1911年，荷兰物理学家昂内斯干了一件事。他把水银冻到了零下269℃，然后发现了一件事：电阻没了。电流可以在里面畅通无阻地跑，一点能量都不损耗。
人类从此开始追一种东西，叫超导材料。
追了一百多年。
攒了大概2000多种。绝大部分是靠“蒙”的——物理学家自己管这叫“炒菜式科研”：今天多放点葱，明天少放点蒜，反复试错，期待哪天锅里突然蹦出个好东西。
然后，2026年7月3日，阿里达摩院联合中国人民大学、中国科学院大学，干了一件事。
他们发布了一个AI智能体，叫ElementsClaw，中文名“元素虾”。
这玩意只用了28个GPU小时，就把已知的240万种稳定晶体全部筛了一遍。从中找出了6.8万个可能是超导体的候选材料。然后挑了几种试试，合成了4种——全都是人类此前完全不知道的全新超导体。
我盯着这几个数字看了好一会儿。
人类花了一百多年，攒了2000多种。AI花了28个小时，找到了6.8万个候选，然后随手验证了4个——每个都是新的。
四个材料，四种完全不同的“捞法”
这4种材料不是用同一种方式找到的，这才是最让我在意的。
第一个叫Hf₂₁Re₂₅。它其实一直躺在理论数据库里，但从来没人试过。AI在文献和数据库里交叉比对时把它捞了出来——一合成，果然是超导。相当于你家仓库里有一块金子，你从来没翻过，AI路过顺手翻出来了。
第二个叫Zr₄VRe₇。人类在数据库里把结构算错了。AI预测了另一个结构，说它是超导。实验一做，全对。数据库错了，AI对了。
第三个叫HfZrRe₄。这个狠——它不在任何已知数据库里。AI自己设计了一个新结构，自己验证了超导性。相当于AI画了一张图纸，说“按这个造，能行”——结果真行。
第四个叫Zr₃ScRe₈。AI在验证了某个体系的超导相之后，自己总结出一个“结构规律”，然后按这个规律排查“亲戚”，找到了把其中一个元素替换掉的新版本。临界温度6.5K，是这次里面最高的。
四种材料，四种捞法：从数据库里“捡漏”，替数据库“纠错”，自己“画图纸”，自己“举一反三”。
人类材料学家研究了一百多年，AI用28个小时把四条路全走了一遍。
“炒菜式科研”的时代，可能要结束了
中科院大学金士锋研究员说过一句话：“做超导体探索很多是炒菜式科研。”
为什么是炒菜？因为人类至今没完全搞懂超导的底层物理机制。常压下临界温度超过40K的高温超导材料，物理机制至今没完全被理解。没有菜谱，只能瞎试。一百多年攒了2000多种，绝大部分是碰运气碰上的。
ElementsClaw走的完全是另一条路。它采用“专通融合”架构：专有模型层面，团队基于1.25亿个分子和晶体结构数据，预训练出一个10亿参数的原子基础模型。判断材料是否具有超导性的准确率AUC达到0.996，预测临界温度的平均误差控制在1K以内。通用智能体框架层面，它能自己查文献、评估合成可行性、设计实验方案，甚至能在发现新线索后“自我进化”。
就是说：它不光能“猜”哪些材料可能是超导，还能像个真正的材料学家一样干活——查资料、做判断、设计实验、然后自己迭代升级。
达摩院科学智能负责人荣钰打了个比方：“如果说材料发现是大航海，那么通用模型就是帆船，专有模型就是指南针和六分仪。ElementsClaw把这艘船和这些仪器组装在了一起，能实现在材料的海洋里面自动航行。”
自然界的材料中具有超导性的比例可能只有3%左右，而ElementsClaw推荐的命中率达到了40%。高了整整一个数量级。
这件事的意义，不在那4种材料本身
4种材料的临界温度最高才6.5K，离室温超导还差着十万八千里。
但走通“AI智能体自主发现新材料”这条路，比那4种材料本身重要得多。
中国人民大学高瓴人工智能学院副教授黄文炳说：“AI for Science从来不是要取代科学家，而是实现人机共生。”AI负责大海捞针和重复性工作，科学家负责提出问题、引导AI思考、校对结果。
达摩院已经把这240万稳定晶体的预测数据库全部开放了，全球科研人员都能免费使用。
金士锋研究员还说过一句话：“一个物理学家能有几个十年？”
他们团队曾经调控一个2010年就发现的铁基超导材料，到2019年才首次实现空穴掺杂，中间隔了将近十年。AI用28个小时，就替人类把一百多年的弯路重新走了一遍，然后画了张地图告诉人类：这里有6.8万条路可以试试——其中4条已经确认能走通了。
这不是AI在帮人类干活。这是AI在替人类重新定义“干活”这件事。
评论区聊聊：如果AI连“人类自己都没搞懂的东西”都能找到，下一个被它攻克的领域会是什么？
热门跟贴