材料是人類(lèi)認(rèn)識(shí)自然、改造自然的物質(zhì)媒介，是推動(dòng)人類(lèi)文明演進(jìn)的物質(zhì)密碼。從石器時(shí)代邁向青銅器時(shí)代，再到鐵器時(shí)代、工業(yè)時(shí)代，人類(lèi)文明歷史的每一次關(guān)鍵性躍升、都與“新材料”的發(fā)現(xiàn)、發(fā)明及應(yīng)用密不可分。材料的創(chuàng)新從物質(zhì)根基上推動(dòng)生產(chǎn)力實(shí)現(xiàn)跨越式爆發(fā)，進(jìn)而推動(dòng)生產(chǎn)關(guān)系的變革與社會(huì)結(jié)構(gòu)的深層重塑。如今，從信息處理與傳遞，到能源轉(zhuǎn)換與存儲(chǔ)，再到醫(yī)療健康、交通運(yùn)輸、國(guó)防軍事和綠色可持續(xù)發(fā)展等方面，新材料技術(shù)幾乎支撐著人類(lèi)社會(huì)幾乎所有領(lǐng)域的科技進(jìn)步，新材料產(chǎn)業(yè)已經(jīng)成為國(guó)家戰(zhàn)略性、基礎(chǔ)性產(chǎn)業(yè)，也成為全球技術(shù)競(jìng)爭(zhēng)的關(guān)鍵領(lǐng)域之一。

“一代材料、一代技術(shù)、一代產(chǎn)業(yè)”，新材料的突破往往引領(lǐng)一整個(gè)產(chǎn)業(yè)的變革與發(fā)展，但一種新材料從概念提出到真正量產(chǎn)應(yīng)用往往需要十年乃至二十年的時(shí)間。在全球科技競(jìng)爭(zhēng)日趨激烈的今天，這種低效率模式已經(jīng)難以為繼。進(jìn)入21世紀(jì)，隨著高通量計(jì)算、材料基因組等技術(shù)的快速發(fā)展，新材料研發(fā)已經(jīng)從傳統(tǒng)“經(jīng)驗(yàn)試錯(cuò)（實(shí)驗(yàn)驅(qū)動(dòng)）”的研究范式，逐漸過(guò)渡到“計(jì)算模擬（計(jì)算驅(qū)動(dòng)）”+“大數(shù)據(jù)/基因組（數(shù)據(jù)驅(qū)動(dòng)）”的研究范式，新材料的研發(fā)速度已經(jīng)實(shí)現(xiàn)了大幅提升。然而，材料大數(shù)據(jù)具有空間多尺度（微觀(guān)一介觀(guān)一宏觀(guān)）、時(shí)間多維度（制備-服役-失效）、高維數(shù)據(jù)關(guān)聯(lián)非線(xiàn)性等特點(diǎn)，隨著材料大數(shù)據(jù)的持續(xù)爆發(fā)增長(zhǎng)、材料體系的復(fù)雜度日益提高，采用上述研發(fā)范式開(kāi)發(fā)新材料面臨著效率和質(zhì)量逐漸不足的困境。

近年來(lái)，人工智能（AI）技術(shù)持續(xù)實(shí)現(xiàn)突破性演進(jìn)，其在高維數(shù)據(jù)空間解析、非線(xiàn)性關(guān)聯(lián)挖掘上展現(xiàn)出突出優(yōu)勢(shì)，為新材料研發(fā)注入革命性動(dòng)力。隨著計(jì)算能力的指數(shù)增長(zhǎng)、多源材料數(shù)據(jù)（實(shí)驗(yàn)+模擬）、先進(jìn)機(jī)器學(xué)習(xí)（Machine Learning，ML）算法的發(fā)展，Al與材料學(xué)（Materials Science and Engineering，MSE）不斷融合。

當(dāng)前，AI已從“輔助工具”升級(jí)為“核心引擎”，推動(dòng)材料研發(fā)向智能驅(qū)動(dòng)轉(zhuǎn)型，最典型案例為2023年DeepMind發(fā)布的GNoME模型，在極短時(shí)間內(nèi)預(yù)測(cè)出220萬(wàn)種新晶體結(jié)構(gòu)，其中38萬(wàn)種具備熱力學(xué)穩(wěn)定性，相當(dāng)于人類(lèi)材料學(xué)家近800年的實(shí)驗(yàn)產(chǎn)出規(guī)模。

一、“人工智能+新材料”發(fā)展幾何？

自2011年美國(guó)推出“材料基因組計(jì)劃”（Materials Genome Initiative，MGI）以來(lái)，材料數(shù)據(jù)資源建設(shè)從零散探索轉(zhuǎn)向系統(tǒng)性推進(jìn)，全球范圍內(nèi)的新材料數(shù)據(jù)庫(kù)建設(shè)駛?cè)肟燔?chē)道。

“人工智能+新材料”，即人工智能驅(qū)動(dòng)的新材料研發(fā)（Al for Materials Science and Engineering，Al4MSE），其核心技術(shù)體系由三大關(guān)鍵要素構(gòu)成：其一為高質(zhì)量數(shù)據(jù)資源，涵蓋計(jì)算模擬、實(shí)驗(yàn)測(cè)試、文獻(xiàn)知識(shí)等多元數(shù)據(jù)；其二為適配材料數(shù)據(jù)特性的機(jī)器學(xué)習(xí)算法，需針對(duì)材料數(shù)據(jù)高維、非線(xiàn)性、多尺度的特點(diǎn)定制；其三為貫穿材料全生命周期的ML賦能應(yīng)用，覆蓋設(shè)計(jì)、合成、表征和服役全鏈條。

高質(zhì)量數(shù)據(jù)資源是AI4MSE的核心基礎(chǔ)設(shè)施。盡管機(jī)器學(xué)習(xí)算法的選型對(duì)模型性能至關(guān)重要，但在A(yíng)l4MSE研發(fā)場(chǎng)景中，更核心的挑戰(zhàn)在于如何將零散的原始數(shù)據(jù)轉(zhuǎn)化為適配模型的有效特征—這一步往往決定了模型能否真正挖掘材料的“結(jié)構(gòu)-性能”關(guān)聯(lián)。在實(shí)際機(jī)器學(xué)習(xí)項(xiàng)目中，研發(fā)團(tuán)隊(duì)通常會(huì)將60%～80%的時(shí)間與精力投入到數(shù)據(jù)準(zhǔn)備中，而用于算法選型與調(diào)優(yōu)的精力僅占整體研發(fā)精力的20%左右。

自2011年美國(guó)推出“材料基因組計(jì)劃”（Materials Genome Initiative，MGI）以來(lái)，材料數(shù)據(jù)資源建設(shè)從零散探索轉(zhuǎn)向系統(tǒng)性推進(jìn)，全球范圍內(nèi)的新材料數(shù)據(jù)庫(kù)建設(shè)駛?cè)肟燔?chē)道。一是數(shù)據(jù)規(guī)模快速增長(zhǎng)，例如國(guó)際知名計(jì)算材料數(shù)據(jù)庫(kù)Materials Project于2023年新增15萬(wàn)種材料數(shù)據(jù)，計(jì)算精度提升40%；中國(guó)科學(xué)院物理所和松山湖材料實(shí)驗(yàn)室開(kāi)發(fā)的Atomly數(shù)據(jù)庫(kù)，數(shù)據(jù)規(guī)模從2020年的18萬(wàn)種材料擴(kuò)展至2025年的35萬(wàn)種材料。二是實(shí)驗(yàn)數(shù)據(jù)與計(jì)算數(shù)據(jù)的融合與交叉驗(yàn)證，例如2024年無(wú)機(jī)晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)（ICSD）與Materials Project數(shù)據(jù)庫(kù)合作，實(shí)現(xiàn)數(shù)據(jù)雙向同步與交叉驗(yàn)證；晶體結(jié)構(gòu)數(shù)據(jù)庫(kù)Paulingfile于2022年完成數(shù)據(jù)架構(gòu)升級(jí)，支持高通量計(jì)算數(shù)據(jù)與實(shí)驗(yàn)數(shù)據(jù)的無(wú)縫融合。三是數(shù)據(jù)庫(kù)建設(shè)與機(jī)器學(xué)習(xí)深度融合，例如2025年松山湖材料實(shí)驗(yàn)室MATCHAT平臺(tái)基于大語(yǔ)言模型（LLM）與檢索增強(qiáng)技術(shù)（RAG），融合28萬(wàn)余篇材料科學(xué)文獻(xiàn)與35萬(wàn)種材料結(jié)構(gòu)數(shù)據(jù)，構(gòu)建“文獻(xiàn)-數(shù)據(jù)-工具”三位一體的知識(shí)網(wǎng)絡(luò)。四是數(shù)據(jù)標(biāo)準(zhǔn)與平臺(tái)的統(tǒng)一，例如OPTIMADE（Open Databases Integration for Materials Design）成為材料數(shù)據(jù)庫(kù)間數(shù)據(jù)交換的標(biāo)準(zhǔn)API，2024年V1.2.4版本已支持超過(guò)20家數(shù)據(jù)提供商，覆蓋3000多萬(wàn)種材料結(jié)構(gòu)。

機(jī)器學(xué)習(xí)算法是AI4MSE的智能驅(qū)動(dòng)核心引擎。結(jié)合材料數(shù)據(jù)特性（高維、多尺度、強(qiáng)非線(xiàn)性）與應(yīng)用場(chǎng)景（性能預(yù)測(cè)、結(jié)構(gòu)設(shè)計(jì)、工藝優(yōu)化），AI4MSE機(jī)器學(xué)習(xí)算法具體可分為三大體系。一是傳統(tǒng)機(jī)器學(xué)習(xí)方法，適用于數(shù)據(jù)量中等、需物理可解釋性的場(chǎng)景，主要包括決策樹(shù)、隨機(jī)森林、支持向量機(jī)、貝葉斯推理等。二是深度學(xué)習(xí)方法，其通過(guò)多層網(wǎng)絡(luò)自動(dòng)提取特征，適配材料的非歐幾里得數(shù)據(jù)（晶體結(jié)構(gòu)）、空間數(shù)據(jù)（微觀(guān)圖像）、時(shí)序數(shù)據(jù)（合成過(guò)程），主要包括卷積神經(jīng)網(wǎng)絡(luò)、圖神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和Transformer模型。三是新型的人工智能技術(shù)，包括生成式對(duì)抗網(wǎng)絡(luò)、大語(yǔ)言模型、遷移學(xué)習(xí)和可解釋AI等。

ML賦能應(yīng)用是AI4MSE的價(jià)值落地載體。貫穿材料全生命周期的ML賦能應(yīng)用并非簡(jiǎn)單覆蓋“設(shè)計(jì)、合成、表征、服役”鏈條，而是以“數(shù)據(jù)-算法-實(shí)驗(yàn)”閉環(huán)為核心，賦能材料研發(fā)全流程：在“設(shè)計(jì)端”實(shí)現(xiàn)逆向設(shè)計(jì)；在“合成端”驅(qū)動(dòng)自主實(shí)驗(yàn)；在“表征端”實(shí)現(xiàn)自動(dòng)化分析；在“服役端”動(dòng)態(tài)評(píng)估性能衰減，并將各環(huán)節(jié)反饋數(shù)據(jù)反哺數(shù)據(jù)資源池，形成“數(shù)據(jù)積累一算法迭代-應(yīng)用優(yōu)化”的持續(xù)進(jìn)化閉環(huán)，最終縮短研發(fā)周期、降低試錯(cuò)成本。

機(jī)器學(xué)習(xí)正日益成為新材料研發(fā)的關(guān)鍵工具，其應(yīng)用落地的速度非常迅猛。在加速材料篩選方面，2024年美國(guó)西北大學(xué)研究團(tuán)隊(duì)展示了如何利用機(jī)器學(xué)習(xí)加速計(jì)算材料的發(fā)現(xiàn)，通過(guò)高通量計(jì)算篩選，有效識(shí)別出具有潛力的新材料，解決了傳統(tǒng)方法耗時(shí)過(guò)長(zhǎng)的問(wèn)題；在預(yù)測(cè)材料性能方面，2025年微軟研究院聯(lián)合清華大學(xué)發(fā)布一個(gè)名為BatLiNet的深度學(xué)習(xí)框架，能夠跨越不同的老化條件準(zhǔn)確預(yù)測(cè)電池壽命，為儲(chǔ)能材料的評(píng)估提供了高效工具；在自主實(shí)驗(yàn)方面，2024年伊利諾伊大學(xué)厄巴納-香檳分校研究人員開(kāi)發(fā)出一個(gè)用于探索性合成化學(xué)的自主移動(dòng)機(jī)器人平臺(tái)，該平臺(tái)能夠自主進(jìn)行實(shí)驗(yàn)操作和決策，極大地加速了化學(xué)反應(yīng)的探索過(guò)程；在新材料逆設(shè)計(jì)方面，2025年微軟研究院發(fā)布一款名為MatterGen的生成式Al工具，它突破了傳統(tǒng)材料篩選方法的局限，能夠在廣闊的材料空間中高效探索，并根據(jù)特定應(yīng)用需求設(shè)計(jì)出全新的穩(wěn)定材料結(jié)構(gòu)。

二、全球競(jìng)速，AI+新材料誰(shuí)家將執(zhí)牛耳？

隨著AI4MSE展現(xiàn)出顛覆性潛力，全球主要科技強(qiáng)國(guó)紛紛將其提升至國(guó)家戰(zhàn)略高度，通過(guò)出臺(tái)專(zhuān)項(xiàng)政策、設(shè)立研發(fā)計(jì)劃等方式，搶占這一未來(lái)科技與產(chǎn)業(yè)競(jìng)爭(zhēng)的制高點(diǎn)。

美國(guó)通過(guò)持續(xù)的戰(zhàn)略規(guī)劃和資金投入，鞏固其在A(yíng)I與先進(jìn)材料領(lǐng)域的領(lǐng)導(dǎo)地位。2024年10月，美國(guó)商務(wù)部發(fā)布一份意向通知，公開(kāi)競(jìng)標(biāo)利用人工智能開(kāi)發(fā)新的可持續(xù)半導(dǎo)體材料和工藝，滿(mǎn)足半導(dǎo)體行業(yè)的技術(shù)、經(jīng)濟(jì)和可持續(xù)目標(biāo)，并能在5年內(nèi)落實(shí)設(shè)計(jì)和被采用。為實(shí)現(xiàn)這一目標(biāo)，美國(guó)商務(wù)部將提供1億美元的資金，資助“基于人工智能的自主實(shí)驗(yàn)”（AI/AE）的產(chǎn)學(xué)合作項(xiàng)目。2025年7月，美國(guó)白宮發(fā)布《贏(yíng)得競(jìng)爭(zhēng)：美國(guó)人工智能行動(dòng)計(jì)劃》，擬通過(guò)國(guó)家科學(xué)基金會(huì)（NSF）、能源部（DOE）、商務(wù)部下屬NIST及其他聯(lián)邦合作伙伴，投資建設(shè)材料科學(xué)等領(lǐng)域的自動(dòng)化、云端實(shí)驗(yàn)室，并通過(guò)國(guó)家科學(xué)技術(shù)委員會(huì)（NSTC）下屬機(jī)器學(xué)習(xí)和人工智能小組委員會(huì)，針對(duì)AI模型訓(xùn)練中材料科學(xué)、化學(xué)和其他科學(xué)數(shù)據(jù)類(lèi)型，提出最低數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)的建議。

中國(guó)以“應(yīng)用牽引+體系化突破”為導(dǎo)向，構(gòu)建Al+新材料創(chuàng)新生態(tài)。2024年10月，工信部、財(cái)政部、國(guó)家數(shù)據(jù)局聯(lián)合發(fā)布《新材料大數(shù)據(jù)中心總體建設(shè)方案》，構(gòu)建“1+N”材料數(shù)據(jù)體系（1個(gè)主平臺(tái)+N個(gè)資源節(jié)點(diǎn)），形成30個(gè)以上數(shù)據(jù)資源節(jié)點(diǎn)、30項(xiàng)以上材料大數(shù)據(jù)算法軟件和工具、20種以上典型關(guān)鍵材料和產(chǎn)品的數(shù)據(jù)賦能應(yīng)用示范。2025年8月，國(guó)務(wù)院正式印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見(jiàn)》將“人工智能+科學(xué)技術(shù)”列為六大重點(diǎn)行動(dòng)之首，明確提出要加速科學(xué)發(fā)現(xiàn)進(jìn)程，率先建立基于A(yíng)I的新型科研范式。此前，科技部已于2023年3月聯(lián)合自然科學(xué)基金委啟動(dòng)“AlforScience”專(zhuān)項(xiàng)部署，系統(tǒng)性地支持AI在材料、化學(xué)等基礎(chǔ)科學(xué)領(lǐng)域的應(yīng)用。

歐盟政策聚焦“技術(shù)主權(quán)”，通過(guò)算力基建、數(shù)據(jù)共享與綠色材料導(dǎo)向，推動(dòng)AI與新材料融合。2023年12月，歐盟委員會(huì)發(fā)布《科學(xué)中的人工智能》報(bào)告，主張量身定制歐洲研究區(qū)的人工智能政策，利用人工智能加速科學(xué)發(fā)現(xiàn)和促進(jìn)創(chuàng)新。2025年4月，歐盟委員會(huì)發(fā)布《人工智能大陸行動(dòng)計(jì)劃》，致力于成為全球AI領(lǐng)導(dǎo)者。該計(jì)劃通過(guò)五大核心領(lǐng)域推動(dòng)AI發(fā)展：擴(kuò)大AI計(jì)算基礎(chǔ)設(shè)施、提升高質(zhì)量數(shù)據(jù)獲取、加速戰(zhàn)略行業(yè)AI應(yīng)用、強(qiáng)化AI人才培養(yǎng)、簡(jiǎn)化監(jiān)管合規(guī)。此外，為加速推進(jìn)AI應(yīng)用、提高產(chǎn)業(yè)競(jìng)爭(zhēng)力，歐盟計(jì)劃出臺(tái)《AI應(yīng)用戰(zhàn)略》，加強(qiáng)歐盟在先進(jìn)制造、先進(jìn)材料設(shè)計(jì)等關(guān)鍵工業(yè)部門(mén)的優(yōu)勢(shì)領(lǐng)導(dǎo)地位。

日韓聚焦優(yōu)勢(shì)產(chǎn)業(yè)突圍，旨在鞏固和擴(kuò)大其在特定材料領(lǐng)域的全球優(yōu)勢(shì)地位。2025年3月，日本國(guó)會(huì)通過(guò)2025財(cái)年預(yù)算案，其中人工智能相關(guān)預(yù)算為1969億日元，創(chuàng)下歷史新高。其中，涉及AI+新材料的國(guó)家預(yù)算項(xiàng)目包括：“應(yīng)用先進(jìn)計(jì)算科學(xué)的新型功能材料合成及制造工藝開(kāi)發(fā)項(xiàng)目”，“節(jié)能AI半導(dǎo)體及系統(tǒng)相關(guān)技術(shù)開(kāi)發(fā)項(xiàng)目”，“為促進(jìn)使用革新性零部件及材料的產(chǎn)品盡早實(shí)現(xiàn)商用提供創(chuàng)新支持”。早在2020年10月，為實(shí)現(xiàn)人工智能強(qiáng)國(guó)，韓國(guó)政府發(fā)布了《人工智能半導(dǎo)體產(chǎn)業(yè)發(fā)展戰(zhàn)略》，圍繞AI半導(dǎo)體產(chǎn)業(yè)提出了技術(shù)、人才、工業(yè)生態(tài)系統(tǒng)相關(guān)的創(chuàng)新戰(zhàn)略。該戰(zhàn)略提出2030年之前在A(yíng)I半導(dǎo)體領(lǐng)域擁有20%全球市場(chǎng)份額、20家創(chuàng)新公司、3000名頂級(jí)工程師，發(fā)布50種滿(mǎn)足特定需求的AI芯片，投入700億韓元資助本土芯片制造商達(dá)成相關(guān)目標(biāo)。

相比之下，美國(guó)在原創(chuàng)算法、基礎(chǔ)模型和研發(fā)新范式上領(lǐng)先；中國(guó)在政策執(zhí)行力、產(chǎn)業(yè)化速度和特定應(yīng)用領(lǐng)域展現(xiàn)出強(qiáng)大競(jìng)爭(zhēng)力；歐洲在數(shù)據(jù)基礎(chǔ)設(shè)施標(biāo)準(zhǔn)化和區(qū)域合作上獨(dú)具特色；而日本和韓國(guó)則在其優(yōu)勢(shì)產(chǎn)業(yè)關(guān)聯(lián)材料方面深耕細(xì)作，力求在關(guān)鍵細(xì)分領(lǐng)域保持領(lǐng)先優(yōu)勢(shì)。全球圍繞AI+新材料的戰(zhàn)略博弈，正呈現(xiàn)競(jìng)爭(zhēng)強(qiáng)度持續(xù)升級(jí)、博弈格局日趨復(fù)雜的方向演進(jìn)。未來(lái)，圍繞AI4MSE數(shù)據(jù)資源的爭(zhēng)奪、算法算力的比拼和產(chǎn)業(yè)鏈控制力的博弈，將成為各國(guó)科技競(jìng)爭(zhēng)的著力點(diǎn)。

三、AI4MSE商業(yè)落地加速，重塑產(chǎn)業(yè)格局

隨著材料大數(shù)據(jù)的積累和機(jī)器學(xué)習(xí)算法的創(chuàng)新，AI4MSE正從實(shí)驗(yàn)室走向產(chǎn)業(yè)化，其商業(yè)落地顯著加速，并開(kāi)始深刻重塑新材料產(chǎn)業(yè)的研發(fā)模式、商業(yè)模式和競(jìng)爭(zhēng)格局。

AI驅(qū)動(dòng)的新材料創(chuàng)新，直接催生出一批新興產(chǎn)業(yè)和商業(yè)模式。首先，一批專(zhuān)業(yè)化的AI4MSE初創(chuàng)公司涌現(xiàn)出來(lái)，這些公司通常由材料科學(xué)家、計(jì)算機(jī)專(zhuān)家聯(lián)合創(chuàng)立，其商業(yè)模式是直接向終端用戶(hù)（如化工、醫(yī)藥、能源企業(yè)）提供新材料設(shè)計(jì)方案或授權(quán)特定材料知識(shí)產(chǎn)權(quán)。例如，美國(guó)的Citrinelnformatics、Kebotix等公司已建立起成熟的材料信息學(xué)平臺(tái)，與多家世界500強(qiáng)企業(yè)合作。在中國(guó)，同樣涌現(xiàn)出一批極具創(chuàng)新活力的AI4MSE初創(chuàng)企業(yè)，它們?cè)诓煌?xì)分領(lǐng)域推動(dòng)著產(chǎn)業(yè)變革：

例如，我國(guó)首個(gè)材料基因組高通量計(jì)算平臺(tái)MatCloud+集成了材料計(jì)算、數(shù)據(jù)管理、高通量篩選和AI技術(shù)，構(gòu)建了“計(jì)算、數(shù)據(jù)、AI、實(shí)驗(yàn)”四位一體的數(shù)字化解決方案，使用戶(hù)無(wú)編程基礎(chǔ)即可開(kāi)展材料結(jié)構(gòu)設(shè)計(jì)、性能預(yù)測(cè)和配方篩選，大幅降低材料計(jì)算門(mén)檻。深勢(shì)科技（DPTechnology）的微尺度工業(yè)設(shè)計(jì)與仿真平臺(tái)能夠?qū)⒎肿觿?dòng)力學(xué)模擬效率提升數(shù)個(gè)數(shù)量級(jí)，大幅縮短了新材料（如電池電解液）和藥物分子的研發(fā)周期等。AI輔助研發(fā)方面，一些AI4MSE平臺(tái)利用大模型進(jìn)行文獻(xiàn)解析與知識(shí)探索，能夠在極少的實(shí)驗(yàn)采樣下快速找到多目標(biāo)的最優(yōu)解，如幻量科技(DeepVerse）的MatCopilot智能研發(fā)平臺(tái)等。特定材料方面，AI4MSE正在變革傳統(tǒng)開(kāi)發(fā)具有特定性能（如高強(qiáng)、耐腐蝕）的新型鋁合金、高溫合金等金屬材料，以及新分子和化學(xué)反應(yīng)的模式，其中創(chuàng)材深造（Deepmaterial）的金屬材料全流程AI驅(qū)動(dòng)平臺(tái)、深度原理(DeepPrinciple）的ReactiveA化學(xué)材料平臺(tái)等成果顯著，為高端制造、新能源和醫(yī)藥等領(lǐng)域提供了強(qiáng)大的研發(fā)引擎。

其次，傳統(tǒng)材料巨頭積極轉(zhuǎn)型，紛紛設(shè)立數(shù)字化研發(fā)部門(mén)或引入A技術(shù)，以?xún)?yōu)化產(chǎn)品性能、縮短開(kāi)發(fā)周期。例如，美國(guó)的杜邦（DuPont）利用AI加速其在先進(jìn)電路材料、Kevlar等領(lǐng)域的創(chuàng)新，通過(guò)Al優(yōu)化高頻高速材料配方，以滿(mǎn)足AI服務(wù)器和5G通信的嚴(yán)苛要求；3M公司則推出了“數(shù)字材料中心”（Digital Materials Hub），為工程師提供經(jīng)過(guò)驗(yàn)證的材料數(shù)據(jù)和仿真模型，加速膠帶、粘合劑等產(chǎn)品的設(shè)計(jì)與迭代。在中國(guó)，寶武集團(tuán)發(fā)布了鋼鐵行業(yè)大模型xInPlat，覆蓋研發(fā)、生產(chǎn)、運(yùn)營(yíng)等關(guān)鍵環(huán)節(jié)，將研發(fā)效率提升了30%；萬(wàn)華化學(xué)推出了“萬(wàn)華材料智能助手”，該系統(tǒng)基于材料大模型，不僅能為客戶(hù)提供產(chǎn)品咨詢(xún)和技術(shù)支持，還能通過(guò)AI算法推薦催化劑分子結(jié)構(gòu)，賦能內(nèi)部研發(fā)；中國(guó)石化則計(jì)劃利用AI優(yōu)化從地震數(shù)據(jù)處理、油藏開(kāi)發(fā)到化學(xué)產(chǎn)品研發(fā)與客戶(hù)服務(wù)的全鏈條。這些舉措旨在應(yīng)對(duì)來(lái)自創(chuàng)新型初創(chuàng)公司的挑戰(zhàn)。

最后，CRO模式向材料領(lǐng)域延伸，類(lèi)似于醫(yī)藥研發(fā)外包（Contract Research Organization,CRO），出現(xiàn)了“材料研發(fā)即服務(wù)”（R&D as a Service）的新模式。這類(lèi)服務(wù)商通過(guò)提供集成了AI算法、數(shù)據(jù)管理和自動(dòng)化實(shí)驗(yàn)?zāi)芰Φ钠脚_(tái)，使缺乏自建AI團(tuán)隊(duì)能力的企業(yè)也能以較低成本享受AI帶來(lái)的效率提升。例如，美國(guó)的Uncountable和NobleAI等公司提供基于A(yíng)I的材料研發(fā)SaaS平臺(tái)，幫助客戶(hù)加速配方優(yōu)化和產(chǎn)品開(kāi)發(fā)。在中國(guó)，幻量科技等企業(yè)也提供類(lèi)似的AI驅(qū)動(dòng)研發(fā)服務(wù)，通過(guò)其MatCopilot平臺(tái)幫助客戶(hù)在電池、化工等領(lǐng)域顯著減少實(shí)驗(yàn)次數(shù)、降低研發(fā)成本。

更引人注目的是，AI4MSE有望重塑產(chǎn)業(yè)格局，改變新材料企業(yè)的未來(lái)競(jìng)爭(zhēng)態(tài)勢(shì)。

一是價(jià)值鏈將會(huì)重構(gòu)，產(chǎn)業(yè)的價(jià)值鏈正從“生產(chǎn)制造”向“設(shè)計(jì)服務(wù)”延伸。未來(lái)，最具價(jià)值的可能不是大規(guī)模生產(chǎn)材料的工廠(chǎng)，而是擁有高效材料設(shè)計(jì)算法、核心材料數(shù)據(jù)庫(kù)和強(qiáng)大知識(shí)產(chǎn)權(quán)組合的“材料設(shè)計(jì)公司”“算法+數(shù)據(jù)”將成為新的核心資產(chǎn)。

二是競(jìng)爭(zhēng)范式將會(huì)發(fā)生轉(zhuǎn)變，競(jìng)爭(zhēng)從單一的材料產(chǎn)品競(jìng)爭(zhēng)轉(zhuǎn)向材料研發(fā)體系效率的競(jìng)爭(zhēng)。一個(gè)集成了高質(zhì)量數(shù)據(jù)、先進(jìn)算法和自動(dòng)化實(shí)驗(yàn)?zāi)芰Φ摹爸悄苎邪l(fā)平臺(tái)”，其本身就成為企業(yè)最深的護(hù)城河。能夠最快實(shí)現(xiàn)“設(shè)計(jì)-合成-表征”閉環(huán)迭代的企業(yè)，將在市場(chǎng)競(jìng)爭(zhēng)中占據(jù)絕對(duì)主動(dòng)。

三是研發(fā)門(mén)檻與速度將發(fā)生重大變化，AI將大幅降低在龐大材料結(jié)構(gòu)中大海撈針式篩選的成本，使得小型團(tuán)隊(duì)也有可能發(fā)現(xiàn)具有巨大潛力的新材料，挑戰(zhàn)了傳統(tǒng)上由大型企業(yè)依靠龐大實(shí)驗(yàn)室和試錯(cuò)投入建立的壁壘。但在部分新材料領(lǐng)域，材料數(shù)據(jù)往往被科技巨頭所掌握并壟斷，未來(lái)科技巨頭與初創(chuàng)企業(yè)的實(shí)力差距反而會(huì)更加顯著。

四、未來(lái)展望：挑戰(zhàn)與機(jī)遇共存

新材料的突破往往帶動(dòng)下游產(chǎn)業(yè)的升級(jí)，例如新型半導(dǎo)體材料可催生新一代電子產(chǎn)業(yè)，新型生物材料可推動(dòng)醫(yī)療健康產(chǎn)業(yè)創(chuàng)新。可以預(yù)見(jiàn)的是，AI驅(qū)動(dòng)的新材料革命有望成為未來(lái)經(jīng)濟(jì)繁榮的重要引擎。

AI4MSE的發(fā)展無(wú)疑將孕育眾多新興產(chǎn)業(yè)和商業(yè)模式，成為未來(lái)經(jīng)濟(jì)的新增長(zhǎng)點(diǎn)。一方面，新材料本身就是戰(zhàn)略性產(chǎn)業(yè)，AI將使其市場(chǎng)規(guī)模進(jìn)一步擴(kuò)大。另一方面，圍繞AI+材料將誕生一批服務(wù)型產(chǎn)業(yè)，如材料數(shù)據(jù)服務(wù)、AI仿真軟件、材料基因組咨詢(xún)等。這些產(chǎn)業(yè)具有高附加值和知識(shí)密集型的特點(diǎn)，將創(chuàng)造大量高端就業(yè)機(jī)會(huì)。更重要的是，新材料的突破往往帶動(dòng)下游產(chǎn)業(yè)的升級(jí)突破，例如新型半導(dǎo)體材料可催生新一代電子產(chǎn)業(yè)，新型生物材料可推動(dòng)醫(yī)療健康產(chǎn)業(yè)創(chuàng)新?？梢灶A(yù)見(jiàn)的是，AI驅(qū)動(dòng)的新材料革命有望成為未來(lái)經(jīng)濟(jì)繁榮的重要引擎。

盡管前景廣闊，AI4MSE的發(fā)展仍面臨諸多挑戰(zhàn)：

首先是數(shù)據(jù)瓶頸，高質(zhì)量、標(biāo)準(zhǔn)化的材料數(shù)據(jù)是Al模型的“燃料”，但目前數(shù)據(jù)仍存在獲取成本高、多源異構(gòu)、分布零散等問(wèn)題，尤其是在特定工藝和服役性能數(shù)據(jù)方面缺口巨大。

其次是模型的可解釋性，當(dāng)前的深度學(xué)習(xí)模型多為“黑箱”，其預(yù)測(cè)結(jié)果難以與物理化學(xué)原理直接關(guān)聯(lián)，這限制了其在高可靠性和安全性領(lǐng)域的應(yīng)用。

再次是跨尺度建模的復(fù)雜性，材料性能由從原子到宏觀(guān)的多個(gè)尺度共同決定，如何構(gòu)建能夠有效融合多尺度信息的AI模型仍是前沿難題。

最后是成本因素，雖然AI能降低試錯(cuò)成本，但構(gòu)建和維護(hù)大規(guī)模算力設(shè)施、自動(dòng)化實(shí)驗(yàn)平臺(tái)以及專(zhuān)業(yè)人才團(tuán)隊(duì)的前期投入依然高昂。

人工智能驅(qū)動(dòng)的新材料研發(fā)正引領(lǐng)材料科學(xué)進(jìn)入一個(gè)前所未有的“智能設(shè)計(jì)”時(shí)代。全球格局呈現(xiàn)出中美領(lǐng)跑、多強(qiáng)競(jìng)逐的態(tài)勢(shì)，商業(yè)落地已進(jìn)入加速期，并開(kāi)始深刻重塑產(chǎn)業(yè)的價(jià)值鏈與競(jìng)爭(zhēng)范式。盡管前路仍有數(shù)據(jù)孤島、模型黑箱、多尺度融合等重大挑戰(zhàn)，但通過(guò)學(xué)術(shù)界、產(chǎn)業(yè)界和政府的協(xié)同創(chuàng)新，持續(xù)推動(dòng)“數(shù)據(jù)-算法-算力-實(shí)驗(yàn)的深度融合與閉環(huán)迭代，AI4MSE必將極大釋放材料創(chuàng)新的潛力，為新一輪科技革命和產(chǎn)業(yè)變革奠定堅(jiān)實(shí)的物質(zhì)根基，最終深刻影響人類(lèi)社會(huì)的未來(lái)圖景。

此文刊載于《環(huán)球財(cái)經(jīng)》2025年10月號(hào)（總第299期）

李云哲上海埃米三江新材料科技有限公司 宮學(xué)源北京鎵創(chuàng)科技有限公司