新纪录！指甲盖截面大小3D打印工程钛合金可承18吨拉力，自进化合金设计专家模型书生·衍金加速材料领域突破

近期，上海AI实验室联合中国科学院金属研究所、苏州国家实验室、上海电气，推出自进化合金设计专家模型——书生·衍金（AlloyEvo）。

依托这一专家模型，团队仅一批次实验迭代，就在航空航天3D打印工程钛合金上实现突破，样品抗拉强度达1817MPa（指甲盖大小的截面可承受约18吨的拉力），较现有最高基准提升12.8%，均匀延伸率持平。

3D打印工程钛合金实现突破

在本次实践中，AlloyEvo自主输出设计方案、评估材料性能，并提炼沉淀每一轮探索经验以迭代复用，验证了AI驱动高端合金研发的可行性。未来，该范式可拓展至高温合金、特种钢、稀土等方向的新材料设计，赋能航空航天、高端制造、半导体装备等产业需求。

AlloyEvo已集成至书生·端砚科学发现平台，诚邀应用合作、联合攻关。

• 使用链接：https://alloyevo.discovery.intern-ai.org.cn

构建协同进化机制，破解高端合金研发难题

高端合金是航空航天、能源动力、海洋工程等领域高端装备的共性基础材料，传统研发高度依赖专家经验和大量实验试错，且经验难以系统化沉淀。

AlloyEvo支撑本次突破的关键，是科研团队针对性构建的国内外首套能够自主设计、智能评估并持续积累经验的协同进化机制：AlloyDes生成候选方案；AlloyLLM开展性能预测与机理分析以校准探索方向；AlloyExp提炼、归档成功规律与失败经验。三个模块在“设计—评估—沉淀经验—再设计”中相互反馈，让每一轮探索都为后续优化提供支撑。

AlloyEvo的协同迭代机制

AlloyLLM：一个模型贯通全合金领域

合金设计亟需兼具机理认知、方案评估与优化指引能力的专家，在复杂的成分与工艺组合中，还能预测性能、识别权衡，为下一步探索提供依据。大模型AlloyLLM为此而生，它沿着“通专融合”技术路线，搭建起统一的科学推理接口，承载“成分—工艺—微观组织—性质”之间的关联推理。

团队汇集约28万篇科学文献，结合通用文本构建了16B Token的混合预训练语料，并从近7万篇高质量合金文献中提炼监督数据。模型依次经过领域持续预训练、双任务监督微调、机理推理微调、性质自适应强化学习，以及经科学审查的离线自蒸馏五个阶段训练，逐步融合材料知识、预测能力与机理推理能力。

AlloyLLM支持六大类合金、62项关键性质。在30项常见性质评测中，模型总体准确率达到72.37%，较Claude Opus 4.8高出19.87%，并在26项性质上取得最优或并列最优表现。该优势覆盖全部六大合金门类，模型准确率区间为65.9%（高熵 / 多主元合金）~75.8%（轻合金），各类预测准确率均领先于参评对比，具备跨体系泛化能力。在300组对单条件扰动样本中，模型判断性能变化方向的准确率达为79.33%，能够识别热处理等局部调整带来的变化趋势。AlloyLLM既能评估现有方案好坏，也能预判调整之后的走向，为设计选择和后续优化提供依据。

AlloyLLM的合金性能预测表现

AlloyExp：沉淀每一轮设计经验

合金专家的核心能力，是从反复探索中提炼经验，并用来指导下一轮设计。但这份能力门槛极高：专家经验根植于长期研究与海量试错，培养周期漫长；更关键的是，这类经验多为高度抽象的隐性判断，难以完整留存、跨场景复用。因此，即使AI已能生成候选合金、预测性能，仍容易陷入每一轮探索都从头起步的困境。

AlloyExp将隐性的专家判断转化为可自动积累、验证和调用的结构化经验。它从大模型的批量预测中识别峰值、优势区域和变化趋势，整理成包含条件、响应与证据的经验卡；经验卡经过多轮复现预测与外部模型核验后入库。专家盲评显示，其设计指导性评分由1.55分提高至3.62分，适用清晰度从3.55分提升至4.58分，明确经验适用边界，支撑合金设计。

更为重要的是，经验可持续指导后续搜索。前5轮迭代中，候选方案相对参考方案的参数距离下降32.3%。相比之下，仅对预测结果进行普通总结或不引入显式经验的迭代，均未呈现持续接近参考方案的趋势。在钛合金迭代设计中，第1轮产生的经验被后续17轮再次调用。由此，AlloyEvo能够像合金专家一样，从已有探索中积累判断依据，让每一轮设计都受益于此前的经验。

AlloyExp的经验质量与迭代复用

以一颗螺栓优化，验证AlloyEvo的工程能力

为了进一步验证专家模型AlloyEvo的工程能力，实验室联合中国科学院金属研究所钛合金团队，结合航空航天超高强承力螺栓等紧固件对强塑协同的迫切需求，选择增材制造作为攻关路径，向抗拉强度1800MPa、同时保持良好塑性的目标发起攻关。

AlloyEvo围绕成分与热处理条件提出候选方案，将性能目标转化为成分范围、温度、保温时间及冷却方式等设计变量，通过模型评估比较强度与塑性，并将每轮探索形成的经验用于后续筛选。

经过AlloyEvo多轮搜索，优选方案进入实物制备。一批次螺栓样品抗拉强度达到1817MPa，均匀延伸率达到5%。相较现有1611MPa最高基准，其抗拉强度提升12.8%，同时保持了相当的均匀延伸率。

实验反馈也为后续设计提供了新的依据。AlloyEvo提前识别出并经过实验验证，如单级时效等不能达到目标性能的工艺方案，为调整搜索范围和优化候选排序提供依据。它还将更多试错前移到AI端，让有限的实验优先验证更有潜力的方案，并将真实材料表现沉淀为可复用的设计经验，推动合金研发在设计、验证与反馈中持续迭代。

未来，这套自进化材料设计范式有望进一步拓展至高温合金、特种钢、稀土功能材料等更多材料体系的研发，持续为航空航天、高端装备制造、半导体装备等关键产业的新材料创新需求赋能。