先给出一个核心判断：在超导材料研究领域，一项最新突破值得所有关注 AI for Science 趋势的人重点关注。

7月3日，阿里达摩院联合中国人民大学、中国科学院大学，正式发布了一款名为 Elements Claw 的 AI 智能体，专门用于超导材料的高效发现。这是业界少数实现从预测到实验验证全链条闭环的 AI 成功案例。

先看几组关键数据：该智能体预测了6.8万种潜在超导材料，其中4种全新的材料已被成功合成，并通过实验证实具备超导特性。相关数据目前已全部对外开放。

要知道，国际主流超导数据库 SuperCon 历经数十年积累，收录的材料也仅约2000种。两相对比，效率差距一目了然。

那么，Elements Claw 究竟做了什么？它并非简单“猜测”哪种材料能超导。其核心能力在于，它能像一位资深材料科学家一样：查阅文献、评估合成可行性、设计实验方案。这才是真正的“智能体”——它不是分类器，而是一位“AI科学家”。

从技术架构来看，Elements Claw 采用了“专通融合”的设计思路。

在专有模型层面，团队基于一个包含1.25亿个分子和晶体结构的数据库，预训练出一个10亿参数的原子基础模型 Elements。该模型判断材料是否具有超导性时，AUC（曲线下面积）达到了0.996；预测超导临界温度的平均误差控制在1K以内。这样的精度在材料科学领域已相当出色。

在通用智能体框架层面，Elements Claw 实现了一整套自动化材料筛选流程：工具制造、流程编排、文献复核……更关键的是，它能在文献中挖掘到新线索后实现“自我进化”，即自主迭代优化。

落实到效率上，AI 仅用28个 GPU 小时就完成了240万晶体结构的筛选，最终预测出6.8万个候选材料。

研究团队已实验合成并验证了其中4种，分别是：

• 从现有数据库中“打捞”出的遗漏材料——Hf21Re25；

• 纠正数据库构型错误后“正名”的 Zr4VRe7；

• AI 从头设计生成的 HfZrRe4；

• 基于类似结构举一反三得到的 Zr3ScRe8，其临界温度最高达到了6.5K。

达摩院科学智能负责人荣钰评价道：这是 AI 智能体发现并获实验验证的首批超导材料，初步验证了该框架在材料发现领域的巨大潜力。

更值得关注的是后续应用前景。中国人民大学高瓴人工智能学院副教授黄文炳指出，这个 AI 智能体的能力框架完全可以迁移到其他材料的发现中，例如固态电池电解质、多相催化剂和热电材料。

换言之，这不仅仅是一次性的超导材料“托盘”，而是一套可复用的 AI 材料发现新模式。

目前，达摩院已将 Elements Claw 预测的所有240万稳定晶体的数据库开放，科研人员可免费使用。

这是真正意义上“AI+材料科学”范式的落地：不再只是一个模型，而是一个能自主查文献、设计实验、持续迭代进化的智能体。值得持续跟踪关注。