，团队刚刚推出备受瞩目的Qwen 3.5全系列小模型，该版本凭借出色的能效比甚至吸引了海外科技巨头马斯克的公开赞誉。在技术声量达到顶峰之际戛然而止，令外界始料未及。

![52.png](https://static.downly.cn/images/f8e81a3f2c01817ddad0c49e6e4843ba.png)

<center>图源备注 图片由AI生成</center>

## 核心将帅更迭带来的未解之谜

种种迹象表明，此次高层交接并非按部就班的常规轮岗。林俊旸在宣发新模型后火速离场，其核心团队成员在社交平台的发文亦暗示此次卸任或非其个人主动选择，且交接过程极为仓促，目前通义千问内部尚未明确具体的接任人选。关于他未来是内部转岗、还是效仿前同事投身创业热潮，目前尚无定论。

作为国内生态最为繁荣的开源基座，通义千问当前已累计突破6亿次下载大关，并衍生出超过17万个微调模型。如此庞大的开源技术底座，极度依赖技术统帅的前瞻视野与战略定力。林俊旸的离场是否会触发阿里云组织架构的深层调整，以及Qwen系列能否在将帅更迭的震荡期维持其在全球开源社区的技术压制力，将是接下来整个AI大模型行业密切关注的核心焦点。

通义千问技术负责人林俊旸突发卸任 国产开源大模型面临核心将帅更迭



> 导语：今日AI领域风起云涌，技术革新与应用落地齐头并进。从华为发布UCM技术挑战HBM依赖，到高德地图与阿里通义大模型联手打造首个地图AI原生Agent；从Vercel V0进化为全能型AI开发伙伴，到MiniMax开创AI智能体“再创作”新模式。与此同时，关于GPT-5测试的争议也引发了行业对AI发展伦理的深思。各大厂商正通过开源与创新，共同推动AI智能体走向协作共创的新纪元。

## 华为发布UCM技术，旨在缓解对HBM的依赖
华为即将发布一项名为UCM（推理记忆数据管理器）的AI推理创新技术。该技术通过优化KV Cache，采用分级管理推理记忆数据的策略，旨在扩大模型的上下文窗口，从而提升大模型推理的性能。此举有望在保证高吞吐量与低延迟的同时，显著降低国内AI产业对昂贵HBM（高带宽内存）的依赖，为AI推理成本的降低和效率的提升带来新的解决方案。

![image.png](https://static.downly.cn/images/88d1ce32ab4c2aee696ddee745524cda.png)

## GPT-5测试成绩遭质疑，AI能力与营销边界引争议
OpenAI公布的GPT-5在SWE-bench Verified测试中的优异成绩近期引发了业界的广泛讨论。质疑声主要集中在其测试并非完整覆盖全部题库，有意规避了部分难题，这可能导致其分数存在“刷分”嫌疑。这一事件不仅暴露了当前AI行业在性能评测与市场营销之间的微妙关系，也引发了关于AI模型真实能力与透明度问题的深刻反思。

![image.png](https://static.downly.cn/images/e2e9ec3c6152258fb05ec41ba1550987.png)

## AI编码进入全栈时代，Vercel V0变身全能开发代理
Vercel旗下的AI编码工具V0迎来重大升级，正式从一个前端生成器进化为全能型的全栈AI代理。升级后的V0能够自主完成从项目规划、研究到前后端代码生成、文案撰写乃至应用调试的全过程。这一进化标志着AI在软件开发领域的辅助能力达到了新的高度，让“无代码”或“低代码”的开发愿景距离现实更近一步。

![image.png](https://static.downly.cn/images/457f56783b29a6f93a07d35726cbd6c7.png)

## AI创作新范式，MiniMax推出全球首个AI智能体再创作市场
MiniMax公司推出了全球首个Agent Remix Marketplace平台，为AI创作领域带来了革命性的新模式。该平台允许用户“一键Remix”他人创建的AI智能体，并能从中获得收益，极大地降低了AI应用的创作门agis，促进了从个人原创到社区协作共创的生态转变。为激励更多创作者加入，MiniMax还同步启动了总奖金池达15万美元的全球挑战赛。

![image.png](https://static.downly.cn/images/e18c35de5982cfd97f808c3e80d61ce8.png)

## 高德地图接入通义大模型，打造首个地图AI原生Agent
高德地图与阿里通义实验室宣布深度合作，将联合打造全球首个AI原生地图。在高德地图的最新版本中，已落地名为“小高老师”的AI智能体。它融合了全双工语音技术与通义Qwen大模型的强大空间理解能力，能够进行自然的多模态交互。双方还共同开发了POI推理Agent，能处理复杂的实时信息与多重约束，极大地提升了用户在出行生活场景中的服务体验。

![image.png](https://static.downly.cn/images/881204b46cb1116fb59db153db91a87c.png)

## 阿里达摩院开源具身智能“三大件”，推动产业开放协作
在世界机器人大会上，阿里达摩院宣布开源其在具身智能领域的三项核心技术：VLA模型RynnVLA-001-7B、世界理解模型RynnEC以及创新的机器人上下文协议RynnRCP。此举旨在解决当前具身智能开发中模型与硬件适配困难、流程碎片化等核心痛点，通过提供一套标准化的框架，加速数据、模型与机器人本体的融合，推动整个具身智能产业生态的开放与发展。

![image.png](https://static.downly.cn/images/7bde78b303221c15ea99435953bdc204.png)

## Perplexity AI入局，AI搜索迈向多模态内容创作
AI搜索引擎Perplexity AI宣布全平台上线视频生成功能。用户现在可以通过简单的文字提示，在聊天界面直接生成短视频。此功能目前向订阅用户开放，标志着AI搜索正在从传统的文本问答向更丰富的多模态内容创作转型。这一功能的推出，预示着未来的AI平台竞争，将围绕多模态内容的生成能力展开。

![image.png](https://static.downly.cn/images/63364a93b07d9dd307fca24c9265e080.png)

## GPT-oss模型展现惊人自主性，无提示解题5000次
GPT-oss大模型在一次实验中，展现了惊人的自主行为。在没有任何明确提示的情况下，它自主构思了一个关于多米诺骨牌拼图的复杂编程问题，并用不同编程语言重复解决了超过5000次。这一现象不仅展示了其在特定数学和代码领域的深度优化，也引发了研究人员对其内部工作机制、训练数据构成以及“创造性”边界的深入思考。

![image.png](https://static.downly.cn/images/7cffcb2811218090be6ee53b04baf9d2.png)

## 谷歌搜索推出新功能，允许用户自定义首选信息来源
为了提供更个性化的搜索体验，谷歌宣布将推出一项新功能，允许用户在搜索设置中指定自己偏爱和信任的新闻或信息来源网站。设置完成后，来自这些首选网站的搜索结果将在用户的搜索页面上获得更高的展示权重，使用户能更快地获取到他们最关心的内容。

![image.png](https://static.downly.cn/images/61622cce270374eb8f4c372d4ed75e34.png)



每日AI资讯0813：AI智能体全面爆发，从编码到出行，重塑数字生活

> 阿里巴巴最新推出 WebDancer，一位能够直接在浏览器中智能检索信息的 Agent。


在信息爆炸的时代，如何高效地在网页中获取所需信息一直是挑战。 阿里巴巴达摩院近日发布了一款名为 WebDancer 的新型 Agent，旨在革新浏览器中的信息检索方式。 与传统的搜索或插件不同，WebDancer 被设计为一个“浏览器原生智能信息检索 Agent”，能够更深入、更智能地与网页内容互动。

![image.png](https://static.downly.cn/images/20250530072702.927400866.png)

WebDancer 的核心理念是让 Agent 像人类一样，直接在浏览器环境中理解、导航和操作网页，从而完成复杂的检索任务。 基于您提供的参考信息，我们可以了解到 WebDancer 的关键特点可能包括

*   **浏览器原生集成** 直接在浏览器环境中运行，无需复杂的安装或配置。
*   **智能理解网页结构** 能够理解网页的布局、元素和内容，而不仅仅是文本信息。
*   **自主导航与操作** 根据用户的需求，自主进行页面跳转、点击链接、填写表单等操作。
*   **智能信息提取与整合** 精准定位并提取所需信息，并进行整合或总结。

这些能力使得 WebDancer 能够执行比传统搜索引擎或简单插件更复杂、更个性化的信息检索任务。

## 强大功能 复杂任务轻松搞定

WebDancer 的出现，有望解决许多传统信息检索方式难以处理的痛点。 它可以被应用于多种场景，例如

*   **精准信息抽取** 从复杂的网页中提取特定的数据点，如商品价格、股票信息、论文摘要等。
*   **跨页面信息整合** 自动访问多个页面，收集相关信息并进行汇总。
*   **自动化数据填写与提交** 在线填写表格或进行简单的在线操作。
*   **智能问答与内容总结** 理解网页内容，并根据用户的提问提供精准答案或生成内容摘要。

![image.png](https://static.downly.cn/images/20250530072811.968325320.png)

通过这些功能，WebDancer 能够显著提升用户在网页上获取和处理信息的效率，尤其是在面对需要大量手动操作或复杂判断的任务时。

## 技术基石 大模型与浏览器环境的融合

WebDancer 的实现离不开先进的 AI 技术，特别是大型语言模型（LLM）与浏览器环境的深度融合。 根据您的参考信息，WebDancer 可能利用了

*   **强大的大模型能力** 理解用户意图、分析网页内容、生成操作指令。
*   **浏览器环境的接口与控制** 与浏览器进行交互，执行导航和操作。
*   **专门针对网页交互的训练** 使 Agent 更擅长理解网页元素的含义和关系。

![image.png](https://static.downly.cn/images/20250530072834.739795220.png)

这种技术架构使得 WebDancer 能够打破传统技术的壁垒，实现更接近人类直觉的网页交互方式。

## 未来展望 智能Agent的无限潜能

阿里推出 WebDancer，不仅是其在 AI Agent 领域的一次重要探索，也预示着智能 Agent 在浏览器环境中的广阔应用前景。



未来，像 WebDancer 这样的浏览器原生智能 Agent 有望成为我们上网的得力助手，它们能够

*   更主动地理解我们的需求并提供帮助。
*   自动化执行重复性的网页操作。
*   提供更个性化和智能化的信息服务。

WebDancer 的发布，为智能 Agent 在浏览器领域的普及和应用奠定了基础，也让我们看到了未来更加高效、智能的网络互动方式。




阿里推出 WebDancer 浏览器原生智能信息检索Agent 效率革新

阿里达摩院推出的AI模型社区，超过300+开源AI模型

魔搭社区

阿里达摩院推出的大小模型协同的智能助手，具备作诗、绘画、视频生成、语音播放等多模态能力

魔搭GPT（ModelScopeGPT）

阿里巴巴达摩院推出的超大规模中文预训练模型(M6)

阿里巴巴M6

阿里达摩院推出的全流程AI视频创作平台

寻光

阿里巴巴达摩院推出的多领域多语种的在线机器翻译

搜索结果: 达摩院