AI 發現稀土磁鐵替代材料：新罕布什爾大學分析 67,000 種材料，篩選出 25 種高潛力化合物

稀土元素——這個名字聽起來似乎只是地質學家和化學家關心的專業詞彙，但它實際上深刻地影響着我們日常生活中幾乎每一項現代技術。從你手中的智能手機到街上行駛的電動車，從風力發電機的核心組件到軍事裝備中的精密元件，稀土永磁材料無處不在。然而，全球稀土供應鏈長期被少數國家主導的現實，已經成為一個日益嚴峻的地緣政治和經濟安全問題。2026 年 2 月 18 日，新罕布什爾大學（University of New Hampshire）的一項突破性研究為這個困局帶來了曙光——他們利用 AI 從超過 67,000 種磁性材料中篩選出 25 種極具前景的稀土替代化合物。

一、為什麼稀土磁鐵如此重要？

要理解這項研究的重大意義，首先需要了解稀土永磁材料在現代工業中的核心地位。目前最常用的稀土永磁材料主要有兩大類：釹鐵硼（NdFeB）磁鐵和釤鈷（SmCo）磁鐵。釹鐵硼磁鐵是目前已知最強的永磁材料，其磁能積是普通鐵氧體磁鐵的 10 倍以上，廣泛應用於電動車馬達、風力發電機、硬碟驅動器和各種精密電子設備中。釤鈷磁鐵雖然磁力稍弱，但在高溫環境下表現更穩定，因此在航空航天和軍事領域有着不可替代的地位。

問題在於，這些高性能磁鐵的核心成分——釹（Neodymium）、釤（Samarium）、鏑（Dysprosium）等稀土元素——的開採和加工高度集中在少數國家手中。中國目前控制着全球超過 60% 的稀土開採量，更掌握了超過 90% 的稀土加工和精煉產能。這意味着，全球電動車產業、清潔能源產業和高科技製造業在關鍵原材料上嚴重依賴單一國家的供應鏈，構成了巨大的戰略脆弱性。

近年來，隨着地緣政治緊張局勢升級，稀土供應的不確定性愈發凸顯。中國曾在 2010 年因釣魚島爭端而限制對日本的稀土出口，導致全球稀土價格在短短數月內飆升十倍以上。2025 年以來，隨着中美貿易摩擦的持續以及中國對關鍵礦產出口管制的收緊，尋找稀土替代材料已經從一個學術課題升級為各國的戰略優先事項。

二、AI 如何從 67,000 種材料中找到答案

新罕布什爾大學的研究團隊採用了一種系統性的 AI 驅動方法來應對這個挑戰。傳統的材料發現過程依賴於研究者根據化學直覺和已知理論，逐一合成和測試候選材料——這是一個極其緩慢且昂貴的過程。一位材料科學家可能需要數年時間才能徹底研究幾十種候選化合物的磁性特性。要覆蓋數萬種可能的材料組合，使用傳統方法可能需要幾個世紀。

AI 從根本上改變了這個範式。研究團隊首先建立了一個包含超過 67,000 種已知和理論上可能的磁性材料的綜合數據庫。這個數據庫匯集了數十年來分散在不同研究論文、專利和實驗報告中的磁性材料數據，包括每種材料的晶體結構、化學組成、磁化強度、居里溫度（材料失去磁性的臨界溫度）、磁各向異性能（決定磁鐵抗退磁能力的關鍵參數）等多維度的特性數據。

接下來，研究團隊訓練了一系列機器學習模型，讓 AI 學習化學組成、晶體結構與磁性能之間的複雜關係。這些模型不僅能夠預測已知材料的磁性能（用於驗證模型的準確性），更重要的是，它們能夠預測尚未被實驗驗證的新型化合物可能具有的磁性表現。AI 系統從 67,000 多種材料中系統性地篩選，最終識別出 25 種最有前景的化合物——這些材料不依賴傳統的稀土元素，卻有可能在高溫下保持強而穩定的磁性。

三、25 種候選化合物的突破性意義

在 67,000 多種材料中僅篩選出 25 種候選化合物，這個數字看似微小，卻代表了巨大的科學進步。在材料科學中，找到同時滿足多個嚴苛性能指標的材料極其困難——需要同時具備高居里溫度、高磁化強度和高磁各向異性能的非稀土材料，在此前的研究中幾乎是一片空白。這 25 種化合物中每一種都代表着一個潛在的技術路徑，可能在特定應用場景下替代現有的稀土磁鐵。

值得注意的是，這 25 種化合物中的部分材料可能具有此前從未被研究過的全新晶體結構和化學組成。這正是 AI 在材料發現中最具革命性的貢獻——它不受人類研究者的認知框架和經驗偏見的限制，能夠在巨大的化學空間中探索人類可能永遠不會想到的材料組合。傳統材料科學家在尋找新型磁性材料時，往往會受到已知理論框架的引導，傾向於在已知的材料家族附近搜索。AI 則沒有這種偏見，它能夠在整個化學空間中進行無偏見的系統搜索。

當然，從 AI 預測到實際應用還有很長的路要走。這 25 種候選化合物需要在實驗室中逐一合成，並進行全面的性能測試和表徵。其中一些可能在實際合成中遇到困難，另一些的實測性能可能不如 AI 預測的那麼理想。但即使最終只有幾種材料通過了全部驗證，其意義也將是深遠的——它們將為全球工業提供擺脫稀土依賴的可行技術路徑。

四、AI 加速材料科學的更大趨勢

新罕布什爾大學的這項研究並非孤例，而是 AI 加速材料科學發現這一更大趨勢的最新里程碑。近年來，AI 在科學材料發現領域取得的進展令人矚目，其中最具標誌性的事件包括：

DeepMind 的 AlphaFold 系統在 2020 年解決了蛋白質結構預測這一困擾生物學界半個世紀的難題，隨後更將預測範圍擴展到了幾乎所有已知蛋白質。AlphaFold 的成功證明了一個關鍵原理：AI 可以從海量數據中學習到物質世界中的深層結構規律，並利用這些規律進行準確的預測。這個原理同樣適用於磁性材料——材料的磁性能與其晶體結構和化學組成之間存在着複雜但有規律可循的關係，而 AI 正是揭示這些規律的最強大工具。

2023 年，DeepMind 進一步推出了 GNoME（Graph Networks for Materials Exploration）項目，利用圖神經網絡預測了超過 220 萬種新型穩定晶體結構，其中約 38 萬種被認為具有實際合成的可行性。這個項目展示了 AI 在材料發現領域的巨大潛力——它能夠在短短幾個月內探索人類數百年才能覆蓋的化學空間。微軟的 MatterGen 和其他科技巨頭的材料發現 AI 項目也在快速推進，形成了一個 AI 驅動材料革命的蓬勃生態。

新罕布什爾大學的研究在這個大趨勢中有其獨特的價值：它不僅是一項基礎科學研究，更直接瞄準了一個具有巨大工業和戰略價值的應用目標——稀土磁鐵替代。這使得研究成果的轉化路徑更加清晰，從學術論文到產業應用的距離更短。

「傳統的材料發現方式就像是拿着一根蠟燭在黑暗的巨大倉庫中尋找一根針。AI 不僅給了我們一個強大的探照燈，更重要的是，它告訴我們應該在倉庫的哪個角落去找。從 67,000 種材料到 25 種候選化合物，AI 將搜索空間縮小了近三千倍，這就是計算材料科學的力量。」

五、地緣政治影響：打破稀土供應鏈壟斷

這項研究的意義遠超科學實驗室的範疇。在當前的地緣政治環境下，任何能夠減少稀土依賴的技術突破都具有重大的戰略價值。

中國在稀土供應鏈中的主導地位是經過數十年系統性布局的結果。自上世紀九十年代以來，中國通過低成本生產和政策支持，逐步確立了在稀土開採、冶煉、分離和深加工各環節的全面領先地位。即使其他國家擁有稀土礦藏（如美國、澳洲和巴西），它們在加工技術和產能上仍遠遠落後於中國。這意味着，即使從中國以外的來源開採稀土原礦，最終仍需送往中國進行加工——供應鏈的瓶頸並不在開採環節，而在加工環節。

2025 年底以來，中國對鎵、鍺等關鍵礦產實施出口管制，引發了全球對稀土供應安全的高度關注。歐盟、美國和日本均已將稀土替代技術列為關鍵礦產戰略的核心組成部分。美國國防部更是直接資助了多個稀土替代材料的研發項目，因為稀土磁鐵在精確制導武器、戰鬥機引擎和潛艇推進系統中都有關鍵應用。

如果新罕布什爾大學識別的 25 種候選化合物中有幾種能夠成功替代稀土磁鐵，其地緣政治影響將是深遠的。電動車產業將不再受制於稀土供應的不確定性，風力發電設備的製造商可以使用本地可得的材料來生產發電機，各國的國防工業也能夠建立不依賴潛在對手國家的供應鏈。這不僅是一個技術問題，更是國家安全和經濟主權的問題。

六、產業影響：電動車、風力發電和清潔能源

從產業角度來看，稀土替代材料對三個關鍵領域的影響最為直接和深遠。

電動車產業

每一輛電動車的驅動馬達通常使用 1-3 公斤的稀土永磁材料。隨着全球電動車銷量的持續增長——預計到 2030 年全球電動車年銷量將超過 4,000 萬輛——稀土磁鐵的需求量將呈指數級增長。稀土材料的價格波動直接影響電動車的製造成本。2022 年，釹的價格一度飆升至每公斤超過 300 美元，導致多家電動車製造商的利潤率大幅收窄。如果能夠找到性能相當但成本更低、供應更穩定的替代材料，這將為整個電動車產業帶來結構性的成本優勢。

風力發電

大型直驅式風力發電機每台需要使用約 600 公斤至 2 噸的稀土永磁材料。全球風力發電裝機容量正在快速擴張，國際能源署預測到 2030 年全球風電裝機容量將較 2023 年翻倍以上。這意味着對稀土磁鐵的需求將急劇增加。稀土替代材料如果能夠滿足風力發電機的性能要求，將為全球清潔能源轉型掃除一個重大的供應鏈瓶頸。

消費電子和工業應用

從智能手機的振動馬達到工業機器人的伺服電機，稀土磁鐵無處不在。雖然單個設備的稀土用量較小，但全球數十億台設備的累積需求同樣驚人。更重要的是，隨着 AI 硬件和數據中心的爆發式增長，精密冷卻系統和高性能伺服設備對稀土磁鐵的需求也在快速上升。稀土替代材料的出現將為這些高增長領域提供更穩定的供應基礎。

七、對香港的啟示

這項研究對香港有多方面的直接和間接影響。

首先，從科研合作的角度來看，香港擁有多所世界級研究型大學，在材料科學和計算化學領域具有深厚的學術實力。香港大學、香港科技大學和香港中文大學均設有活躍的材料科學研究團隊。AI 驅動的材料發現方法正在成為國際材料科學研究的主流範式，香港的研究機構有能力也有機會參與這一波研究浪潮。特別是，香港在 AI 和機器學習領域的研究實力可以與材料科學進行跨學科結合，在計算材料設計等前沿領域建立獨特的競爭優勢。

其次，從產業和金融角度來看，香港作為國際金融中心和科技創新樞紐，在新材料產業的融資和商業化方面可以發揮獨特作用。隨着稀土替代材料研究的推進，相關的初創企業和技術轉化項目將需要大量資金支持。香港的創投生態和資本市場可以為這些項目提供融資渠道。此外，香港的知識產權保護體系和國際化的商業環境也使其成為新材料技術商業化的理想平台。

第三，從供應鏈安全的角度來看，稀土替代技術對香港的電子製造業和高科技產業具有實質性的影響。香港雖然本身不是大規模製造基地，但其作為全球供應鏈管理和貿易中心的角色意味着，稀土供應鏈的任何變化都會直接影響通過香港的貿易流。稀土替代材料的出現可能重塑全球磁性材料的貿易格局，香港需要提前布局以適應這一變化。

最後，值得關注的是香港在大灣區框架下的角色。深圳和東莞是全球最大的稀土磁鐵消費市場之一，大量電子產品和電動車零部件在此製造。如果稀土替代材料在未來數年內實現商業化，大灣區的製造業將是最先受益的產業集群之一。香港作為大灣區的國際窗口和科技轉化平台，可以在稀土替代材料的技術引進、產業化和國際合作中扮演橋樑角色。

八、展望：從 AI 預測到工業應用的路線圖

雖然新罕布什爾大學的研究成果令人興奮，但必須清醒地認識到，從 AI 預測到大規模工業應用之間還有多個關鍵步驟需要完成。

第一步是實驗室驗證。這 25 種候選化合物需要在實驗室中逐一合成，並通過一系列嚴格的性能測試來驗證 AI 的預測。這個過程預計需要 1-2 年時間。第二步是工程優化。即使候選材料的本征磁性能符合預期，將其製成實用的磁鐵還需要解決晶粒取向控制、微觀結構優化和表面處理等一系列工程問題。第三步是規模化生產。從實驗室克級合成到工業噸級生產，需要開發全新的製備工藝和設備。第四步是應用驗證。新型磁鐵需要在真實的應用環境中（如電動車馬達和風力發電機）進行長期的可靠性和壽命測試。

整個從發現到商業化的過程可能需要 5-10 年時間。但值得注意的是，AI 不僅在第一步（材料發現）中發揮了關鍵作用，它同樣可以加速後續的每一個步驟。AI 輔助的工藝優化可以縮短工程開發周期，AI 驅動的預測模型可以減少需要進行的實驗次數，數字孿生技術可以在虛擬環境中模擬材料在真實應用條件下的長期表現。因此，整個商業化過程的時間線有可能比傳統路徑大幅縮短。

更重要的是，這項研究展示的方法論具有廣泛的可複製性。同樣的 AI 驅動材料發現框架可以應用於其他關鍵材料的探索——從超導材料到電池材料，從催化劑到半導體材料。我們正處於一個 AI 加速材料創新的新時代的起點，而新罕布什爾大學的稀土替代研究只是這個偉大故事的第一章。

「我們正在見證材料科學範式的根本轉變。過去，發現一種新材料是幸運和天才的結合。現在，AI 正在將材料發現從一門藝術變成一門工程。67,000 種材料中找到 25 種候選化合物——這不僅是一項科學成就，更是一種全新研究範式的有力示範。」