“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。”这句话精准概括了当前AI4S面临的核心困境。

当前，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”——从论文中学习已知知识，用模型预测材料性能，然后输出“推荐配方”，最终仍需人工实验验证。这条路存在三个硬伤：训练数据缺失90%以上的失败实验和负向结果等“暗知识”；模型缺乏真实物理实验的验证和纠偏机制；无法形成“提出假设→设计实验→修正理论”的完整科学方法论闭环。而这正是创材深造要解决的核心问题。

二、“AI+高通量”干湿闭环：让AI实现自主发现

创材深造所构建的“干湿闭环”，核心在于其自主研发的DM金属材料智能体和M-Lab高通量自动化平台。如果说DM Agent是一个“AI科学家”，那么M-Lab则是一套覆盖“制样—加工—热处理—测试—数据回传”全链条系统，充当着连接“AI科学家”与物理世界的关键角色——让AI的“想法”通过机器人实现，并将实验结果实时反馈给AI，形成不断进化的正向循环。

在制备端，高通量3D打印设备一次可混合4种粉末、生成160种不同配比的力学性能样件，粉末消耗仅传统方式的二十分之一，单样测试周期从100分钟压缩至15分钟。在表征端，高通量力学性能测试平台通过视觉纠偏确保试样精准对中，机械臂自动取放节拍仅10秒/样（人工需10分钟），柔性样品台可批处理100+样品，使室温测试效率高达600样/天。

整个流程形成“AI设计→机器人实验→数据回流→模型升级”的正向迭代飞轮。每一轮实验数据都让模型对物理规律的理解加深一层，下一轮研发更快、更准、更省。它将传统10年以上的研发周期压缩至最快2个月以内、成本下降2个数量级——这也是创材深造从科学发现迈向量产交付的核心技术底座。

王轩泽强调：“高质量、可闭环的实验数据是AI for Material公司最大的护城河，而这必须依靠自动化高通量物理实验室来构建。”

三、AI4S的下一个里程碑：从“范式革新”到“产业规模化”

最后，王轩泽分享了他对AI4S下一个里程碑的深度判断：AI4S已经完成了从0到1的科学验证。DeepMind GNoME发现220万新晶体、加州大学伯克利分校A-Lab 17天合成41种新材料，都在证明“AI+机器人实验闭环”在材料方向上是可行的。创材深造依托AI智能体+M-Lab高通量自动化平台，在短时间内完成13款高端合金的研发与验证落地。过去一年，AI4S领域风险融资总额已超过320亿美元。

但王轩泽认为，AI4S真正的下一个里程碑，是从“范式革新”到“产业规模化”的跨越。技术层面，DM智能体和M-Lab是一套可复制的标准化系统，每7×24小时产出的高质量结构化数据，数据飞轮是不可逾越的护城河和壁垒；产品层面，从基础设施服务、联合研发到战略管线分润等不同的业务形式，满足多样化的客户需求；产业层面，创材深造与四川攀枝花盐边县共建“AI+钒钛合金新材料孵化及中试基地”，并与浙江大学，上海大学，大连理工大学等各地科研院所建立了产学研基地，将大幅推进产业化进程。