廣州2026年4月16日 /美通社/ -- 4月9-12日，首屆中國(guó)"AI+新材料"大會(huì)在廣州舉行，匯聚超過(guò)50位院士及近4000名代表。會(huì)上，創(chuàng)材深造（Deep Material）創(chuàng)始人兼CEO王軒澤發(fā)表題為《構(gòu)建能自主執(zhí)行物理實(shí)驗(yàn)的"AI材料學(xué)家"》的專(zhuān)題報(bào)告，并正式發(fā)布"One-Person Lab"（OPL）——一套讓AI首次真正具備自主實(shí)驗(yàn)?zāi)芰Φ耐暾茖W(xué)發(fā)現(xiàn)系統(tǒng)。

一位科研人員依托One-Person Lab，利用AI Agent和高通量自動(dòng)化實(shí)驗(yàn)室，不需要5-10年的試錯(cuò)周期，就能完成過(guò)去一個(gè)團(tuán)隊(duì)的研發(fā)產(chǎn)出。它標(biāo)志著AI for Science從"數(shù)字智能"邁入"物理智能"里程碑式轉(zhuǎn)折點(diǎn)。

十萬(wàn)億級(jí)新材料市場(chǎng)：一場(chǎng)正在發(fā)生的生產(chǎn)力革命

新材料是航空航天、新能源、半導(dǎo)體、機(jī)器人等戰(zhàn)略性產(chǎn)業(yè)的"底盤(pán)"，是十萬(wàn)億級(jí)別的巨大市場(chǎng)。然而，中國(guó)在高端合金、特種復(fù)合材料等領(lǐng)域長(zhǎng)期面臨"卡脖子"困境——國(guó)產(chǎn)化率低、依賴(lài)進(jìn)口、迭代緩慢。

傳統(tǒng)材料研發(fā)模式，一款新材料從實(shí)驗(yàn)室到產(chǎn)業(yè)化需要5-10年、數(shù)十人團(tuán)隊(duì)、數(shù)千次試錯(cuò)，這一模式已然無(wú)法滿(mǎn)足快速增長(zhǎng)的市場(chǎng)需求。核心瓶頸在于：研發(fā)是"正向試錯(cuò)"——做出樣品、測(cè)試性能、再調(diào)整配方，循環(huán)往復(fù)，每一步都依賴(lài)人工操作和經(jīng)驗(yàn)判斷。

材料科學(xué)的演進(jìn)史，本質(zhì)上是研發(fā)范式的迭代史。從經(jīng)驗(yàn)試錯(cuò)（第一范式）、理論模型（第二范式）、計(jì)算模擬（第三范式）到數(shù)據(jù)驅(qū)動(dòng)（第四范式），每一次范式躍遷都帶來(lái)了研發(fā)效率的量級(jí)提升。而今天，我們正站在第五范式——AI for Science的門(mén)檻上。

AI for Science的核心，不是用AI"輔助"人類(lèi)做實(shí)驗(yàn)，而是讓AI成為科學(xué)發(fā)現(xiàn)的主體。它不再被動(dòng)地分析數(shù)據(jù)，而是主動(dòng)提出假設(shè)、設(shè)計(jì)實(shí)驗(yàn)、執(zhí)行驗(yàn)證、修正理論——形成完整的自主科學(xué)發(fā)現(xiàn)閉環(huán)。

傳統(tǒng)AI for Science的困局：AI只"讀"不"做"

過(guò)去幾年，AI for Science在材料領(lǐng)域的聲音很大，但落地很輕。

這主要是目前市面上絕大多數(shù)"AI+材料"解決方案，本質(zhì)上是文獻(xiàn)閱讀器+數(shù)據(jù)擬合器。它們從海量論文中學(xué)習(xí)已知知識(shí)，用機(jī)器學(xué)習(xí)模型預(yù)測(cè)材料性能，然后輸出一個(gè)"推薦配方"。但最終仍需人工實(shí)驗(yàn)驗(yàn)證，閉環(huán)速度受限于物理實(shí)驗(yàn)環(huán)節(jié)。這條路存在三個(gè)無(wú)法繞過(guò)的硬傷：

數(shù)據(jù)來(lái)源的致命缺陷：訓(xùn)練數(shù)據(jù)僅來(lái)自已發(fā)表的論文，而論文中缺失了90%以上的失敗實(shí)驗(yàn)、負(fù)向結(jié)果、工藝細(xì)節(jié)等關(guān)鍵"暗知識(shí)"。AI從未見(jiàn)過(guò)真實(shí)世界的失敗，也就無(wú)法理解物理邊界。

缺乏物理反饋機(jī)制：模型輸出基于概率統(tǒng)計(jì)，無(wú)法通過(guò)真實(shí)的物理實(shí)驗(yàn)進(jìn)行驗(yàn)證和糾偏。當(dāng)模型產(chǎn)生"幻覺(jué)"——比如推薦一種熱力學(xué)上不可能存在的合金成分——系統(tǒng)毫無(wú)感知。

沒(méi)有科學(xué)方法論閉環(huán)：真正的科學(xué)發(fā)現(xiàn)，需要"提出可證偽假設(shè) → 設(shè)計(jì)嚴(yán)謹(jǐn)實(shí)驗(yàn) → 根據(jù)結(jié)果修正理論"的完整循環(huán)。當(dāng)前AI只完成了第一步（而且做得并不好），后兩步完全缺失。

王軒澤在報(bào)告中直言："科學(xué)發(fā)現(xiàn)的本質(zhì)，不是閱讀文獻(xiàn)，而是親手做實(shí)驗(yàn)并從結(jié)果中學(xué)習(xí)。 當(dāng)前的大語(yǔ)言模型，是一個(gè)讀過(guò)萬(wàn)卷書(shū)、卻從未動(dòng)手的學(xué)生。"

這正是"One-Person Lab"要解決的核心問(wèn)題。

One-Person Lab：讓AI親手做實(shí)驗(yàn)

"One-Person Lab"的核心理念：一位研發(fā)人員（頂層設(shè)計(jì)）+ AI Agent（智能中樞）+ 高通量自動(dòng)化實(shí)驗(yàn)室（執(zhí)行終端）= 傳統(tǒng)一個(gè)團(tuán)隊(duì)的研發(fā)產(chǎn)出。

它是一個(gè)具備自主科學(xué)發(fā)現(xiàn)能力的完整系統(tǒng)。其技術(shù)架構(gòu)分為三層：

頂層是材料設(shè)計(jì)引擎： 傳統(tǒng)研發(fā)是"正向試錯(cuò)"——做出樣品、測(cè)試性能、再調(diào)整配方，周期漫長(zhǎng)。逆向設(shè)計(jì)則直接反了過(guò)來(lái)，輸入目標(biāo)性能（如"屈服強(qiáng)度>1000MPa，延伸率>10%"），從目標(biāo)性能直接反推材料配方，顛覆"試錯(cuò)-測(cè)試"的傳統(tǒng)范式，實(shí)現(xiàn)研發(fā)效率的指數(shù)級(jí)躍遷。

中層是DM Agent+智慧圖譜：融合大語(yǔ)言模型與材料科學(xué)知識(shí)圖譜，構(gòu)建具備物理常識(shí)的推理引擎。在通用大模型上疊加物理法則校驗(yàn)層。模型推理強(qiáng)制走"成分→工藝→組織→性能"的因果鏈，而不是純統(tǒng)計(jì)關(guān)聯(lián)。內(nèi)置的物理常識(shí)過(guò)濾器會(huì)主動(dòng)攔截違背熱力學(xué)或冶金學(xué)原理的輸出——比如用FDM工藝打印鎳基高溫合金，Agent會(huì)直接報(bào)錯(cuò)。

底層是M-LAB 7×24h"黑燈實(shí)驗(yàn)室"：基于自研的HMPT-3000高通量力學(xué)性能測(cè)試平臺(tái)，實(shí)現(xiàn)從材料制備、熱處理、力學(xué)測(cè)試到數(shù)據(jù)上傳的全流程無(wú)人化運(yùn)行。室溫測(cè)試效率達(dá)到600樣/天，較傳統(tǒng)人工提升10倍以上；協(xié)作機(jī)器人與AGV小車(chē)協(xié)同實(shí)現(xiàn)全流程自動(dòng)化，消除人工操作偏差；而負(fù)向數(shù)據(jù)完整記錄，確保每一次失敗實(shí)驗(yàn)都被捕獲、歸檔、用于模型修正，構(gòu)成AI理解物理邊界的核心資產(chǎn)。

三層形成一個(gè)閉環(huán)：DM Agent提出假設(shè) → M-LAB自動(dòng)執(zhí)行 → 物理數(shù)據(jù)回流 → 模型修正迭代。每完成一圈，智能體對(duì)物理規(guī)律的理解就加深一層。這不是一次性的軟件交付，而是一個(gè)自我加速的研發(fā)飛輪。

已跑通商業(yè)閉環(huán)，半年13款合金已量產(chǎn)落地

One-Person Lab不是PPT上的概念，而是已經(jīng)跑通的技術(shù)-商業(yè)閉環(huán)。

以M-LAB高通量實(shí)驗(yàn)室為例，它配備了完整的自動(dòng)化材料制備與表征硬件系統(tǒng)：包括4通道LPBF增材制造單元、全自動(dòng)線切割與數(shù)控加工單元、8通道獨(dú)立溫控?zé)崽幚韱卧糜诟咝е苽涑煞峙c工藝可控的微小試樣；在測(cè)試端，集成了三工位全自動(dòng)室溫拉伸單元（日測(cè)600樣）、全自動(dòng)小沖桿高溫蠕變測(cè)試單元以及形貌檢測(cè)設(shè)備，并輔以機(jī)械臂（10秒/樣取放）、非接觸式引伸計(jì)、柔性樣品臺(tái)、散斑自動(dòng)噴涂與視覺(jué)糾偏等自動(dòng)化與檢測(cè)。

此外，M-LAB還可開(kāi)展室溫拉伸、高溫拉伸、高溫蠕變、全場(chǎng)應(yīng)變分布、表面形貌檢測(cè)等批量力學(xué)性能表征實(shí)驗(yàn)，一次性處理多達(dá)140個(gè)小微試樣，返回全流程應(yīng)力-應(yīng)變曲線、彈性模量、屈服強(qiáng)度、抗拉強(qiáng)度、斷裂延伸率、硬化曲線及二維全場(chǎng)變形演化細(xì)節(jié)等高質(zhì)量數(shù)據(jù)，從而快速、經(jīng)濟(jì)、精準(zhǔn)地構(gòu)建材料性能大數(shù)據(jù)集，實(shí)現(xiàn)材料性能預(yù)測(cè)與AI模型研發(fā)。

依托One-Person Lab平臺(tái)，創(chuàng)材深造半年內(nèi)完成13款合金材料的研發(fā)，覆蓋鎳基高溫合金、超高強(qiáng)鈦合金、無(wú)稀土高強(qiáng)鋁合金、高熵合金模具鋼等，多個(gè)產(chǎn)品已在航空航天、新能源汽車(chē)、消費(fèi)電子等領(lǐng)域?qū)崿F(xiàn)對(duì)進(jìn)口材料的實(shí)質(zhì)性替代，訂單金額超千萬(wàn)元。

構(gòu)建能自主執(zhí)行物理實(shí)驗(yàn)的"AI材料學(xué)家"

2025年9月，成立僅四個(gè)月的Periodic Labs宣布完成3億美元種子輪融資，a16z領(lǐng)投，NVIDIA、Jeff Bezos、Eric Schmidt跟投。2026年3月，新一輪融資談判將其估值推至約70億美元。其創(chuàng)始人包括ChatGPT共同創(chuàng)造者Liam Fedus和前DeepMind材料科學(xué)負(fù)責(zé)人Ekin Cubuk。

Periodic Labs要做的是一個(gè)"AI物理學(xué)家"：能夠自主提出科學(xué)假設(shè)、設(shè)計(jì)實(shí)驗(yàn)、驅(qū)動(dòng)機(jī)器人執(zhí)行、根據(jù)實(shí)驗(yàn)結(jié)果修正認(rèn)知。其核心包括兩樣?xùn)|西：一個(gè)注入物理、化學(xué)、量子力學(xué)知識(shí)的科學(xué)推理模型，以及一個(gè)由機(jī)器人驅(qū)動(dòng)的自主實(shí)驗(yàn)室，最終構(gòu)成一套"大腦+手腳+物理反饋"的架構(gòu)。這一方向正在重新定義AI for Science從"數(shù)字智能"向"物理智能"的范式躍遷。

創(chuàng)材深造的目標(biāo)同樣是構(gòu)建能自主執(zhí)行物理實(shí)驗(yàn)的"AI材料學(xué)家"。目前，其One-Person Lab已實(shí)現(xiàn)"大腦"（AI Agent）與"手腳"（機(jī)器人、AGV、高通量設(shè)備）的無(wú)縫連接，數(shù)據(jù)閉環(huán)完整，迭代速度達(dá)到小時(shí)級(jí)，打通了"計(jì)算→實(shí)驗(yàn)→驗(yàn)證→迭代"的完整閉環(huán)，讓AI真正"親手觸摸"物理世界。在此基礎(chǔ)上，公司已在半年內(nèi)完成13款合金材料的研發(fā)與量產(chǎn)。

One-Person Lab的優(yōu)勢(shì)

創(chuàng)材深造（Deep Material）是唯一打通"AI設(shè)計(jì)→自動(dòng)化實(shí)驗(yàn)→數(shù)據(jù)回流→模型迭代"全閉環(huán)并實(shí)現(xiàn)規(guī)模化量產(chǎn)的中國(guó)公司。One-Person Lab在多個(gè)維度上展現(xiàn)了中國(guó)對(duì)美國(guó)在該領(lǐng)域的代際超越。

一人抵一團(tuán)隊(duì)，按需付費(fèi)

在One-Person Lab平臺(tái)，一位科研人員只需做好頂層設(shè)計(jì)，AI Agent即可自主生成實(shí)驗(yàn)方案、調(diào)度設(shè)備、迭代優(yōu)化，7×24小時(shí)不間斷執(zhí)行，幾個(gè)月內(nèi)完成一款新材料的研發(fā)。

One-Person Lab采用訂閱制收費(fèi)，客戶(hù)無(wú)需一次性投入數(shù)千萬(wàn)元自建實(shí)驗(yàn)室，也無(wú)需組建數(shù)十人團(tuán)隊(duì)。按年訂閱，收費(fèi)靈活：按設(shè)備使用時(shí)長(zhǎng)、樣品通量、數(shù)據(jù)產(chǎn)出量均可定制。這樣極大地降低了材料研發(fā)的起步門(mén)檻，同時(shí)也確保了產(chǎn)出效能。

專(zhuān)家認(rèn)為：本質(zhì)上看，One-Person Lab是研發(fā)能力即服務(wù)"（R&D as a Service）在材料科學(xué)領(lǐng)域的規(guī)模化落地。而對(duì)創(chuàng)材深造來(lái)說(shuō)，訂閱制意味著持續(xù)的收入流、極高的客戶(hù)粘性以及邊際成本遞減。每新增一個(gè)客戶(hù)，M-LAB的硬件利用率提高，AI模型因更多數(shù)據(jù)而更精準(zhǔn)，形成典型的"數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)"。

從OPC到One-Person Lab：AI時(shí)代的組織形態(tài)變革

近年來(lái)，一個(gè)名為OPC（One-Person Company） 的概念正在全球興起。它描述的是這樣一種未來(lái)：一個(gè)人，借助AI工具鏈，能夠完成過(guò)去需要一家公司才能完成的工作——從產(chǎn)品設(shè)計(jì)、代碼開(kāi)發(fā)、市場(chǎng)營(yíng)銷(xiāo)到客戶(hù)服務(wù)，全部由AI賦能的一人團(tuán)隊(duì)獨(dú)立完成。

在研發(fā)領(lǐng)域，OPC的理念同樣適用。材料科學(xué)作為最傳統(tǒng)、最"重資產(chǎn)"的學(xué)科之一，長(zhǎng)期以來(lái)被認(rèn)為是"團(tuán)隊(duì)作戰(zhàn)"的典型——需要實(shí)驗(yàn)員、數(shù)據(jù)分析師、工藝工程師、設(shè)備工程師等多角色協(xié)同。而"One-Person Lab"正是將OPC理念落地到材料研發(fā)的具體形態(tài)：

一個(gè)人（專(zhuān)注于頂層創(chuàng)新）、一套系統(tǒng)（AI Agent+自動(dòng)化實(shí)驗(yàn)室承擔(dān)執(zhí)行性工作）、一個(gè)閉環(huán)（從目標(biāo)設(shè)定到配方輸出自主完成）。

一個(gè)人無(wú)需高昂的投資和時(shí)間周期，也能探索物理世界的無(wú)限可能。這不僅是效率的提升，更是科學(xué)發(fā)現(xiàn)權(quán)力的民主化。這一模式天然適合材料研發(fā)的"終極形態(tài)"：不是某一家公司擁有最先進(jìn)的實(shí)驗(yàn)室，而是任何一位科研人員、任何一家有材料需求的企業(yè)，都能以極低的邊際成本，獲得頂級(jí)的AI+材料研發(fā)能力。研發(fā)不再是重資產(chǎn)的代名詞，而是一種可隨時(shí)調(diào)用的云服務(wù)。One-Person Lab正在將這一圖景變?yōu)楝F(xiàn)實(shí)。

急速增長(zhǎng)的萬(wàn)億級(jí)賽道，前景廣闊

Periodic Labs以70億美金估值獲得全球資本認(rèn)可，印證了AI驅(qū)動(dòng)材料研發(fā)賽道的巨大潛力。中國(guó)作為全球最大制造業(yè)國(guó)家，高端材料自給率不足，進(jìn)口替代需求迫切。航空航天、新能源、半導(dǎo)體、機(jī)器人等戰(zhàn)略性產(chǎn)業(yè)每年對(duì)新材料需求達(dá)數(shù)萬(wàn)億元，全球新材料市場(chǎng)規(guī)模超10萬(wàn)億美元，其中AI可滲透的研發(fā)服務(wù)與新材料價(jià)值創(chuàng)造部分達(dá)萬(wàn)億級(jí)。

目前，創(chuàng)材深造已率先跑通產(chǎn)業(yè)化閉環(huán)，其稀缺性和成長(zhǎng)空間遠(yuǎn)超市場(chǎng)預(yù)期，在AI for Science 2.0時(shí)代，One-Person Lab不僅是工具提供商，更是下一代材料科學(xué)基礎(chǔ)設(shè)施的構(gòu)建者。

王軒澤說(shuō)："我們不是在用AI輔助研發(fā)，而是在教會(huì)AI如何像物理學(xué)家一樣思考、行動(dòng)與發(fā)現(xiàn)。One-Person Lab不是一款產(chǎn)品，而是一個(gè)理念——讓每一位科研人員都擁有一支‘AI團(tuán)隊(duì)'。"

在AI for Science的浪潮中，誰(shuí)先構(gòu)建起"物理世界AI"的閉環(huán)能力，誰(shuí)就將占據(jù)下一代科學(xué)基礎(chǔ)設(shè)施的制高點(diǎn)。創(chuàng)材深造的One-Person Lab，已經(jīng)邁出了決定性的一步。