EN

方向分析

Radical AI

用 AI Scientist + Self-Driving Lab，把材料研发从“预测候选”推进到真实实验、制造与最终应用。

最近核实 AI4S.fyi 依据公开记录所做的解读，出处列在文末

← Radical AI 机构页

核心判断

材料发现真正的瓶颈是实验而非算力；把 AI 与真实实验形成闭环，可以显著缩短新材料研发周期。

要让这条路径成立，需要被验证的是什么。

实验是瓶颈：计算可以生成远多于实体实验室能够验证的候选，稀缺资源是高质量 physical feedback。

成分不等于材料：真实性能还取决于结构、微观组织、工艺和制造路径。

实验室必须进入 AI loop：假设、合成、表征、性能测试与下一轮 campaign 必须形成连续反馈。

闭环最终必须进入制造：小样 throughput 只有在放大、认证和应用中保持优势，才会变成工业价值。

已经公开展示了什么

内容证据类型来源
所有材料假设由 AI Scientist 生成。公司自述[S7][S8]
合成、表征、早期性能测试和 campaign-level active learning 已连接。公司自述[S7]
表征已全自动；氧化与微压痕自动化；拉伸接近自动化；合成仍有人参与。公司自述[S7][S10]
当前每天 8–20 个合金、并行 7–10 个 campaign，并以每天或隔天频率反馈。公司自述[S7]
约 1,200 个合金已制造；约 300 个被公司称为 novel，约 10 个被描述为尤其有前景。公司自述[S7]
RAI-939 在 Purdue 执行的特定 torch test 中与 C103 对比；Radical 披露其质量变化为 +0.25% vs −32%，并称 environmental survivability 约高 125×。外部合作机构测试[S9]
10,000+ SEM 图像形成内部 corpus；自动 segmentation 与 SDAS 提取约一秒/图。公司自述[S10]
Structure-aware 计算路线已对 500+ samples 做 hardness characterization。公司自述[S11]
Pellet feeder 已进入实验室，但公司明确将其称为 bespoke R&D tool，并承认可靠性与 technical-debt 边界。公司自述[S12]
MATRIX / MATRIX-PT 覆盖 SEM、XRD、EDS、TGA 等实验模态；公司公开评测报告实验解释与文本科学推理均有提升。公开技术产物[S6]
LitXBench / LitXAlloy 从 19 篇 alloy papers 人工抽取 1,426 个 measurements，并把 processing lineage 纳入材料身份。公开技术产物[S4][S5]
TorchSim、MATRIX 与 LitXBench 均提供可由外部检查的公开技术产物。公开技术产物[S3][S4][S6]

证据停在哪里

● 可检查的公开证据 · ◆ 第三方、客户或监管验证 · ◐ 部分或公司自述 · ○ 未找到公开证据

环节状态
AI 假设●
小样合成●
表征●
早期性能测试●
制造○
制造代表性放大（已宣布，未公开证明）◐
重复生产 / 规格数据（开始推进）◐
认证○
终端部署○
材料进入最终产品○
环节状态证据类型说明来源
计算搜索●公司技术文章 / 公开方法LLM-guided BO、MLIP 与 structure-aware workflow 已公开描述。[S11][S13]
开放技术产物●公开可检查TorchSim、MATRIX、LitXBench。[S3][S4][S6]
内部实体实验●公司自述10,000+ SEM、500+ hardness samples 与自动实验基础设施。[S10][S11][S12]
材料级外部测试◆Purdue 执行 / Radical 披露结果RAI-939 与 C103 的特定 torch test；不是独立完整报告。[S9]
制造放大◐公司宣布下一步更大试件、代表性方法与 QC 数据尚待公开。[S9]
Qualification○暂无尚无公开规格或认证节点。—
真实部署○暂无尚无材料进入终端系统的公开证据。—

这条路径为什么可能有效

实体 ground truth：每个计算候选最终必须经受真实合成、表征和性能测试。

Negative results：自己的实验室能够系统积累失败条件与失败机制，这是公开论文最缺少的数据。

工艺与微观结构是一等数据：材料身份不只由 composition 定义，还包括 processing lineage 与结构。

隐性知识机器化：把科学家对枝晶、缺陷、熔炼状态等判断转成标注、模型和控制信号。

并行科学：AI Scientist 可以同时关联文献、图像、历史实验和多个 campaign。

模型可替换，实体闭环复利：开放模型和基础设施可以被替换，但专有实体实验反馈持续累积。

钱从哪里来

谁付费：由客户性能需求出发，通过联合开发、材料 IP、独家供应与材料销售获得收入。

为什么付费：候选生成、模拟、熔炼、表征与主动学习

什么形成可持续资产：Radical AI 最可能的长期优势不是生成模型本身，而是拥有持续积累的实体实验数据、材料 know-how 与 IP，并最终把这些资产延伸到制造和客户系统。

目前能够确认的方向是：一个在外部机构与在役材料做了一分钟对比测试的具名合金（RAI-939），一条有公司自报吞吐量、并且自己划出了 human-in-the-loop 边界的发现闭环，三件背后有 arXiv 预印本的开放技术产物（TorchSim、LitXBench、MATRIX），一组关于"实体自动化到底有多难"的工程文章，以及一份 120 万美元的空军合同加一份与 DOE 的谅解备忘录。 没有同行评审论文，没有材料规格书，没有重复批次，没有认证。

范围说明： 本页只追踪公开记录：公司自己的发布与预印本、经同行评审的文献，以及第三方报道。没有内部信息。它记录的是公开材料能走到哪一步，而不是这家公司做得好不好。

概览

方向能确认什么最新证据
1. 那个具名材料在 Purdue 的一分钟火焰测试中，RAI-939 增重 0.25%，C103 失重 32%2026-08-07
2. 那条闭环六个月约 1,200 个合金；合成仍是 human-in-the-loop访谈，2026-06-17
3. 开放产物TorchSim 以 MIT 协议发布在 PyPI；LitXBench 有实时榜单，最高 F1 仅 0.80LitXBench v0.1.3
4. 没人引用的机电工程定制颗粒送料器与 Makino 定制制样工具，失败被写了出来2026-08-26
5. 客户与资本1,197,902 美元 AFWERX 合同、一份 DOE MoU、一轮没有点名任何投资方的 5500 万美元种子轮2025-07-18 起

1. 那个具名材料，与唯一一次外部测试

能确认什么： 2026 年 8 月 7 日，Radical 报告 Purdue Applied Research Institute 对 RAI-939 与 C103（航天领域在役的铌合金）做了一次正面对比的火焰测试。测试把"材料加热到 2,500 摄氏度以上"。结果是：RAI-939"在一分钟火焰测试后增重 0.25%，而 C103 失重 32%"，Radical 将其描述为"环境耐受性比这种传统材料高 125 倍"。Purdue 高超声速实验室主任具名出现在引述中。

要读的是被测量的那个量。 被测的是"一分钟内、火焰下的质量变化"。这是一个真实且与应用相关的性质（高温氧化正是难熔合金的致命伤），而它是一个性质。C103 之所以是在役材料，并不是因为它耐氧化（正因为不耐，它要涂层）；而是因为它可成形、可焊接、可连接，并且能以已知价格批量获得。这些这次一个都没测。

那篇文章没有写任何限制条件，也没有给出试样数量。测试在 Purdue 执行；解读、框定与那个 125× 的数字，是由 Radical 发布的。

边界： 一个性质、一分钟、一次披露。可信度：外部机构确实做了这次测试并报告了那些质量变化（高）；这能确立"更好的材料"（低）。

待查线索： 试样有多少个；RAI-939 的完整性能谱；任何由 Purdue 撰写而非关于 Purdue 的材料；跨熔炼批次的重复性。

2. 那条闭环，以及人在哪里

能确认什么，来自公司 2026 年 6 月的访谈：六个月内生产并表征了约 1,200 个合金；约 300 个新材料被提出并测试；约 10 个候选被公司描述为具有新颖的、达到当前最优水平的性能。吞吐量为每天 8–20 个合金（取决于材料体系），并行约 7–10 个 campaign，失败实验作为负结果回流到数据库。另一篇文章提到：约九个月的自动实验室运行积累了超过 10,000 张 SEM 图像，分割与二次枝晶臂间距提取约一秒一张。

自动化边界是公司自己说的，这也是那场访谈里最有用的一句话。 表征被描述为完全自动化；显微压痕与氧化测试已自动化；拉伸测试接近自动化；合成仍然是 human-in-the-loop。每天 100 个合金是目标，不是已达成的速率，公司也这么写。

为什么这条边界比吞吐量更重要。 "自动驾驶实验室"这个说法，很容易让人读成"屋里没有人"。而这里是：机器读样品，人仍然在做样品。这不是批评，它是"一个你可以据以规划的主张"与"一个你不能据以规划的主张"之间的区别，而且这条线是公司自己画的。

关于这条闭环最完整的公开说明，是 2026 年 6 月那场 Latent Space 访谈，本站为它保留了一份访谈页面，其中包括哪些数字是目标而非结果，以及公司自己点出的下游缺口。

边界： 发现规模的实验。可信度：中，数字具体、自带限定，但全部来自访谈中的公司自述，而不是备案文件或论文。

3. 开放产物：任何人都能跑的那一部分

能确认什么： 有三样东西是真正公开的，每一样背后都有 arXiv 预印本。

  • TorchSim，一个 PyTorch 原生的原子尺度模拟引擎，采用 MIT 协议，可从 PyPI 以 torch-sim-atomistic 安装（撰写时为 v0.6.1）；预印本 2025 年 8 月。
  • MATRIX，一个覆盖 SEM、XRD、EDS、TGA 的多模态材料基准与后训练框架；预印本 2026 年 1 月。
  • LitXBench / LitXAlloy，从 19 篇实验合金论文中人工抽取的 1,426 个测量值，并把工艺历史表示为事件 DAG，而不是按成分索引；预印本 2026 年 4 月。

真正值得打开的是 LitXBench。 它维护着一个实时榜单，带分类 F1 分数、95% 置信区间、可复现的运行链接，以及每次尝试的美元成本。榜首成绩是F1 0.80 ± 0.04（从论文中抽取实验），而所有方法最弱的那一类都是微观结构配置，最好也只有 0.68。

这个数字值得坐下来想一会儿。读文献是 AI for Science 里听起来最容易的任务（没有机器人、没有合成、没有仪器），而目前最好的智能体，五个测量值里能取对四个。这个榜单是 Radical 发布的，而 Radical 自己的流程正依赖这项抽取成立。把自己上游依赖的分数发出来、而且结果是 0.80，与发布一个加速倍数是两种不同性质的行为。

边界： 软件、基准与抽取质量。这些都不是材料。可信度：高（可安装、有许可证、有版本、外部可复现）。

4. 没人引用的那部分机电工程

能确认什么： 两篇工程文章描述了搭建这条实体闭环真正的成本。

颗粒送料器那篇（2026 年 3 月）完整走了一遍定制柔性螺旋送料器、故障模式分类与一系列原型，并且直白地说，这套系统仍然是一次性定制的，是拿可靠性换早期能力。Makino 那篇（2026 年 8 月 26 日）描述了一个定制制样工具：此前科学家"不得不一次切一个样品，每切一颗就要重新配置一次电火花机"，几个小时就这么没了；新的夹具一次切五个。一家电火花设备厂商估计自动化要花一年；另一家"给 Radical 送来了切错的测试样品"。

这是公司网站上最少被引用、信息量却最大的材料。 每一份自动驾驶实验室的说辞都在讲模型。这两篇文章说的是：这件事很大一部分工作，是找到一家能把一个夹具做对的机床厂商，而上一家没做对。不管这条闭环最终值多少，它的成本是以机电采购计价的，而 Radical 是本站追踪的公司里唯一把这件事写下来的。

边界： 内部工装。可信度：高（公司自己的文章，而且点名了自己的失败）。

待查线索： 这些工装里有没有哪一件能以合理成本被复制，还是永远只此一台。

5. 客户、资本，以及通往制造的那道缺口

能确认什么： 一份金额为 1,197,902 美元的 AFWERX Direct-to-Phase II 合同（2025 年 8 月），用于为美国空军的极端环境需求加速发现具有热机械性能的高熵合金。一份与美国能源部的谅解备忘录（2025 年 12 月），覆盖闭环自主研究基础设施、转化研究与联合试点。一轮 5500 万美元的种子轮，2025 年 7 月 18 日公布，其中没有点名任何投资方，也没有给出累计融资总额。

MoU 是一个框架，合同是一次对"投入"的采购。 空军为一项有明确约束条件的发现工作付了钱，那是真实的、带具名应用的客户拉力。但两者都不是一份被交付的材料、一项被满足的规格，或一次被通过的认证。

定义这家公司的那道缺口，在上面所有东西的下游。 跨熔炼批次的重复性、规格书、制造代表性工艺、认证、部署，没有一样是公开的。Radical 自己的说法是：材料领域受限于实验而非算力；而它自己的记录提出的问题是：更快的发现会变成更快的采用，还是瓶颈只是挪到了下一段。

边界： 被资助的意图与早期客户拉力。可信度：合同、MoU 与那轮融资确实存在（高）；工业采用（低）。

找不到什么

  • 没有同行评审论文。 那三件产物有 arXiv 预印本，这比本站多数私营公司提供的都多，但它不是同行评审。
  • Purdue 那次测试没有试样数量，RAI-939 也没有除"火焰下质量变化"之外的任何性能数据。
  • 任何 Radical 材料都没有规格书、重复批次数据、认证进展或部署。
  • 5500 万美元那一轮没有点名任何投资方，也没有累计融资额。
  • 没有任何由 Purdue 署名的材料。 那次外部测试是通过公司的披露转述的。
  • 没有证据表明更好的文献抽取提升了合金命中率：LitXBench 衡量的是输入，不是结果。

方法与范围

材料来自公司的新闻索引与各篇文章、三篇 arXiv 预印本、LitXBench 的实时榜单，以及 2026 年 6 月的那场访谈。上文引用的每一个数字都在其来源处读取过；凡是出自访谈而非文档的数字，页面都标明了。

可信度按条目标注，而不是按方向标注。 标签含义：

  • 高：有公开产物、由外部机构执行，或有已签署的合同；
  • 中：官方发布或公司自报的数字（细节可查，但外部未验证）；
  • 低：单一来源的说法，或框定与解读都出自受益方的结果。

两条操作规则： 版本修订按版本标注日期，不作为新项目；"项目存在"不等于"技术成功"。

关于这家公司还有一句话。125× 那个标题是本页上最弱的证据，也是被引用最多的；LitXBench 榜单是最强的，也是最少被引用的。一次一分钟、试样数量未说明、由受益方框定的火焰测试，只能给低可信度。而一个有版本、任何人都能跑、最好的前沿智能体读论文只得 0.80 的公开榜单，它由一家自身流程正依赖这个数字要高的公司建起来，并且照样发了出来。读者更看重这两者中的哪一个，恰好可以检验：这样一份记录是被使用了，还是只是被引用了。

一手来源

预印本与开放产物

公司发布

证据时间线

日期事件新证据它没有证明什么来源
RAI-939 进入 Purdue 外部高温测试Purdue Applied Research Institute 对 RAI-939 与 C103 执行超过 2,500°C 的 head-to-head torch test；Radical 披露一分钟后两者质量变化分别为 +0.25% 与 −32%，并将该特定条件下的 environmental survivability 描述为约 125×。没有证明整体材料性能、多批次重复性、规模制造、qualification 或终端部署。THIRD_PARTY_TEST · COMPANY DISCLOSURE ↗
37 组问答明确 full-stack thesis 与闭环边界Latent Space 的 77 分钟访谈首次把 Radical 的系统架构、运行指标、自动化边界、实验经济学、制造缺口与商业化判断放在同一条证据链中。公开摘要采用：六个月生产并表征约 1,200 个合金；约 300 个新材料被提出和测试；约 10 个候选被公司称为具有 novel state-of-the-art properties。
研究笔记 · 7
  • 核心主张：材料领域不是 compute-constrained，而是 experiment-constrained；ground truth 必须来自被制造、测试和表征的材料。
  • 系统定义：AI Scientist = orchestrator + literature agent + domain data / CALPHAD + MLIPs / simulation + MATRIX + historical experiments + specialized ML + human intuition + self-driving lab。
  • 自动化边界：表征被描述为 fully automated；microindentation 与 oxidation 已自动化；tensile 接近自动化；synthesis 仍保留 human-in-the-loop。
  • 运行方式：研究以 campaign 为单位并行迭代，失败实验作为 negative results 回到数据库；访谈 transcript 提到约 7–10 个并行 campaign、每天或隔天更新，属于待后续 primary source 核验的公司自述。
  • 实验经济学：访谈称不同材料体系当前约 8–20 alloys/day；100/day 是未来估计，不应当作已实现 throughput。
  • 认知优势：AI 不仅提高 physical throughput，也能并行关联文献、SEM、实验历史和多个 campaign；同时更低的失败成本允许探索人类直觉回避的区域。
  • 下游边界：manufacturing、multiple-batch repeatability、specification、qualification 与 end application 尚未进入公开闭环；更快 discovery 是否会变成更快 industrial adoption 仍是核心未知。
多数运行数字仍是采访中的公司自述；100 alloys/day、2–3 年行业拐点和 3–5 年 defense/space deployment 都是目标或展望，不是已实现证据。INTERVIEW · COMPANY-REPORTED METRICS ↗来源笔记
10,000+ 张 SEM 自动分析工作流运行约九个月的自动实验室积累超过 10,000 张 SEM 图像；segmentation 与 SDAS 提取约一秒/图，结构化结果回到平台。自动 annealing-time selection 仍是后续方向；该工作流不证明新材料优越性、跨设备泛化或制造规模。COMPANY · OPERATIONAL EXPERIMENTAL EVIDENCE ↗
LitXBench 把 processing lineage 变成开放数据结构LitXAlloy 从 19 篇实验合金论文中人工抽取 1,426 个 measurements，并把 processing history 表示为事件 DAG，而不是仅按 composition 索引。文献抽取质量不等于 physical discovery outcome，也没有证明更好的 extraction 已提升合金命中率。OPEN BENCHMARK · DATA INFRASTRUCTURE ↗
Pellet feeder 暴露实体自动化的真实工程负担定制 soft-auger、故障 taxonomy 与迭代原型进入实验室；公司同时承认系统仍 bespoke，并以可靠性换取早期能力。尚未证明这些定制系统能够低成本、高可靠地复制。COMPANY · ENGINEERING POST ↗
Structure-aware 计算筛选公开公开 composition → structure → property、EGIP、分布式模拟与 SparseBO 路线，并披露 500+ hardness samples。没有公开证明内部计算路线独立优于同行或必然产生部署材料。COMPANY · COMPUTATIONAL / PHYSICAL WORKFLOW ↗
LLM prior 进入 Bayesian Optimization内部 computational comparison 中，EBO 相比标准 BO 提高 hypervolume 与候选多样性。没有证明这些候选在实体实验中形成了更好的合金。COMPANY · COMPUTATIONAL EVIDENCE ↗
MATRIX 多模态材料模型与 benchmark 发布MATRIX 覆盖 SEM、XRD、EDS、TGA 等实验模态；公司报告 aligned multimodal post-training 令 experimental interpretation 提升 10–25%，text-only scientific reasoning 提升 5–16%。公开 benchmark 上的提升不等于模型已经自主发现、制造或认证了新材料。OPEN BENCHMARK · MODEL ↗
与 U.S. Department of Energy 签署 MoU双方建立围绕 closed-loop autonomous research infrastructure、novel-material translational research、AI capabilities 与 joint pilots 的合作框架。MoU 是合作框架，不是已完成 pilot、独立材料验证或部署。CUSTOMER / PARTNER · MOU ↗
获得 AFWERX Direct-to-Phase II 合同一项 1,197,902 美元合同聚焦为美国空军极端环境需求加速发现具有 thermomechanical properties 的 high-entropy alloys。合同授予不是材料交付、性能验证、qualification 或部署。CUSTOMER / PARTNER · CONTRACT ↗
EGIP 公开 computational benchmarkRadical 报告 EGIP 在 Matbench Discovery 的 thermal-conductivity task 上达到领先结果，并相对 leading eSEN model 提供 3.5× speed 与 12× atom capacity。计算 benchmark 不等于被合成、测试或部署的新材料。OPEN / COMPANY · COMPUTATIONAL BENCHMARK ↗
TorchSim 开源发布 PyTorch-native atomistic simulation engine；公司报告相对 ASE 100×、相对 DFT 100,000,000× 的特定 simulation speedup。simulation speed 不等于新材料发现或工业采用。OPEN · SIMULATION INFRASTRUCTURE ↗

证据说明：CEO 主张 ≠ benchmark；benchmark ≠ 实体实验；实体实验 ≠ 制造放大；第三方测试 ≠ qualification；qualification ≠ 真实部署。每条证据都保留来源，并写明它支持什么、不能证明什么。

资料来源

  1. Radical AI · Company
  2. Radical AI · Latest News · Primary / company
  3. TorchSim · Open technology
  4. LitXBench · Benchmark
  5. LitXBench · Company release · Company benchmark post
  6. MATRIX · Open benchmark / model
  7. The Self-Driving Lab — Joseph Krause · Interview
  8. The Limits of AI in Science · Interview video
  9. RAI-939 / Purdue torch test · Company disclosure / external test
  10. Scale, Speed, Precision · Company technical post
  11. Beyond Composition · Company technical post
  12. Define, Design, Adapt · Company engineering post
  13. Bayesian Optimization Augmented with Text · Company computational post

← Radical AI 机构页