传统材料发现方法,如实验试错和高通量筛选,受限于数据库的规模,难以高效探索广阔的化学空间。生成式人工智能(AI)正在材料科学领域引发深刻变革,为功能材料的逆向设计提供全新范式。本文聚焦于近期发表于Nature的里程碑工作—MatterGen生成模型,系统介绍其如何通过扩散模型实现无机晶体材料的原子类型、坐标和晶格参数的稳定、可控联合生成。MatterGen不仅能生成跨周期表的稳定多样晶体结构,更能通过特定领域微调实现目标化学组成、空间对称性及力、电、磁等多重性能约束的条件生成。本文通过解析MatterGen的技术原理、性能优势及实验验证,阐述生成式模型如何推动材料设计从“筛选”走向“创造”,并展望该技术面临的挑战与未来发展趋势。