深圳先进院 MatBrain 发表：48 小时筛出 38 个候选材料，智能体自己动手时谁把关

2026 年 9 月 10 日，中国科学院深圳先进技术研究院材料人工智能研究所喻学锋团队打造的材料创制智能体 MatBrain，以 A collaborative agent with two lightweight synergistic models for autonomous crystal materials research 为题在《自然-机器智能》在线发表。

MatBrain 的思路是"知识+工具"双模型分工。科学推理模型 Mat-R1 负责"想"：针对通用大模型在材料任务中专业知识碎片化、对物理化学约束理解不足、复杂推理不稳定的问题，团队用"多源知识关联—推理数据蒸馏—领域能力内化"的方法把它训练成轻量级的领域推理中枢。工具执行模型 Mat-T1 负责"做"：以"工具即环境、执行即反馈"的过程强化学习方法，解决智能体调用科研工具时选择不稳定、参数易出错、多步任务易中断、长程执行能力不足的毛病。两个模型共享状态，建立"生成—验证—反馈—再执行"的动态闭环，任务出错可以自主纠错、迭代探索。

成果数字均为研究团队评测口径：在多项材料预测和结构设计任务中，MatBrain 的预测准确率较 GPT-5 等主流模型提升 66%，智能体硬件部署成本降低 95% 以上。实际案例中，它自主完成 3 万个候选晶体结构的生成、七级筛选与候选优选，48 小时内获得 38 个新候选材料并指导实验开展。团队相关核心专利已获授权，MatBrain 体验版软件已开放下载。

智能体自己动手时，谁来把关

MatBrain 让 AI 从"给建议"走到"自己执行"，靠的是执行之后有一套验证反馈机制兜底——做错了，下一轮闭环纠正。科研试错允许失败，多算一轮就是了。

企业里的执行不一样。错误写入一笔报价、一个批次、一次库存变动，代价不是"下一轮重来"，而是业务事实被污染。所以企业场景的智能体需要另一道闸门：动手之前确认，动手之后留痕。

胜蓝® AIchem 内置助手的工作方式正是如此：查询类操作直接返回结果；涉及创建、修改、发送、状态推进、库存、到货、收付款等业务写入时，助手会先列出目标记录和具体动作，等待用户确认后再执行；用户取消确认时，不会写入相应变化。确认执行时系统再次检查访问条件，操作通过现有业务服务完成，不会绕过必填信息、记录归属或业务状态要求。

AIchem 同时是这些执行动作的数据底座：化学品和产品一物一档，询单、报价、订单、采购、实验、生产、库存、质检、合同九类记录各自保存实际发生的内容、又互相关联——智能体执行任务前读的是结构化记录，执行后写的也是结构化记录。开放 API 允许外部 AI 工具经个人访问令牌读取企业的结构化记录，权限与业务校验继承令牌所有者。

实验室里，自主纠错是能力；企业里，先确认再执行是边界。AI 越来越能干的两边，需要的是同一种东西：可信的记录，和看得见的动作。

（信息来源：中国科学院深圳先进技术研究院 2026-09-10 发布，中国科学院 2026-09-16 转发）