**Scaling Law在原子操作中遭遇瓶颈：AI for Science亟需转向“Action Scaling”**
大模型在材料科学领域虽然展现了惊人的“理解力”，却在原子操作任务上遭遇了明显的瓶颈。尽管模型能够解析材料知识，却难以精准操控原子结构。最新发布的一项研究指出，传统的“Scaling Law”（缩放定律）在涉及空间逻辑的任务中效果有限，这提示AI for Science需要从单纯的“语言缩放”转向“行动缩放”，以提升模型在真实科研操作中的能力。
**“理解”不等于“操作”：Scaling Law的边界**
过去几年，Scaling Law被视为大模型领域的“黄金法则”：只要模型足够大、数据足够多，能力就会涌现。然而，由中科大苏州高等研究院、新南威尔士大学等机构联合在ICML 2026发布的AtomWorld基准测试，给这种“大力出奇迹”的乐观情绪带来了新的视角。
AtomWorld通过一系列受物理规则约束的原子实操任务发现：在文本理解、知识归纳等场景表现稳定的Scaling Law，一旦落地到原子实操任务，往往达不到预期效果。
**从知识预测到空间操控的鸿沟**
目前，大模型在科学领域已能胜任阅读文献、预测材料性质、解析晶体结构等工作。例如，Google DeepMind的GNoME能生成数百万个候选晶体结构，Anthropic的Claude Science也能显著提升综述写作等环节的效率。这导致行业普遍认为，既然模型能“看懂”材料，自然也能完成原子搭建等实操任务。
但真实的科研操作远非简单的选择题。它涉及高度具象化的三维空间指令：构建特定材料的表面、在晶格定点掺杂、在间隙位置嵌入原子等。这些任务要求模型具备符合物理定律的三维空间操控能力，而非仅依赖文本推理。
为了客观量化这一能力，研究团队构建了AtomWorld评测框架。该框架依托材料晶体学信息，自动生成原子结构-自然语言配对数据，通过对比模型输出与标准结构，精准评估模型在原子排布调整上的表现。
**模型规模与三维能力的脱节**
实验结果显示，Scaling Law在原子操作任务中的适用性存在明显边界。虽然模型规模扩大确实能提升部分规则清晰的任务（如原子替换、移动）的成功率，但在面对旋转、区域删除、扩超胞等需要三维空间理解和几何规划的操作时，性能提升并不稳定。
以“绕原子旋转”这一最具挑战性的任务为例，即便是Claude Opus 4.6、GPT-5.4等顶尖模型，成功率也仅维持在12%左右。Qwen系列模型在4B到32B的扩容中，虽在简单规则任务上有所进步，但在复杂空间任务上仍表现出明显的几何误差和逻辑瓶颈。这说明，问题不在于模型不够大，而在于通用大模型普遍缺乏稳定的三维空间行动能力。
**从“Language Scaling”到“Action Scaling”**
AtomWorld的核心价值在于将“材料智能体不会建模”这一模糊痛点，拆解为一系列可测量、可追踪的原子操作能力。它揭示了当前科学智能体的症结：现有的Scaling Law主要基于海量文本语料，而材料原子建模所需的“操作指令—坐标变化”高质量成对训练样本极度匮乏。
尽管行业常通过对接pymatgen等专业工具库来弥补短板，但AtomWorld的对照测试表明，外挂工具只能提升强坐标计算类任务（如原子插入），却无法替代模型做“原子该放哪”、“哪些属于目标区域”这类核心的空间决策。如果模型本身缺乏三维感知，工具只会将错误的意图执行得更精准，导致“建模逻辑错误”。
因此，AtomWorld呼吁AI for Science重新思考“该缩放什么”。除了基于文本的Language Scaling，未来更需要关注Action Scaling——即系统性地规模化可执行动作数据、动作基元拆解、模拟器反馈及物理约束验证，让模型在可验证的科学操作中迭代真实行动能力。
**结语**
AtomWorld不仅是一套评测基准，更是一面观测镜，直观展现了当前AI for Science的关键问题：大模型可以解释材料结构，并不意味着它能够可靠修改结构；可以读懂元素周期表，并不意味着能在三维空间中稳定执行原子级操作。
科学研究从来不是纯文本工作，而是由提出假设、设计实验、调整参数、排查错误等一系列行动构成的闭环。未来，AI若想真正参与科研，就不能只会“解释知识”，还必须学会“执行动作”。只有当模型同时具备知识理解能力和行动能力，科学智能体才能从“会回答问题的百科全书”，进化为“能完成任务的实验助手”。