7月3日，阿里达摩院联合中国人民大学、中国科学院大学，发布了一个叫ElementsClaw的AI智能体。它花了28个GPU小时，从240万种晶体结构里筛出了6.8万个超导候选材料，其中4种是之前人类完全未知的全新超导体，已经通过了实验验证。

28个GPU小时，成本大概114美元。而传统的超导材料发现，可能是一个团队几年的工作量。

超导材料发现为什么这么难

超导现象是1911年发现的。材料在临界温度以下电阻完全消失，产生迈斯纳效应——在电力传输、磁悬浮、量子计算、MRI这些领域，超导材料就是圣杯级别的存在。

但一个世纪过去了，人类找到的超导材料也就2000多种。为什么这么慢？三个根本困境：

困境一：机理不明。 BCS理论只解释了常规超导，高温超导的机理到现在还是物理学的未解之谜。换句话说，你没法从第一性原理推导出"什么材料会超导"。

困境二：效率极低。 既然理论不靠谱，那就只能试。研究人员把各种元素组合，合成材料，测电阻，看有没有超导。这跟爱迪生试灯丝没什么本质区别，周期动辄数年。

困境三：信息孤岛。 文献、数据库、实验数据分散在不同系统。一个材料学家可能要同时在好几个来源之间来回切换，没有统一的决策框架。

ElementsClaw做的事情，就是把这个"爱迪生式试错"的过程，交给AI来完成。

专通融合：双引擎架构

ElementsClaw的核心设计思路叫"专通融合"——把专用模型和通用大模型结合起来。

专有模型层：Elements原子基础模型

这是一个10亿参数的几何深度图神经网络，它把晶体结构建模成原子图。每个原子是一个节点，化学键和空间距离是边。

这个模型做了四件事：

• Elements-T：预测临界温度Tc，平均误差不到1K
• Elements-C：二分类判断是否超导，AUC达到0.996
• Elements-E：评估晶体结构的能量稳定性
• Elements-G：生成新的晶体结构

说白了，这层是"材料学专家"，它对晶体结构的理解远超任何通用模型。

通用智能体框架：LLM驱动

但光有专家模型不够。材料发现还需要读论文、查数据库、判断合成可行性、设计实验方案。这些事情需要语言理解和推理能力。

所以ElementsClaw在上面又加了一层LLM驱动的智能体框架，负责：

• 自动检索和阅读文献
• 在多个数据库之间交叉验证
• 评估候选材料的合成可行性
• 设计具体的实验验证方案
• 根据实验结果自我进化，自动微调模型

两个引擎配合起来，就形成了一个完整的"AI材料学家"。

效率对比：28小时 vs 传统方法

这里有一个直观的数据对比：

维度	传统方法	ElementsClaw
筛选规模	数百种/年	240万种/28小时
候选产出	个位数	6.8万个
实验验证	4种	4种
单次成本	数十万美元	约114美元
效率提升	-	约34倍

34倍效率提升，114美元的成本。这个数字意味着什么？意味着以前只有顶级实验室才做得起的超导材料发现，现在可能一个研究生课题组就能跑。

这就是AI for Science真正的价值——不是替代科学家，而是把重复性的筛选工作自动化，让科学家把精力放在更有创造性的判断和验证上。

为什么这件事意义重大

AI for Science不是一个新概念。但之前大部分工作停留在"用AI预测某个性质"的层面，离真正的科学发现还有距离。

ElementsClaw不一样。它不是预测，是发现——4种全新的、人类之前完全不知道的超导体，而且通过了实验验证。从预测到发现，从发现到验证，整个闭环跑通了。

达摩院这次的合作方也很值得关注：中国人民大学高瓴人工智能学院、中国科学院大学。高校+科研机构+企业研究院的组合，说明AI for Science不是某一家公司能独立搞定的事，它需要跨学科、跨机构的深度协作。

对开发者的启示

ElementsClaw给做AI应用的开发者提供了两个重要信号：

第一，垂直领域专用模型的价值远未被充分挖掘。1B参数的GNN模型，在超导预测这个任务上，任何万亿参数的通用模型都比不了。专有模型+通用框架的架构，可能是未来AI应用的主流范式。

第二，AI for Science是一个巨大的蓝海。材料科学、药物研发、气候模拟、蛋白质设计……这些领域的数据量、计算量、对精度的要求，都远超消费级AI应用。但门槛也高——你不仅需要AI能力，还需要领域知识。

写在最后

110多年前，荷兰物理学家昂内斯在实验室里发现汞在4.2K时电阻突然消失，开创了超导研究。之后的100多年，人类找到的超导材料不过2000多种。

ElementsClaw用28个小时，就给出了6.8万个候选。其中有4个已经被验证是全新的超导体。

这不是"AI替代科学家"的故事。这是"AI让科学家更快发现"的故事。两者的区别，值得每个做AI的人仔细想想。

---

2026年7月3日，阿里达摩院联合中国人民大学、中国科学院大学发布全球首个超导材料发现AI智能体ElementsClaw，用28个GPU小时从240万晶体结构中筛选出6.8万超导候选材料，其中4种全新超导体已实验验证，效率是传统方法的34倍。