2026年7月，阿里达摩院联合中国人民大学、中国科学院大学发布行业首个超导材料发现AI智能体ElementsClaw，AI仅用28个GPU小时扫描240万种晶体结构，预测出6.8万个超导候选材料——这一数字是国际主流超导数据库SuperCon数十年积累的30余倍。更关键的是，其中4种全新材料已合成并证实存在超导性。

这不仅是技术突破，更是一场深刻的科研范式革命。

百年“大海捞针”与AI的降维打击

超导体的发现史，本质上是一部“运气史”。自1911年昂内斯发现汞的超导性以来，百年间，因超导微观机理未被完全破解，科学家只能在元素周期表的迷宫中“爱迪生式试错”——凭经验摸索、反复实验、漫长等待。SuperCon历经数十年，仅收录约2000种材料。这种低效直接导致超导技术在电力传输、磁悬浮、量子计算等领域的产业化进程严重迟滞。

ElementsClaw的打法全然不同。它不依赖物理直觉的灵光一现，而是构建了一条数据驱动的“发现流水线”：让AI自主查阅文献、评估合成可行性、设计实验方案，并持续自我进化。将材料发现从“人的苦思”转向“AI的算力”，这是底层逻辑的质变。

“专通融合”：AI科学家的技术底气

ElementsClaw的技术核心是“专通融合”架构。在“专”的层面，团队基于1.25亿分子和晶体结构数据，预训练出10亿参数的原子基础模型Elements。它的判断精度令人印象深刻：预测超导性的AUC达0.996，临界温度平均误差控制在1K以内。这意味着AI在虚拟世界中拥有了近乎“火眼金睛”的判别力。

在“通”的层面，ElementsClaw是一个完整的智能体框架——它能调用工具、编排流程、复核文献，甚至在海量信息中发现新线索后自我迭代。当“专”的精准预测与“通”的自主决策结合，AI便不再是被动的计算器，而是主动的探索者。

四个“第一”印证范式可行

研究团队从6.8万预测中选取并验证的4种材料，其发现路径各具深意：

Hf21Re25：从现有数据库打捞的“漏网之鱼”，证明AI拥有超越静态数据的洞察力；

Zr4VRe7：AI识别并纠正了数据库的构型错误，为材料“正名”后确认超导性；

HfZrRe4：AI从头设计生成的全新化合物，展现生成式创造的潜力；

Zr3ScRe8：基于类似结构“举一反三”，体现AI在材料空间中的泛化推理能力。

这4种材料的临界温度最高达6.5K，绝对值虽不高，但“AI自主发现并验证”这一事实本身，比数字更具里程碑意义。

开放数据与更远的边界

达摩院已开放ElementsClaw预测的全部240万稳定晶体数据库。这一举动颇具远见——AI发现的第一批材料只是起点，海量候选需要全球科研力量共同挖掘。正如达摩院科学智能负责人荣钰所言，这初步验证了AI智能体框架在材料发现领域的潜力。

而中国人民大学黄文炳副教授的展望更具想象力：该框架同样适用于固态电池电解质、多相催化剂、热电材料等前沿领域。

当AI学会像人类科学家一样假设、验证、纠错与创造，材料研发的周期正从“年”压缩至“月”。ElementsClaw的意义不在于找到6.5K的超导体，而在于它证明了：在探索物质世界的征途上，AI已经从一个工具，变成了一个可以并肩前行的伙伴。这场科研革命，才刚刚拉开序幕。