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，发布了一个叫ElementsClaw（元素虾）的AI智能体。 它从240万种晶体结构里，筛出了6.8万种超导候选材料。其中4种已经被实验室合成出来，确认是真的。 而人类从1911年发现超导现象算起，100多年才攒下约2000种。 AI这趟活，花了28个GPU小时——按A100显卡公开价格算，约114美元。
人类花100多年才攒2000种，AI用28小时筛6.8万种——凭什么？
先把这件事说清楚：
1911年，荷兰物理学家昂尼斯把水银降到零下269度，发现电阻突然消失了。这就是超导——材料冷到一定程度，电流可以零损耗地跑。
从那天起，人类就开始找"还有什么材料能超导"。
找了100多年。全世界物理学家、化学家、材料学家一起找。
找到今天，最权威的数据库SuperCon里，约2000种。
然后2026年7月，一个AI，用28小时，从240万种晶体里筛出6.8万种候选。
📊 数量级对比： · 人类100+年：发现约 2000种 · AI一次运行(28小时)：预测 6.8万种 候选 · 比例：34倍——AI预测数是人类百年积累总量的34倍 · 其中已实验验证：4种全新超导材料
图1：同量级对比，人类百年积累 vs AI一次运行
你心里一定在想：是不是AI在吹牛？
数量多不代表都对。这事儿我们待会儿说。
但有一个事实先摆在这里——
人类找超导材料的方式，是"爱迪生式试错"：配一种化合物，降温，测电阻，没反应就换一种。
一个博士生，三年通常试出两三种。
而AI，是把240万种组合在电脑里先"算"一遍，算出哪些概率最高，再让实验人员去验证。
这不是AI比人聪明。是AI把人类100年的试错，压缩成了一次计算。
28小时 vs 100年，问题到底出在哪？
说到底就一句话：
人类不是找不到，是"试不起"。
你算一笔账：
元素周期表118种元素，两两、三三、四四组合，能有多少种晶体结构？
答案是天文数字。光是三元素组合，就有几百万种排列。
人类100多年，靠的是"我觉得这个有戏，试试"——凭直觉、凭经验、凭文献里的一句"这个方向值得关注"。
问题是，直觉覆盖不了几百万种组合。
💡 核心矛盾： · 人类方式：精准但慢——每个实验花几周，一年做不了几十个 · AI方式：粗略但快——每个组合花微秒级计算，一天扫完240万 · AI筛完的"候选"，再由人类去精实验证
所以真相是：
不是AI比人类懂得多，是AI把"不值得人类亲自动手"的那几百万次试错，替你跑完了。
打个比方——
你要在图书馆找一本特定的书。人类的方式是一本一本翻。AI的方式是：先把所有书的目录扫描进电脑，用关键词搜，然后把最像的那几本递给你。
书还是你来看，但AI帮你省了翻9999本的时间。
这28小时，省的是人类几百年的翻书时间。
它到底是怎么做到的？不是"预测一下"那么简单
很多人以为AI发现材料，就是"输入元素，输出'这个能超导'"。
不是的。
ElementsClaw用的是一套"专通融合"架构——说人话就是：一个专家模型 + 一个通用大脑。
🔧 专家模型（Elements）: · 10亿参数的原子基础模型 · 在 1.25亿个 分子和晶体结构数据上预训练 · 判断"是否超导"的精确度：AUC 0.996（满分1.0） · 预测"超导临界温度"的误差：平均0.99K（已接近实验测量误差）
这个专家模型，相当于一个读了1.25亿篇"材料简历"的资深教授。它看一眼晶体结构，就能告诉你"这个约几度能超导"。
但光有教授不够。
真正的突破在于那个"通用大脑"——
它能自己读论文、自己查数据库、自己设计实验方案、甚至发现数据库有错自己修正。
这叫"智能体"（Agent），不是"模型"（Model）。
模型是工具，智能体是"会自己用工具的人"。
ElementsClaw的厉害之处，不是算得快，是它把"发现材料"这件事，从'人操作AI'变成了'AI操作人留下来的工具链'。
这就是它敢说"首次完成从预测到合成验证全流程闭环"的底气。
4种已被验证的新材料，是货真价实还是PPT炼丹？
这是最关键的问题。AI预测6.8万种，万一是"纸上谈兵"呢？
达摩院的做法是：挑了几个好合成的，真的去实验室做出来了。
而且4种材料，发现路径各不相同——这说明不是碰巧，是系统能力。
图2：4种已验证材料的四种发现路径
① Hf21Re25 —— 漏网之鱼
这种材料其实早就躺在数据库里，但因为标注不全、被噪声掩盖，人类100年都没注意到它超导。AI从240万里把它捞出来了。
② Zr4VRe7 —— 沉冤得雪
原始数据库里这个化合物的晶体结构记录是错的，导致一直预测不准。AI交叉验证发现了错误，修正后确认它超导。
③ HfZrRe4 —— 无中生有
这是AI从零设计的全新材料，不是对现有材料的改进。真正意义上的"AI原创"。
④ Zr3ScRe8 —— 举一反三
基于类似结构推导出来的，临界温度最高6.5K。对常规超导体来说已是不错表现。
你看这四种——
有的是"人类漏掉的"，有的是"人类记错的"，有的是"人类从来没想过的"。
4种都能被真实合成、真实测量、真实复现——这个闭环，是PPT炼丹做不出来的。
当然，6.8万种里只有4种被验证，命中率看着不高。
但你要知道：人类百年才攒2000种，AI一趟就给你6.8万个候选。哪怕只有1%是真的，也是600多种新材料等你来做——这叫"以量取胜"，人类玩不起的玩法。
说了半天超导，这事儿跟你有啥关系？
你会说：超导不就是实验室里零下200多度的东西吗？跟我的生活有什么关系？
我告诉你三件事——
第一，电费。
现在全国电力传输，线损约6%—7%。也就是你交100块电费，有6块多是"电线发热"浪费掉的。
如果用超导电缆，电阻为零，这部分损耗直接归零。按全国年用电近10万亿度算，省下来的钱是天文数字。
第二，磁悬浮和核聚变。
磁悬浮列车靠超导线圈产生强磁场。可控核聚变（终极能源）的核心装置，也需要超导线圈把上亿度的等离子体"托"在空中。
没有超导材料突破，核聚变永远停在PPT上。
第三，你的体检和手机未来。
医院MRI核磁共振，用的就是超导磁体。量子计算机的核心，也是超导电路。
新材料越多、越便宜，这些设备就越普及、越便宜。
超导不是实验室里的玩具。 它是电、交通、能源、医疗的下一代地基。
AI把找这块地基的速度，拉快了34倍。
这个事儿，迟早会落到你的电费单和体检报告上。
这事儿只属于阿里吗？中国押了什么牌？
不是阿里的独角戏。
达摩院敢开放这240万晶体的预测数据，背后是中国这几年在"AI+新材料"赛道上的一盘大棋。
🏛️ 国家层面的布局： · 2025年初，北京发布《"人工智能+新材料"创新发展行动计划（2025-2027）》 · 工信部、财政部、国家数据局联合建新材料大数据中心（北京、苏州牵头） · 科学智能研究院 + 深势科技发起 OpenLAM大原子模型，覆盖周期表90余种元素 · 多家公司在建"黑灯实验室"——AI 24小时不间断做材料实验
为什么国家要管这个？
因为材料是制造业的地基。
芯片、电池、发动机、结构件——所有硬件创新，最后都要落到"用什么材料做"上。
传统材料研发周期长、成本高。AI能把"试错"搬到电脑里，把几年压缩成几小时。
谁先建好"AI+材料"的研发基础设施，谁就握住下一轮制造业竞争的开关。
ElementsClaw这4种材料，看着不多。但它验证的是方法论——
AI不再只是预测工具，而是能自主发现、自主验证的"科研主体"。
这套方法论如果推广到固态电池、催化剂、热电材料……影响的不只是一个实验室。
114美元干完100年的活，下一个被颠覆的是什么？
最后，我们来算一笔最刺眼的账。
💰 这次AI运行的真实成本： · 计算量：28个GPU小时 · 硬件：约1张A100显卡跑28小时 · 成本：按公开云价格，约 114美元 · 产出：6.8万种候选 + 4种真材料 · 人类等效：100年 + 全球无数实验室 + 几十亿美元经费
图3：28小时运行的成本与效率拆解
114美元。
不到你一双跑鞋的钱，干完了人类100年没干完的活。
你会说：那材料学家要失业了？
不会。但材料学家的活法变了——
以前是"自己试"，以后是"AI筛、人来验证"。人的精力从重复试错，转移到更关键的判断和创新上。
真正该问的不是"AI会不会取代人"。
是——
下一个被AI"28小时干完100年活"的领域，会是什么？
药物研发？蛋白质设计？新化学方程？还是……你正在做的那件事？
超导这事儿告诉我们：
AI不是来抢你饭碗的。 AI是来把你100年的活，压缩成一上午的。 然后问你：接下来，你想用省下来的时间，做什么？
这个问题，比"AI会不会取代人"重要得多。
（答案，决定了你未来十年的位置。）
周扫兴的真心话：
所有人都在讨论AI会不会写文章、会不会画图、会不会抢饭碗。但AI已经悄悄去摘"物理学圣杯"了。
这件事最该让人清醒的，不是"AI好强"。是"人类100年的效率，原来可以这么低"。
我们花了100年，靠直觉、靠试错、靠一代代博士生熬出来的积累，一个AI用28小时就追平了34倍。
别人让你焦虑"AI取代你"，我帮你下头—— AI取代不了你，但"会用AI的人"会取代"不会用AI的人"。 区别不在谁更聪明，在谁先把那28小时用起来。
此心光明，亦复何言。以笔为剑，刺破迷雾。——周扫兴
