本文为《麻省理工科技评论》“纠偏热潮”（Hype Correction）专题系列的一部分，该系列旨在重置人们对 AI 的预期：AI 是什么、它能带来什么、以及我们接下来该走向何处。
位于马萨诸塞州剑桥市 Lila Sciences 公司的实验室里，一台体积如微波炉大小的仪器正在运行。乍看之下，它与顶尖材料实验室里的溅射 (Sputtering) 设备并无二致：在真空腔体内轰击元素，使其气化并沉积成薄膜。
然而，让这台仪器脱颖而出的，是它的操控者——人工智能。
一个经由海量科学文献训练的 AI 智能体 (AI Agent) 决定了实验配方，动态调整着元素组合。随后，工作人员将样品人工送往测试区，另一个 AI 智能体扫描并解读数据，提出下一轮实验建议。Lila Sciences 坚信，这台机器得以让我们窥见“自主实验室” 的未来——在那里，AI 将以更低的成本、更快的速度，孕育出改变世界的化合物。
图 | Lila Sciences 公司的 John Gregoire和 Rafael Gómez-Bombarelli 正在观看 AI 引导的溅射仪器制作薄膜合金样品
被遗忘的创新洼地我们迫切需要更优异的材料来破解当下的文明难题。
在能源领域，我们需要能承载更高能量密度的改良电极，以制造更强劲的电池；在环境领域，我们需要能低成本捕获空气中二氧化碳的化合物；在化工领域，我们需要更高效的催化剂来生产绿氢和其他清洁燃料。更不用说，为了在量子计算、核聚变能源乃至 AI 硬件等领域实现下一代突破，我们急需高温超导体、改良磁体以及新型半导体等前沿材料。
然而，残酷的现实是：在过去的几十年里，材料科学仿佛陷入了停滞。
我追踪报道材料发现领域近 40 年，坦白讲，这期间能让人铭记的商业突破屈指可数，锂离子电池算是其中凤毛麟角的一个。当然，科学期刊上从不缺激动人心的进展：从钙钛矿太阳能电池到石墨烯晶体管，再到金属有机框架 (MOFs)。
但是，这些进展鲜有能真正走出实验室大门的。那些曾定义了早期工业时代、足以改变人类生活方式的发明，在当代依然缺位。
这或许要归咎于漫长的研发周期，通常长达 20 年以上；以及高昂的试错成本，开发、测试、优化并量产一种新材料，往往耗资数亿美元。面对低利润的大宗商品市场，行业巨头们对投入如此巨大的时间和金钱缺乏兴趣。由于其复杂性高且成功率低，材料科学一度沦为创新洼地 ，在光鲜亮丽且利润丰厚的新药研发和生物学探索面前，显得黯然失色。
是“新材料”还是“化合物清单”？正是为了打破这一僵局，研究人员将目光投向了 AI。
2020 年，DeepMind 的 AlphaFold2 成功预测了蛋白质的三维结构，震惊学界；2022 年，ChatGPT 的横空出世更是让科技界为之着迷。人们不禁发问：既然生成式 AI 如此强大，为何不利用它来搜索浩瀚的化学空间，指引我们发现具有惊人特性的新物质？
2023 年末，DeepMind 宣布利用深度学习发现了数百万种新材料，其中 38 万种晶体被标记为最稳定，是实验合成的极佳候选者。DeepMind 的研究人员宣称，这是人类已知稳定材料数量级式的扩展。
对 AI 社区而言，这似乎就是众人翘首以盼的突破。然而，当材料科学家们凑近审视时，反应却截然不同。
加州大学圣塔芭芭拉分校 (UCSB) 的研究人员在仔细查阅数据后表示，他们鲜有证据表明这些化合物满足新颖性、可信度和实用性这三个要素。科学家们尖锐地指出，DeepMind 报告的许多条目仅仅是已知材料的微小变体，甚至只是单纯的化合物清单，而非真正的材料。因为只有当一种化合物展现出某种功能性及潜在效用时，才能被赋予材料之名。
更为尴尬的是，部分构想出的晶体根本无法在现实世界中存在。DeepMind 为了处理海量运算，是在绝对零度的模拟条件下进行预测的。在这种极端环境下，原子排列有序，安分守己。然而，在现实世界的温度下，原子会因热运动而无序飞舞。许多所谓的新颖材料，不过是已知无序材料在虚拟世界中的有序幻象而已。
这再次提醒我们：在虚拟模拟中捕捉物理现实是何等困难。 许多理想的材料特性是由微观结构——即比原子大得多的尺度——决定的，而诸如高温超导甚至催化作用等复杂效应，目前尚无法仅凭原子模拟来解释。
正如 Lila Sciences 联合创始人、麻省理工学院教授 Rafael Gómez-Bombarelli 所言：“结构有助于我们将问题具体化，但对于解决实际的材料问题，它既非必要，亦非充分。”
真正的战场：自动化合成“圣杯”初创公司们面临着一个共同的瓶颈：材料发现中最耗时、最昂贵的环节，并非构想新结构，而是在现实世界中将其制造出来。
“模拟在构建问题框架方面非常强大，”Lila Sciences 首席自主科学官 John Gregoire 说道，“但仅靠模拟，永远无法解决现实世界中的任何问题。”
因此，新一代初创公司（如 Lila Sciences 和 Periodic Labs）并未止步于算法，而是将战略押注于自动化实验室的合成。
Periodic Labs 的联合创始人阵容豪华：Ekin Dogus Cubuk 曾领衔 DeepMind 的材料发现团队，而 Liam Fedus 则是 OpenAI ChatGPT 的共同缔造者。尽管出身于纯软件背景，他们却坚定地认为，必须要有一位“AI 科学家”，一个不仅能阅读文献，还能通过控制机器人来做科学的智能体。
然而，打造材料界的自动驾驶实验室远比制药界困难。制药通常涉及液体处理，自动化技术已相对成熟。而材料科学往往涉及固态合成：你需要精确混合多种无机粉末，在特定的高温高压下进行反应。粉末的流动性、混合的均匀度、反应条件的微秒级控制，每一个环节都是对自动化工程的巨大挑战。
劳伦斯伯克利国家实验室 (LBNL) 的 A-Lab 正在挑战这一前沿。作为首个尝试完全自动化处理无机粉末的实验室，A-Lab 在 2023 年宣称利用机器人和 AI 合成了 41 种新材料。尽管外界对其产物的新颖性仍存争议，但这无疑是对自主系统潜力的一次有力演示。
A-Lab 的首席科学家 Gerbrand Ceder 构想了一个更宏大的未来：通过“超级模型” 来统筹整个实验过程。这个超级模型就像一位指挥家，能够调用不同的 AI 智能体，有的擅长设计配方，有的擅长解读显微镜图像。更重要的是，它试图捕捉科学家们弥散的隐性知识，那些源于长期经验、难以言传的直觉。
“AI 革命的本质，在于终能将我们掌握的所有科学数据汇聚一处，”Ceder 说道。对于一个每天仅固态电池领域就有 50 篇新论文发表的时代，唯有 AI 能鲸吞如此海量的文献，并从中提炼出创新的线索。
图 | Lila 的科学家 Natalie Page、Gómez-Bombarelli 和 Gregoire 在薄膜样品从溅射机中取出后、进行测试之前对其进行检查
室温超导的未竟之梦所有这些努力的终极目标，是发现那些能彻底改变文明进程的新材料。其中最令人魂牵梦绕的“圣杯”，莫过于室温超导体。
超导体是指电流能在其中无阻力流动且不产生热量的材料。若能发现一种在室温或接近室温下工作的超导体，我们将拥有无损耗的电网、不需要庞大冷却系统的量子计算机，以及更加普及的高速磁悬浮列车。
未能发现室温超导体，是过去几十年材料科学界最大的遗憾。
时光回溯到 1987 年。那一年，新型陶瓷材料在 93 开尔文（约 -153°C）下实现超导的消息引发了全球轰动。虽然这个温度对人类而言依然极寒，但相对于绝对零度已是温暖如春。
当时的美国总统罗纳德·里根（Ronald Reagan）在华盛顿希尔顿酒店挤满人的宴会厅里，热情洋溢地发表演讲。他宣称这项技术将把我们带入新时代的门槛，并展望了诸多益处，尤其是减少对外国石油的依赖、更清洁的环境以及更强大的国民经济。
那是我们最后一次将经济腾飞的愿景，如此沉重地寄托在一种新材料的突破之上。
然而，承诺的新时代从未降临。近 40 年过去了，我们仍未找到室温超导体。现存最好的高温超导体依然质地脆弱，极难加工成实用的导线。
寻找高温超导体之所以艰难，是因为目前尚无理论能完美解释这一现象，也无法仅凭原子排列进行预测。这正是 AI 被寄予厚望的原因：在理论缺位的情况下，利用 AI 驱动的高通量实验，在海量试错中寻找人类未曾发现的规律。
泡沫还是风口？尽管愿景宏大，但截至目前，AI 材料发现领域仍未出现一场令人信服的标志性胜利。没有 AlphaGo 击败李世石那样的决胜时刻，也没有 AlphaFold 破解蛋白质结构那样的科学丰碑。
初创公司不仅要面对科学上的不确定性，还要应对商业世界的严苛审视。任何新材料的商业化，都必须在一个由巨头主导、避险情绪浓厚的行业中突围。
图 | 透过一个小窗口，可以看到 lila 的溅射仪器的内部运作情况
风险投资公司 SOSV 的合伙人 Susan Schofer 对此持审慎乐观态度。作为一名曾亲历过 2000 年代初组合化学泡沫的前材料研究员，她深知技术与商业之间的鸿沟。
“我理解重塑科学的愿景，”Schofer 说道，“但在我投资之前，请展示第一步。”
她所谓的第一步，不仅仅是发现一种新结构，而是要证明这种材料具有实际效用，能够被规模化生产，并且有一个清晰的商业模式来捕获其价值。“理想的状态是：我们定义了问题，制造了材料，验证了扩产能力，并最终通过销售材料本身获得收入。”
行业内对炒作的警惕并非空穴来风。企业研究人员曾曾多次在这些承诺上吃过苦头：从早期的计算机辅助设计，到组合化学热潮，再到合成生物学的宏大叙事，许多承诺最终都成了泡影。
2024 年末，一篇麻省理工学院 (MIT) 学生的论文声称某企业实验室利用 AI 发明了大量新材料，一度引发热议。然而几个月后，MIT 经济系两名权威教授出面辟谣，称对数据的真实性毫无信心，论文被迫撤回。这一乌龙事件再次提醒人们：AI 在材料领域的革命，或许并不如表面那般光鲜。
在我实地造访这些初创公司时，看到的是一种复杂的景象：Lila Sciences 的实验室还很空旷，正准备搬迁；Periodic Labs 仍以人工合成为主，全自动流水线尚待时日。
但这并不妨碍科学家们感受到一种久违的兴奋。长期以来，材料科学一直生活在药物发现和基因组医学的阴影之下，而现在，聚光灯终于打到了这里。
“我从未见过如此多的资金涌入材料领域，”Gerbrand Ceder 感叹道。
AI 也许无法在一夜之间带来奇迹，甚至可能在短期内面临泡沫破裂的风险。但它为这个古老的行业带来了两样至关重要的东西：一是彻底改变研发范式的强力工具；二是大量从 AI 浪潮中借来的信心。
对于一个多年来习惯于求稳、在创新的洼地中艰难跋涉的行业而言，这份信心，或许正是它开启下一个黄金时代所急需的燃料。
原文链接：
1.https://www.technologyreview.com/2025/12/15/1129210/ai-materials-science-discovery-startups-investment/