新智元报道
新智元报道
四张照片，彼此毫无关联。
MIT的工程系教授Markus Buehler，把这四张照片，连同一个硬核的力学问题，一起扔给了3个AI。
一个多小时后，他桌上那台3D打印机吐出两个塑料件，一共19.48克。
从照片到零件，中间这段路，3个AI接力走完：
看懂图，抽出结构规律，写出一个能跑的物理模拟器，做47次实验，导出模型文件，切片，送进打印机。
过去所有「AI科学家」的演示，都停在同一个地方：一份报告，一段代码，一张仿真图。
真想动手，你还得有一间造价百万美元起步的自动化实验室。
这一次，AI绕开了百万美元的门槛，直接把东西造了出来。
Buehler直接在帖子里感慨：我们是不是已经活在未来了？
干活的是3个Grok Bot。
三个Bot的分工图。幕僚长居中调度，物理实验智能体写模拟器跑研究，3D打印智能体驱动Bambu Studio。
这套编制是xAI给配的，Buehler照着搭了个真的项目组。
幕僚长（Chief of Staff），项目主管。
全场唯一不直接产出成果的角色。它盯着另外两个在干什么，把结果拉回主对话，在它们之间传文件，催着活儿别停。
物理实验智能体（Physics Experimenter），科学家兼码农。
读图、写模拟器、跑实验、分析结果，最后还得交一份LaTeX格式的科研报告。
3D打印智能体（3D Printing Bot），车间主任。
备料、切片、生成制造代码、发任务、盯打印机。
这套分工，不是Buehler拍脑袋想出来的。
8月11日，xAI刚推出Grok Bot早期测试版。
每个Bot都配一台自己的云端电脑，会像人一样登录账号、点开网页干活。几个Bot还能并排一起忙，头上通常再压一个幕僚长。
xAI自己内部就这么用。工程Bot在产品界面里把Bug复现一遍，顺手提个单，再把修复的活儿甩给隔壁调试Bot。
官方还撂了句狠话：完成90%和完成100%之间，差着一整个世界。
多数AI只能把你送到「差不多」那一站，剩下最后那10%还得你自己下车走。
Grok Bot想干的，就是把你直接送到站。
Buehler给的输入只有两样：4张参考照片，和一个问题。
一片羽状的叶脉，一张类似Voronoi图的网眼，一团随机排布的纤维格子，一张辐射加环向的蜘蛛网。
四张图尺度不同，对象不同，彼此也没有对齐，更没有一张现成的工程图纸。
照片之外，他还给了一个问题：
在材料总量固定的前提下，层级深度、冗余度、无序度和层间强度，会怎样改变刚度、峰值载荷、能量吸收，以及从「脆性断裂」到「渐进破坏」的转变？
翻译成人话：自然界的东西为什么又轻又结实？叶脉、蛛网、骨头，都是一层套一层的结构。这套「层级」到底在哪一步真的帮上了忙？
他没告诉智能体怎么建模，也没指定用什么软件。
只提出一个要求：从这4张图里推测出可迁移的设计原则，然后用它们搭一个研究断裂的实验平台。
大约20分钟后，一个可交互的二维分层Euler-Bernoulli梁网络实验室跑了起来。
它没有去调用任何现成的力学仿真软件，而是从零写了一个。
它给模拟器起名叫HIER-FRACTURE v1.0.0。做研究之前先跑9项自检，用时220毫秒，9项全过。
自检通过，它才开始干正事。
这个实验室一头连着仿真，一头连着打印机：跑完实验，直接吐出3D打印用的模型文件。
这一步，它不是调用了一个现成工具，而是先把工具造了出来。
然后，它开始做实验。
47次仿真实验，其中6次用于留出测试。
意思是这6组数据事先不参与调参，专门留着最后验证结论站不站得住。这是人类做实验才有的习惯动作。
结论有点反直觉：材料总量固定的前提下，这些结构硬度都差不多，最多差20%；但「扛不扛摔」天差地别，好的和差的能差出好几倍。
原因说白了就是抢材料：细结构补得越多，主梁就越细。层级越深的网络，反而经常比一个简单的单层格子更不禁摔。
那些偏弱的连接处，倒像一排保险丝：它们先断，把冲击摊开，整个结构从「一下子崩」变成「慢慢崩」。
最有意思的，是最后一步。
实验开始前，它自己先立了个靶子，叫假设H2：多加的层级之所以有害，问题主要出在层与层之间的连接处，那里太弱，卡住了整个结构。
47次跑完，它把自己立的靶子打掉了。真正的原因是：材料就那么多，多分一层，就得从别的地方抠。
一个AI推翻了流程里预设的假设，还注明了原因，这个动作比任何跑分都更像做科研。
当把优选设计交给3D打印Bot之后，事情又变得不一样了。
幕僚长按断裂功给47次运行排序，选出两个设计导出模型文件，统一放大50倍。
它打开切片软件Bambu Studio，连上那台叫Leonas3DP的打印机，把两个模型摆进同一张底板，统一放大50倍，设好参数切片，点发送，然后盯着打印机的实时摄像头，看喷头一层层把塑料铺上去。
不到一小时，两个零件打好了。
Grok Bot没有去驱动打印机的电机，也没有走什么专用接口。它像人一样，在点那个软件的界面。
这可能是整件事里最要紧的一步。
过去大家默认智能体要进入物理世界，得靠机械臂、靠具身智能、靠一套全新的硬件协议。
这次它走的是另一条路：制造业早就把自己搬进了软件，图形界面就是现成的入口。
会点鼠标，就等于长出了手。
自动化科学干了十几年，最难啃的骨头是驱动：每台仪器一套接口，想让AI操作，要么改装设备，要么上机械臂。
利物浦大学那台机器人化学家，八天跑了约700次实验，走的就是机械臂路线，代价是一间百万美元起步的自动化实验室。
Grok Bot走的是第三条路：不改仪器，不上机械臂，直接用鼠标点人类天天在用的软件。
只要设备有图形界面，它就已经有接口了：CNC、示波器、显微镜控制台，凡是有GUI的，理论上都在射程之内。
一边是百万美元级的自动化实验室，一边是一台1749美元、在电商平台就能下单的桌面机。
成本结构也就此改写。
任务是Buehler给的，4张图是他挑的，科学问题也是他定的。
xAI官方也写明，Bot遇到需要批准的地方，会回来找人。
整个设计中，人始终在环内。
Buehler也不是第一次干这个。
Markus Buehler，MIT的Jerry McAfee工程讲席教授，2025年华盛顿奖得主
他是MIT的McAfee工程讲席教授，同时挂着机械工程和土木与环境工程两个教职，研究方向正好覆盖AI、断裂力学、层级材料和增材制造，发表过800多篇论文，是美国国家工程院院士。
所以，这不是普通用户随手玩了一把，是这个领域最懂行的人之一，在自己的主场做压力测试。
2024年他就发过MechAgents研究，让多个智能体分工协作解力学问题，彼此挑错。
那篇论文里也老实记了一笔：智能体曾取错应力分量，是人类提示之后才改对的。
多智能体解决的是分工问题，不自动意味着靠谱。
这次真正的跨越，也不在智力这一侧。
过去几年，智能体的产出一直停留在报告、代码、图表和模拟结果里——它们很聪明，但没有手。
而现代制造业整个架在软件上：CAD、切片器、机床控制台，全都有图形界面，它们全都是为一双手准备的。
如今，这些界面，等来了一个不会累的操作员。
参考资料：
编辑：元宇
