广州2026年4月16日 美通社 －－ 4月9－12日，首届中国“AI＋新材料”大会在广州举行，汇聚超过50位院士及近4000名代表。会上，创材深造（Deep Material）创始人兼CEO王轩泽发表题为《构建能自主执行物理实验的“AI材料学家”》的专题报告，并正式发布“One－Person Lab”（OPL）一套让AI首次真正具备自主实验能力的完整科学发现系统。

 

一位科研人员依托One－Person Lab，利用AI Agent和高通量自动化实验室，不需要5－10年的试错周期，就能完成过去一个团队的研发产出。它标志着AI for Science从“数字智能”迈入“物理智能”里程碑式转折点。

十万亿级新材料市场：一场正在发生的生产力革命

新材料是航空航天、新能源、半导体、机器人等战略性产业的“底盘”，是十万亿级别的巨大市场。然而，中国在高端合金、特种复合材料等领域长期面临“卡脖子”困境国产化率低、依赖进口、迭代缓慢。

传统材料研发模式，一款新材料从实验室到产业化需要5－10年、数十人团队、数千次试错，这一模式已然无法满足快速增长的市场需求。核心瓶颈在于：研发是“正向试错”做出样品、测试性能、再调整配方，循环往复，每一步都依赖人工操作和经验判断。

材料科学的演进史，本质上是研发范式的迭代史。从经验试错（第一范式）、理论模型（第二范式）、计算模拟（第三范式）到数据驱动（第四范式），每一次范式跃迁都带来了研发效率的量级提升。而今天，我们正站在第五范式AI for Science的门槛上。

AI for Science的核心，不是用AI“辅助”人类做实验，而是让AI成为科学发现的主体。它不再被动地分析数据，而是主动提出假设、设计实验、执行验证、修正理论形成完整的自主科学发现闭环。

传统AI for Science的困局：AI只“读”不“做”

过去几年，AI for Science在材料领域的声音很大，但落地很轻。

这主要是目前市面上绝大多数“AI＋材料”解决方案，本质上是文献阅读器＋数据拟合器。它们从海量论文中学习已知知识，用机器学习模型预测材料性能，然后输出一个“推荐配方”。但最终仍需人工实验验证，闭环速度受限于物理实验环节。这条路存在三个无法绕过的硬伤：

数据来源的致命缺陷：训练数据仅来自已发表的论文，而论文中缺失了90％以上的失败实验、负向结果、工艺细节等关键“暗知识”。AI从未见过真实世界的失败，也就无法理解物理边界。

缺乏物理反馈机制：模型输出基于概率统计，无法通过真实的物理实验进行验证和纠偏。当模型产生“幻觉”比如推荐一种热力学上不可能存在的合金成分系统毫无感知。

没有科学方法论闭环：真正的科学发现，需要“提出可证伪假设 → 设计严谨实验 → 根据结果修正理论”的完整循环。当前AI只完成了第一步（而且做得并不好），后两步完全缺失。

王轩泽在报告中直言：“科学发现的本质，不是阅读文献，而是亲手做实验并从结果中学习。 当前的大语言模型，是一个读过万卷书、却从未动手的学生。”

这正是“One－Person Lab”要解决的核心问题。

One－Person Lab：让AI亲手做实验

“One－Person Lab”的核心理念：一位研发人员（顶层设计）＋ AI Agent（智能中枢）＋ 高通量自动化实验室（执行终端）＝ 传统一个团队的研发产出。

它是一个具备自主科学发现能力的完整系统。其技术架构分为三层：

顶层是材料设计引擎： 传统研发是“正向试错”做出样品、测试性能、再调整配方，周期漫长。逆向设计则直接反了过来，输入目标性能（如“屈服强度》1000MPa，延伸率》10％”），从目标性能直接反推材料配方，颠覆“试错－测试”的传统范式，实现研发效率的指数级跃迁。

中层是DM Agent＋智慧图谱：融合大语言模型与材料科学知识图谱，构建具备物理常识的推理引擎。在通用大模型上叠加物理法则校验层。模型推理强制走“成分→工艺→组织→性能”的因果链，而不是纯统计关联。内置的物理常识过滤器会主动拦截违背热力学或冶金学原理的输出比如用FDM工艺打印镍基高温合金，Agent会直接报错。

底层是M－LAB 7×24h“黑灯实验室”：基于自研的HMPT－3000高通量力学性能测试平台，实现从材料制备、热处理、力学测试到数据上传的全流程无人化运行。室温测试效率达到600样天，较传统人工提升10倍以上；协作机器人与AGV小车协同实现全流程自动化，消除人工操作偏差；而负向数据完整记录，确保每一次失败实验都被捕获、归档、用于模型修正，构成AI理解物理边界的核心资产。

三层形成一个闭环：DM Agent提出假设 → M－LAB自动执行 → 物理数据回流 → 模型修正迭代。每完成一圈，智能体对物理规律的理解就加深一层。这不是一次性的软件交付，而是一个自我加速的研发飞轮。

已跑通商业闭环，半年13款合金已量产落地

One－Person Lab不是PPT上的概念，而是已经跑通的技术－商业闭环。

以M－LAB高通量实验室为例，它配备了完整的自动化材料制备与表征硬件系统：包括4通道LPBF增材制造单元、全自动线切割与数控加工单元、8通道独立温控热处理单元，用于高效制备成分与工艺可控的微小试样；在测试端，集成了三工位全自动室温拉伸单元（日测600样）、全自动小冲杆高温蠕变测试单元以及形貌检测设备，并辅以机械臂（10秒样取放）、非接触式引伸计、柔性样品台、散斑自动喷涂与视觉纠偏等自动化与检测。

此外，M－LAB还可开展室温拉伸、高温拉伸、高温蠕变、全场应变分布、表面形貌检测等批量力学性能表征实验，一次性处理多达140个小微试样，返回全流程应力－应变曲线、弹性模量、屈服强度、抗拉强度、断裂延伸率、硬化曲线及二维全场变形演化细节等高质量数据，从而快速、经济、精准地构建材料性能大数据集，实现材料性能预测与AI模型研发。

依托One－Person Lab平台，创材深造半年内完成13款合金材料的研发，覆盖镍基高温合金、超高强钛合金、无稀土高强铝合金、高熵合金模具钢等，多个产品已在航空航天、新能源汽车、消费电子等领域实现对进口材料的实质性替代，订单金额超千万元。

构建能自主执行物理实验的“AI材料学家”

2025年9月，成立仅四个月的Periodic Labs宣布完成3亿美元种子轮融资，a16z领投，NVIDIA、Jeff Bezos、Eric Schmidt跟投。2026年3月，新一轮融资谈判将其估值推至约70亿美元。其创始人包括ChatGPT共同创造者Liam Fedus和前DeepMind材料科学负责人Ekin Cubuk。

Periodic Labs要做的是一个“AI物理学家”：能够自主提出科学假设、设计实验、驱动机器人执行、根据实验结果修正认知。其核心包括两样东西：一个注入物理、化学、量子力学知识的科学推理模型，以及一个由机器人驱动的自主实验室，最终构成一套“大脑＋手脚＋物理反馈”的架构。这一方向正在重新定义AI for Science从“数字智能”向“物理智能”的范式跃迁。

创材深造的目标同样是构建能自主执行物理实验的“AI材料学家”。目前，其One－Person Lab已实现“大脑”（AI Agent）与“手脚”（机器人、AGV、高通量设备）的无缝连接，数据闭环完整，迭代速度达到小时级，打通了“计算→实验→验证→迭代”的完整闭环，让AI真正“亲手触摸”物理世界。在此基础上，公司已在半年内完成13款合金材料的研发与量产。

One－Person Lab的优势

创材深造（Deep Material）是唯一打通“AI设计→自动化实验→数据回流→模型迭代”全闭环并实现规模化量产的中国公司。One－Person Lab在多个维度上展现了中国对美国在该领域的代际超越。

一人抵一团队，按需付费

在One－Person Lab平台，一位科研人员只需做好顶层设计，AI Agent即可自主生成实验方案、调度设备、迭代优化，7×24小时不间断执行，几个月内完成一款新材料的研发。

One－Person Lab采用订阅制收费，客户无需一次性投入数千万元自建实验室，也无需组建数十人团队。按年订阅，收费灵活：按设备使用时长、样品通量、数据产出量均可定制。这样极大地降低了材料研发的起步门槛，同时也确保了产出效能。

专家认为：本质上看，One－Person Lab是研发能力即服务“（R＆D as a Service）在材料科学领域的规模化落地。而对创材深造来说，订阅制意味着持续的收入流、极高的客户粘性以及边际成本递减。每新增一个客户，M－LAB的硬件利用率提高，AI模型因更多数据而更精准，形成典型的”数据网络效应“。

从OPC到One－Person Lab：AI时代的组织形态变革

近年来，一个名为OPC（One－Person Company） 的概念正在全球兴起。它描述的是这样一种未来：一个人，借助AI工具链，能够完成过去需要一家公司才能完成的工作从产品设计、代码开发、市场营销到客户服务，全部由AI赋能的一人团队独立完成。

在研发领域，OPC的理念同样适用。材料科学作为最传统、最”重资产“的学科之一，长期以来被认为是”团队作战“的典型需要实验员、数据分析师、工艺工程师、设备工程师等多角色协同。而”One－Person Lab“正是将OPC理念落地到材料研发的具体形态：

一个人（专注于顶层创新）、一套系统（AI Agent＋自动化实验室承担执行性工作）、一个闭环（从目标设定到配方输出自主完成）。

一个人无需高昂的投资和时间周期，也能探索物理世界的无限可能。这不仅是效率的提升，更是科学发现权力的民主化。这一模式天然适合材料研发的”终极形态“：不是某一家公司拥有最先进的实验室，而是任何一位科研人员、任何一家有材料需求的企业，都能以极低的边际成本，获得顶级的AI＋材料研发能力。研发不再是重资产的代名词，而是一种可随时调用的云服务。One－Person Lab正在将这一图景变为现实。

急速增长的万亿级赛道，前景广阔

Periodic Labs以70亿美金估值获得全球资本认可，印证了AI驱动材料研发赛道的巨大潜力。中国作为全球最大制造业国家，高端材料自给率不足，进口替代需求迫切。航空航天、新能源、半导体、机器人等战略性产业每年对新材料需求达数万亿元，全球新材料市场规模超10万亿美元，其中AI可渗透的研发服务与新材料价值创造部分达万亿级。

目前，创材深造已率先跑通产业化闭环，其稀缺性和成长空间远超市场预期，在AI for Science 2.0时代，One－Person Lab不仅是工具提供商，更是下一代材料科学基础设施的构建者。

王轩泽说：”我们不是在用AI辅助研发，而是在教会AI如何像物理学家一样思考、行动与发现。One－Person Lab不是一款产品，而是一个理念让每一位科研人员都拥有一支‘AI团队‘。“

在AI for Science的浪潮中，谁先构建起”物理世界AI“的闭环能力，谁就将占据下一代科学基础设施的制高点。创材深造的One－Person Lab，已经迈出了决定性的一步。