创材深造推出One-Person Lab，打造可自主执行实验的“AI材料学家”
4月9日至12日，首届“AI+新材料”大会在广州举行，吸引了超过50位院士及近4000名行业代表参与。在大会期间，创材深造（Deep Material）创始人兼CEO王轩泽发表了一场题为《构建能自主执行物理实验的“AI材料学家”》的专题报告，并正式发布了“One-Person Lab”（OPL）——一套让AI真正具备自主实验能力的完整科学发现系统。
一位科研人员通过One-Person Lab结合AI Agent与高通量自动化实验室，无需经历5至10年的试错周期，即可实现以往需要整个团队才能完成的研发产出。这标志着AI for Science从“数字智能”迈向“物理智能”的关键转折。
首届AI+新材料大会在广州举行
创材深造创始人王轩泽在会上发表主题演讲
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、半导体和机器人等关键战略产业的“基础设施”，市场规模达到十万亿元级别。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”问题，包括国产化率低、依赖进口及研发周期长。
传统材料研发周期通常需要5至10年、数十人的团队和数千次实验，这种方法已难以满足市场的快速增长。研发依赖经验驱动的试错流程，每一步都依赖人工操作和判断。
材料科学的发展历程本质上是研发范式的不断演进。从经验试错（第一范式）、理论建模（第二范式）、计算模拟（第三范式）到数据驱动（第四范式），每一次范式跃迁都显著提升了研发效率。如今，行业正迈向第五范式——AI驱动的科学探索。
AI for Science的核心不在于辅助人类实验，而是在于AI成为科学发现的主体。它不仅能提出假设、设计实验和验证结果，还能形成完整的自主科学闭环。
传统AI for Science的困境：AI只会“读”，不会“做”
近年来，AI for Science在材料科学领域声势浩大，但实际落地进展缓慢。
当前多数“AI+材料”解决方案本质上是文献分析与数据拟合工具。它们通过解析海量论文预测材料性能，生成“推荐配方”，但最终仍需人工实验验证，整个流程受制于物理实验环节。这种模式存在三个关键问题：
- 数据来源存在严重缺陷：训练数据主要来自已发表论文，而实验失败、负面结果、工艺细节等“暗知识”被大量忽略。
- 缺乏物理反馈机制：模型输出基于统计，无法通过真实实验进行验证与修正。
- 缺乏科学方法论闭环：真正的科学发现需要“假设→实验→修正”的完整循环，但当前AI仅能完成第一步。
王轩泽指出：“科学的本质不是读万卷书，而是动手实验并从结果中学习。当前的AI模型，就像一个只读书、没动手的学生。”
这正是One-Person Lab所要解决的关键问题。
One-Person Lab：让AI亲手做实验
One-Person Lab的核心架构是“一人+AI Agent+自动化实验室”，实现等同于一个完整团队的研发产出。
系统由三个层级构成：
- 材料设计引擎：采用逆向设计范式，输入目标性能如屈服强度、延伸率等，反推材料配方，取代“试错-测试”的低效模式。
- 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系统。
- M-LAB高通量实验室：实现从材料制备到性能测试的全流程自动化。
M-lab材料实验室自动化与智能系统
商业闭环已跑通，半年内量产13款合金
One-Person Lab并非纸上谈兵，而是具备完整的技术与商业闭环。
以M-LAB为例，其配置了四通道激光粉末床熔融（LPBF）增材制造单元、全自动切割加工系统、八通道热处理单元等硬件，实现微小试样的高效制备。测试端集成了三工位自动拉伸、高温蠕变测试、全场应变分析等功能，日均处理样品达600个。
该系统能够批量开展室温与高温拉伸、蠕变、形貌检测等实验，处理140个小微试样，生成包括应力-应变曲线、弹性模量、屈服强度等在内的高质量数据集，为AI模型训练提供精准反馈。
创材深造研发的新材料已在多个终端领域应用
依托One-Person Lab平台，创材深造半年内完成13款合金材料的开发，涵盖镍基高温合金、超高强钛合金、无稀土高强铝合金等多个品类，产品已应用于航空航天、新能源汽车和消费电子等多个领域，实现进口替代。
构建自主执行实验的“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，由a16z领投，NVIDIA、Jeff Bezos等跟投。2026年3月，其估值已升至约70亿美元。该团队由Liam Fedus与Ekin Cubuk等顶尖科学家组成。
Periodic Labs致力于打造“AI物理学家”，能够自主提出假设、设计实验并执行。其系统包含科学推理模型与自动化实验室，代表AI for Science向“物理智能”阶段的跃迁。
与之类似，One-Person Lab已实现AI Agent与机器人、AGV、高通量设备的无缝整合，数据闭环完整，迭代速度达到小时级别，打通“计算→实验→验证→迭代”的完整流程，使AI真正“亲手”接触物理世界。
One-Person Lab对比传统与同类AI材料平台
| 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，周期数周 | 7×24小时全自动，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
一人抵一团队，按需付费
在One-Person Lab系统中，科研人员只需负责顶层设计，AI Agent则可自主生成实验方案、调度设备、持续优化，实现7×24小时不间断运行。
平台采用订阅制收费模式，用户无需自建实验室或组建团队，即可灵活订阅服务。客户可根据设备使用时长、样品通量或数据产出量选择不同的付费方案。
专家认为，One-Person Lab实质上是“研发能力即服务”（R&D as a Service）在材料科学领域的落地。其订阅模式带来持续收入、高客户粘性及边际成本递减，同时推动数据网络效应的形成。
从OPC到One-Person Lab：AI时代的研发组织变革
近年来，“One-Person Company（OPC）”这一概念在全球兴起。其核心是借助AI工具链，由一个人完成从前端设计到客户服务的全部工作。
在材料科学领域，研发通常被视为典型的“团队作战”。One-Person Lab正是将OPC理念在该领域落地的实践。
它由“一个人+一套系统+一个闭环”组成，使科研人员以极低成本探索材料世界的无限可能。这一模式推动了科学发现的“民主化”，使任何科研人员或企业都能获得顶级AI+材料研发能力。
万亿级赛道前景广阔
Periodic Labs的高估值体现了AI驱动材料研发的巨大潜力。中国作为全球最大制造业国家，高端材料自给率不足，进口替代需求强烈。
在航空航天、新能源、半导体、机器人等领域，每年对新材料的需求达数万亿元，全球市场超过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规模达万亿级。
创材深造已率先实现产业化闭环，其稀缺性与成长性远超市场预期。One-Person Lab不仅是一个工具平台，更是下一代材料科学基础设施的构建者。
王轩泽表示：“我们不是在用AI辅助研发，而是在教AI如何像材料学家一样思考与行动。One-Person Lab不是一款产品，而是一种理念——让每一位科研人员都拥有一支‘AI团队’。”