MIT 工程系教授 Markus Buehler 把 4 张彼此没有直接关联的照片，以及一个关于断裂力学的问题，交给了 3 个 Grok Bot。一个多小时后，他桌上的 3D 打印机打印出 2 个塑料件，总重量 19.48 克。
从照片到零件，这套流程由 3 个智能体接力完成：识别图像中的结构特征，提取可迁移的设计规律，从零编写物理模拟器，完成 47 次仿真实验，导出模型文件，切片，并把任务发送给打印机。
Buehler 在帖子中写道，这次实验让人不禁发问：我们是不是已经活在未来了。
3 个 Grok Bot 的分工来自 xAI 早期测试版
实际执行任务的是 3 个 Grok Bot，分别承担不同角色。
- 幕僚长（Chief of Staff）：负责项目调度，不直接产出研究结果，主要监看另外两个 Bot 的进度，把结果拉回主对话，在不同 Bot 之间传递文件，并推动流程持续进行。
- 物理实验智能体（Physics Experimenter）：负责读图、写模拟器、运行实验、分析结果，并最终提交一份 LaTeX 格式的科研报告。
- 3D 打印智能体（3D Printing Bot）：负责备料、切片、生成制造代码、发送任务以及监看打印机。
这套分工并不是 Buehler 临时设定的。8 月 11 日，xAI 推出了 Grok Bot 早期测试版。按照官方介绍，每个 Bot 都配有独立的云端电脑，可以像人一样登录账号、打开网页并在图形界面中执行任务。多个 Bot 也可以并行工作，并由一个幕僚长角色在上层进行统筹。
xAI 介绍的内部用法中，工程 Bot 可以在产品界面内复现 Bug、创建工单，再把修复任务交给调试 Bot。官方同时提出，完成 90% 和完成 100% 之间存在本质差别，多数 AI 只能把流程推进到“差不多”的位置，剩下最后一段仍要由人补完，而 Grok Bot 想覆盖的正是这部分工作。
20 分钟内搭起一个可运行的力学实验平台
Buehler 给出的输入只有两部分：4 张参考照片，以及一个研究问题。
这 4 张图分别呈现出不同结构特征：一张羽状叶脉图，一张类似 Voronoi 图的网眼结构，一张随机排布的纤维格子，以及一张同时带有辐射和环向特征的蜘蛛网。它们的尺度不同、对象不同，彼此没有对齐，也不是现成的工程图纸。
照片之外，他提出的问题是：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。
换句话说，这个问题要追问的是，自然界中那些又轻又结实的结构，像叶脉、蛛网、骨骼，其层层嵌套的层级结构，究竟在哪个环节真正发挥了作用。
Buehler 没有告诉智能体应当如何建模，也没有指定要使用什么软件。他只给出一个目标：从这 4 张图里推测出可迁移的设计原则，并据此搭建一个用于研究断裂现象的实验平台。
大约 20 分钟后，一个可交互的二维分层 Euler-Bernoulli 梁网络实验室运行起来。这个系统没有调用现成的力学仿真软件，而是从零写出一个模拟器，并将其命名为 HIER-FRACTURE v1.0.0。
在正式研究前，这个模拟器先完成了 9 项自检，耗时 220 毫秒，9 项全部通过。通过自检后，系统开始进入实验阶段。这个平台一端连接仿真流程，另一端连接 3D 打印设备，仿真结束后可以直接导出用于打印的模型文件。
47 次仿真后，AI 否定了自己预设的假设
接下来，系统共进行了 47 次仿真实验，其中 6 次被留作测试集，没有参与前期调参，只在最后用于验证结论是否成立。
实验结果显示，在材料总量固定的情况下，不同结构之间的刚度差异并不大，最大差距约为 20%。但在抗冲击和能量吸收表现上，优劣结构之间可以拉开数倍差距。
按文中的解释，问题的关键在于材料分配。越多材料用于补充细结构，主梁就会越细。层级更深的网络，很多时候反而不如简单的单层格子耐冲击。
与此同时，那些较弱的连接位置在破坏过程中又会表现出类似保险丝的作用。它们优先断裂，把冲击分散开，让整个结构的失效模式从“一下子崩掉”转向“逐步破坏”。
更关键的是，系统在实验前曾为自己设定一个假设 H2：额外层级之所以带来负面效果，主要问题出在层与层之间的连接处过于薄弱，限制了整体结构表现。
47 次实验结束后，这个假设被系统自己推翻。它给出的结论是，真正的原因不是单纯的层间连接薄弱，而是材料总量固定时，新增一层结构就必须从其他部分抽走材料。
在这套流程里，AI 不只是执行预设步骤，还否定了流程内预设的解释，并标明原因。按原文的说法，这个动作比单纯的跑分更接近科研工作本身。
3D 打印 Bot 通过图形界面把模型送进打印机
当优选设计被交给 3D 打印 Bot 后，流程进入制造环节。
幕僚长先按照断裂功对 47 次运行结果进行排序，选出 2 个设计导出模型文件，并统一放大 50 倍。随后，3D 打印 Bot 打开切片软件 Bambu Studio，连接名为 Leonas3DP 的打印机，把 2 个模型放进同一块底板，设置参数后完成切片并发送任务，同时通过实时摄像头监控打印过程。
不到一小时，2 个零件完成打印。
这里的重点在于，Grok Bot 并没有直接驱动打印机电机，也没有通过专用接口调用设备，而是像人一样操作软件图形界面，用鼠标点击完成制造流程。
原文认为，这可能是整件事里最关键的一步。过去讨论 AI 进入物理世界时，通常默认需要机械臂、具身系统，或者一整套新硬件协议。这次采取的是另一条路径：现代制造流程本身已经大量迁移到软件中，图形界面就是现成入口。
文章把这一点概括为：只要会点击鼠标，就等于长出了手。
自动化科学过去十几年最难处理的环节之一，是驱动问题。不同仪器有不同接口，如果要让 AI 操作，往往要么改装设备，要么上机械臂。文中举例称，利物浦大学的机器人化学家曾在 8 天里完成约 700 次实验，但依赖的是机械臂路线，以及一间起步成本为百万美元级的自动化实验室。
与之相比，这次 Grok Bot 走的是第三种路线：不改装仪器，不使用机械臂，而是直接操作人类已经在日常使用的软件界面。按照文中的说法，只要设备有图形界面，它就已经具备接口，CNC、示波器、显微镜控制台等设备理论上都可以被纳入这类流程。
对比之下，一边是百万美元级自动化实验室，另一边是一台价格 1749 美元、可以在电商平台直接下单的桌面级 3D 打印机，成本结构因此发生变化。
人仍在流程之内，提出问题并决定任务边界
整个任务由 Buehler 发起。4 张参考图片由他挑选，科学问题也由他设定。xAI 官方也说明，Bot 在遇到需要批准的环节时，会返回让人做决定。
换言之，这套设计并没有让人完全退出流程。
Buehler 本人是 MIT Jerry McAfee 工程讲席教授，同时任教于机械工程以及土木与环境工程领域，研究方向覆盖 AI、断裂力学、层级材料和增材制造。文中提到，他发表过 800 多篇论文，是美国国家工程院院士，也是 2025 年华盛顿奖得主。
因此，这次展示并不是普通用户的一次随手试验，而是该领域研究者在自身专业场景内进行的一次压力测试。
Buehler 过去也做过类似工作。2024 年，他曾发表 MechAgents 研究，让多个智能体分工协作解决力学问题，并让它们相互校验。那篇论文同样记录过失误：智能体一度取错应力分量，后来在人类提示下才修正。
这也说明，多智能体能解决分工问题，但并不自动等于结果可靠。
从报告和代码走向实物制造
按原文梳理，这次变化并不主要体现在“更聪明”上，而在于智能体第一次沿着现成的软件入口，把结果推进到实物制造。
过去几年，所谓“AI 科学家”的展示大多停留在报告、代码、图表和仿真结果这些数字产物上。它们可以完成分析，但缺少直接作用于现实设备的“手”。
而现代制造业的大量基础设施——CAD、切片器、机床控制台——本来就建立在软件之上，并且都提供了图形界面。它们原本服务的是人工操作。
如今，这些界面开始被一种不会疲劳的操作员接管。Buehler 此次用 3 个 Grok Bot 跑通的，正是从图像启发、结构建模、仿真研究，到切片制造和打印落地的完整链路。
参考资料为 Markus Buehler 在 X 平台发布的帖子，链接为 https://x.com/ProfBuehlerMIT/status/2091108225806454802 。本文原始来源注明来自微信公众号“新智元”，编辑为元宇。