在AI for Science的浪潮中，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的Elements Claw智能体，将人工智能从传统“辅助工具”的角色，直接推向了“独立发现者”的新高度。这一成果标志着AI在材料科学领域的应用，迈出了从“预测”到“创造”的关键一步。

Elements Claw并非简单的预测模型。其核心架构为“专通融合”：一个基于1.25亿分子/晶体结构预训练的1B参数原子基础模型Elements，负责理解原子间复杂交互；智能体则掌握超导发现的“专业知识”，实现感知-规划-操作-记忆的闭环。这种设计使其在判断超导性时，AUC（曲线下面积）达到0.996，几乎完美区分超导与非超导物质；预测临界温度的平均误差更是小于1K，精度超越现有通用模型。

真正令学界兴奋的，是AI智能体首次从零开始、自主设计并实验验证了全新的超导材料。在仅耗费28个GPU小时的计算成本下，Elements Claw筛选了240万种稳定晶体结构，从中预测出6.8万个候选材料。经过实验验证，其中4种——Hf₂₁Re₂₅、Zr₄VRe₇、HfZrRe₄、Zr₃ScRe₈——被成功合成并确认具备超导性，最高临界温度达6.5K。值得注意的是，这些材料在现有超导数据库中没有记录，完全由AI通过理解元素相互作用逻辑“凭空”构想。

这一突破打破了材料科学研发的“反摩尔定律”：传统方法发现一种新超导材料，平均耗费数十名科学家数年时间，且高度依赖试错和经验积累。Elements Claw将这一周期压缩至几天，且成本仅为传统方法的百分之一。它证明，AI不仅能加速已知材料的筛选，更能发现人类尚未想到的、具有全新化学配比的功能性材料。

对于从事材料模拟和科学发现的团队，这一案例释放出明确信号：AI智能体正从“猜谜者”进化为“解题者”。随着开源全部240万稳定晶体数据库，全球研究者均可在此基础上进行复现和二次探索。未来，类似“智能体+基础模型”的架构或将成为AI主导科学发现的标准范式，在制药、催化、能源材料等领域引发连锁反应。硬件科学的黄金时代，正由算法书写的代码开启。