创材深造发布One-Person Lab，带来能亲手做实验的"AI材料学家"

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。

首届AI+新材料大会在广州举行

创材深造创始人兼CEO王轩泽做主题报告

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。

M-lab材料实验室自动化与智能大脑系统

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。

AI+高通量驱动材料研发飞轮

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。

创材深造研发的新材料已在终端广泛应用

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。

维度

传统模式

同类AI材料公司

One-Person Lab

人力需求

5-10人团队

需协调外部实验资源

1人即可驱动

实验闭环

人工操作，碎片化

依赖外部实验室，周期周级

7×24h全自动，小时级迭代

数据利用

仅正向结果

正向+部分公开数据

正向+负向全记录，闭环进化

物理AI能力

无

实验环节外包

直接调度机器人、AGV、高通量设备

产业化进度

5-10年

未公布大规模量产

半年13款合金量产

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。