真正的材料发现，要穿过制造与认证

材料版的“信息瓶颈”：为什么小分子能用一串字符表示，合金不行

Krause 从一个对比讲起：生物和小分子领域可以用 SMILES、SELFIES 这样的字符串表示分子，因为知道元素和化学键，基本就知道了需要知道的大部分信息。但合金不是这样——供应链成本、微观结构、加工方式是增材制造还是铸造，这些都决定性能，却没法编码进一个字符串。

这也是为什么，按 Krause 的说法，“没有一个模型能一次性生成一个最终会出现在 iPhone 或 Starship 里的新材料”。模型提出的成分只是起点，材料身份还包括它如何被制备、加工和放大。

从成分到产品：每往前一步，都会暴露新问题

Radical 内部把材料的生命周期分成几段：假设生成（AI 提出新成分）→ 合成（把原料熔炼铸造成合金）→ 表征（SEM、EDS、XRD、XRF、TGA 等工具分析微观结构）→ 早期性能测试（氧化性能、拉伸测试、微压痕硬度）。目前 Radical 只做到了发现和测试阶段，还没有触及制造。

Krause 举了一个具体的已完成案例：铪是 C103 这类常见航空航天合金的组分，约占重量 10%。由于供应链高度集中，其价格在过去几年上涨了 10–15 倍。Radical 称已经在不使用铪的情况下维持同等性能规格——这是访谈里少数几个“已经做完”而不是“正在做”的具体成果，但配方细节与独立性能对比尚未公开。

Krause 对“真正的发现”定义很严格：设计出新成分、合成出来、完成表征都是里程碑，但都不算最终发现。“我们把‘发现’算作你拿起手机、里面装着一种新材料的那一刻。”按这个标准，公司展示的 1,200 个合金和 300 个新配方，没有一个跨过这条线。

“自动化实验室”和“自驱实验室”不是一回事

Krause 用 Waymo 做比喻：自动化实验室像带辅助驾驶的车，人仍要发出转弯指令；自驱实验室接收一个目的地，中间怎么走不用人逐步规定。落到实验室里，系统要能自己设计、执行、记录，并根据失败结果决定下一批实验，而不只是把既定流程做得更快。

自驱实验室由机器人执行、软件编排和工程机械系统三部分组成。高温合金样品——业内称为 button——铸造时会以 3000–4000°C 的高温粘在托盘上，团队必须为机械臂设计定制执行器，在不损伤微观结构的情况下把样品取下来。这类问题和“发现新合金”无关，却是运行自驱实验室绕不开的工程工作。

主动学习按 campaign 运转，AI 敢闯人类因偏见回避的区域

系统目前约有 7–10 个 campaign 同时运行，结果每天或隔天更新一次，反馈还不包括制造数据。今天所有成分假设都由 AI Scientist 生成；人类科学家偶尔提交自己的配方，却常被 AI 判定“不够强”而拒绝，Krause 把这戏称为“红队测试”。

一张内部图把文献里人类探索过的高熵合金组合，与 AI Scientist 实际探索的组合叠在一起。AI 进入了此前没有发表记录的区域。科学家此前没试过，是因为预设某些元素不兼容、会挥发或形成不了稳定微观结构。AI 没有这些心理预设，又能并行处理信息，因此更容易尝试被人类直觉提前排除的区域。

吞吐、成本与信息密度：为什么不需要百万级数据集

过去五到六个月，Radical 称制造并表征了约 1,200 个合金，其中约 300 个此前未见于文献，约 10 个进入下一步评估。作为访谈中的行业参照，DARPA 与 GE Aerospace 的 MACH 项目目标是在 12 个月内制造 500 个新合金；两者的测试深度是否可比仍不清楚。

理论合金组合空间约为 10^40，Krause 估算即使穷举也要约 700 万年。每个合金大约产生 50–150 个数据点。按机器学习标准仍是小数据集，但 AI 可以同时读 10 万篇文献、看 10 万张 SEM 图像并直接对照；Krause 认为这种“并行密度”比样本表的绝对行数更重要。

单次合金实验成本约为 60–300 美元，取决于元素成本。当前吞吐量为每天 8–20 个，耐熔合金更难铸造，速度更低；目标是在 2026 年年中前后做到不分体系每天 100 个。后一个数字是目标，不是已经稳定实现的结果。

材料版 AlphaFold 为什么不存在

Krause 认可 Heather Kulik 的判断：材料领域没有 AlphaFold。在具体子任务上可以有“AlphaFold 时刻”，例如用分割模型分析 SEM 图像中的裂纹与缺陷；但没有一个模型能把“我有一个新假设”直接带到“它已经规模化并进入产品”。

Radical 把长期数据资产类比为“材料版 Protein Data Bank”，但这比蛋白质数据库困难得多。除了属性种类更多，还有一类知识几乎无法进入数据库：一位在 3M 工作 35 年的顾问把它描述为“知道在具体哪个时刻把哪个旋钮调到什么位置”的经验判断。即使写成公式，也未必每次都适用。Radical 坦承目前还没有这部分知识的通用解法。

护城河是把一切拼起来的苦活，制造与认证仍是最后一环

Krause 讲了几个具体的“血泪史”。两年前，一些仪器厂商甚至不愿意在付费的情况下开放软件接口，因为它们靠出售分析自家仪器数据的软件获利；这种态度现在有所松动。团队还发现跨学科分工比预想得更细：机械工程师和机电工程师必须成为不同岗位，机器人团队对路径规划与感知的需求也更依赖计算机视觉，因为科学家的许多判断本身就是“看图凭直觉”。

Krause 现在把这些工程琐事视为公司的护城河：不是“在工具前面摆一个机器人”就能复制。制造与资格认证仍未打通，公司依赖拥有规模化制造经验的产业伙伴。即使这些伙伴对 AI 抱有怀疑，他们对供应链、成本与极端环境性能取舍的判断仍然重要。

在国家竞争层面，Krause 认为中国可以用更统一的资本与行政力量打通发现和制造，但明确表示美国不应照搬。他提出让一名科学家同时管理多个 campaign、扩大公私投资，并把国家实验室的计算、人才与数据和私营企业的系统整合能力接起来。这个构想仍是战略主张，而不是已经验证的生产率结果。

技术栈：多智能体系统，以及为什么“模型不是护城河”

AI Scientist 是一套多智能体系统。顶层编排 agent 生成新假设，并在送入实验室前先做一轮内部可行性检验；系统会像人类科学家一样接入 CALPHAD 等付费行业数据库；自建的文献综述 agent 则从科学文献中抽取与当前假设相关的图表和信息，其 benchmark 已公开。

MATRIX 是在 Qwen 基础上微调的视觉语言模型，用于从 SEM 等实验图像中提取科学知识；模型、benchmark 与预印本均已公开。团队报告，它在部分通用科学推理 benchmark 上提升约 5%–16%，并能迁移到生物领域；但数学推理没有观察到同样提升。这个反例说明“实验图像训练改善通用科学推理”的范围仍需界定。

Radical 开源 TorchSim、MATRIX 和 LitXBench。Krause 的逻辑是：社区反馈能改进工具，开放有助于推动用实验验证科学，而且模型会越来越商品化。公司不计划开发专有基础大模型，而会使用现成的 ChatGPT 或 Claude；真正保留的是叠加在公开数据之上的专有实验数据。用他的话说：“Models aren't the moat. Experiments are.”