新材料研发面临周期长、成本高、环节割裂等挑战；以功能性材料为例，从配方设计到性能评估通常需要多轮实验和跨学科合作。由于实验资源调度效率低、数据不贯通以及重复性工作耗时，许多研发仍依赖"经验驱动、反复试验"的传统模式，难以满足产业快速迭代的需求。 研发效率低下的原因主要有两方面：一是材料体系复杂、变量多，单一方法难以兼顾广度和精度；二是实验环节涉及多设备和多流程，信息传递不畅导致决策滞后。此外，自动化设备与算法工具之间缺乏统一接口，难以实现标准化复制和稳定放大。 为解决这些问题，中科院深圳先进院喻学锋团队开发了"MARS"多模型-多机器人协同智能体系统。该系统采用层级化协作模式，模拟人类研发团队分工，整合19个专业智能体和16种领域工具，并与移动机器人等设备深度集成，实现从任务拆解到数据分析的全流程闭环。微胶囊材料实验中，该系统将4个月的研发周期缩短至4小时，并完成性能优化。涉及的成果已在《物质》期刊发表。 该技术正加速产业化应用。团队核心专利已授权给武汉中科先进材料科技公司，双方共建"材料中试智能"创新联合体，获批国家级中试平台，并建成微胶囊中试产线。目前已完成灭火微胶囊等产品的工艺开发，部分产品已上市。 要让此类系统发挥更大作用，需从三上推进：建立标准化接口和数据规范；加强中试平台与企业场景对接；优化科研组织方式，培养交叉型人才队伍。 研究人员指出，MARS的实践表明，协同智能体不仅能处理数据，还能通过标准化接口调度设备，推动科研从经验试验向可计算、可预测的流程转变。目前系统已显示出三大价值：大幅缩短研发周期；形成可复用的知识标准；为自主实验室建设提供技术路线。团队还与深圳慧灵科技合作，计划继续提升系统智能水平和应用范围。随着更多行业设备接入和工艺数据库完善，该模式有望在功能材料、化工、医药等领域形成完整的研发加速链条。
MARS系统的出现标志着科研范式的革新。通过AI与机器人的深度协同，科学探索正转变为可计算、可预测的智能流程。这种新范式将科学家从重复性工作中解放出来，使其更专注于创新思考。随着技术进步和应用拓展，类似系统将在加速材料研发、推动科技创新中发挥更大作用。