Alibaba Group Holding旗下研究机构DAMO Academy发布了用于超导材料发现的AI智能体Elements Clo，并表示该系统已发现4种此前未报道的超导候选化合物，且已完成实验验证。

据香港《南华早报》（SCMP）3日 报道，Elements Clo是一套面向科研场景的生成式AI系统，能够分析海量论文与晶体结构数据，从中筛选出更可能具备超导特性的新材料。DAMO Academy将其定义为业内首个用于超导体探索的AI智能体。

超导体是指在极低温条件下电阻降为零、同时排斥磁场的材料。这类材料被视为提升电网效率、发展量子计算以及高速磁悬浮列车等下一代技术的重要基础。不过，由于超导机理至今仍缺乏完整理论支撑，新材料发现长期高度依赖反复试错的实验路径。

DAMO Academy表示，Elements Clo正是在这一背景下开发而成。该系统基于一款专用基础模型训练，训练数据包含1.25亿个分子和晶体结构，参数规模为10亿；中国人民大学和中国科学院大学参与了相关研究。

从筛选效率来看，Elements Clo在28小时GPU计算中筛选出约240万种稳定晶体结构，并在此基础上进一步锁定约6.8万种潜在超导候选材料。此后，系统再经进一步分析，筛出更具实验验证价值的目标，最终确认4种此前未报道的候选化合物。

这一进展也被视为科技企业拓展AI应用边界的又一案例。相关企业的布局已不再局限于文本生成或软件编程，而是进一步将AI用于科学文献检索、海量数据分析，以及提出可供研究人员验证的实验假设。Alibaba也借此展示了生成式AI在科研场景中的落地能力。

在多类科研应用中，新材料发现被普遍认为是AI最有希望显著提升效率的方向之一。原因在于，这一过程往往需要在海量化合物中持续筛选，AI有望缓解流程瓶颈并缩短研发周期。目前被广泛使用的超导体数据库SuperCon，收录材料数量也仅约2000种。

因此，此次发布的核心看点在于，AI究竟能够在多大程度上压缩候选筛选阶段的时间成本。按照Alibaba提出的工作流程，Elements Clo负责前端的论文检索、结构筛选和候选范围收缩，研究人员则将精力集中在后续实验验证上。对于超导体这类难以依靠理论精确预测的领域，AI能否显著缩短探索周期，仍有待进一步观察。