Joseph Krause 是 Radical AI 的创始人兼 CEO，他在 AI for Science 播客中直指一个现实问题：材料科学的瓶颈不是理论，是实验。他的解法是「自我驾驶实验室」——一种闭环系统，让 AI 科学家自动生成假设，全自动化实验室快速合成、表征、测试。6 个月产出 1200 种合金，比此前 DARPA 最佳项目快近 10 倍，其中 300 种为新成分、10 种已进入商业开发。

[嘉宾] 认为，没有模型能一次性预测最优材料，因为材料的性能极度依赖微结构和制造工艺。他坚持「实验反馈的核心地位」、反对过度迷信模型规模。与很多 AI 公司不同，他更看重实验室和数据的壁垒，而非模型。他直言材料科学不可能有「AlphaFold 时刻」，因为它是多目标优化、多尺度问题，而非单个蛋白质折叠。他还批评人类科学家常被偏见限制，AI 探索的元素组合往往远超人类主观预期——这正是差距所在。

值得关注的是，他呼吁 ML/AI 工程师重新思考科学栈，而不仅是在现有模型上做调参。开源是 Radical AI 的战略选择——他们开放成果，是希望吸引更多跨领域参与者加入，共同推进材料科学闭环。这暗示着未来材料科学的竞争，将从「谁模型更强」转向「谁实验更快、数据更干净」。对开源社区和硬件自动化感兴趣的工程师，值得持续跟进。