AI 推动新材料研发突破的价值：

我国是全球最大的材料生产国，仅新材料产业规模就超十万亿，若计入钢铁建材等传统材料产业，规模更高达近百万亿。但我国材料产业研发范式仍以试错为主，整体呈现“大而不优、大而不强”的特点，这和原料药产业的困境有些类似。为了改变这一现状，十五五阶段国家将战略性布局 “AI+新材料”，这有望成为突破行业瓶颈的关键。

AI正在重构科学研究的范式。科研的第一范式是经验驱动，这是两千多年来人类认识自然的主要方式，也是传统的材料研发方式；第二范式是理论驱动，从牛顿力学到量子力学，为材料研究搭建了坚实的理论框架；第三范式是计算驱动，70年代后随着计算机的发展，计算材料学进步飞速；第四范式是数据驱动，这与互联网大数据时代同步，去年诺贝尔奖AlphaFold就是典型代表，该算法基于人类多年积累的几十万条蛋白结构数据；第五范式是智能驱动，这是最新也是影响最深远的范式，AI将深度参与全学科的研发全流程，成为研发伙伴甚至领导者，即所谓AI Scientist。

近年来AI的发展速度可以说是字面意义上的“日新月异”。2023年初ChapGPT问世不久，我曾提交过一个基金项目建议书，提出三年内“让AI达到化学硕士水平”，评审中被批异想天开，项目也自然没拿到。现实中ChapGPT4o于2024年中其就自动实现了这个目标，而今天最先进的AI如Gemini3已经在知识广度上已经超过了所有科学家，深度则达到高年级博士生的水平，个人认为明年有望超越大部分博士。这次技术进步是颠覆性、革命性的，它带给的科研效率提升，不是30%、50%，而是数倍，未来甚至是百倍、千倍。

AI 行业的三要素：

人工智能的三要素是算力、算法和数据。算力方面，在通用人工智能赛道我国有一定差距，但在材料、化工等专业领域，国内算力已能满足需求。算法方面，我国落后不多，差距少则三个月、多则一两年。数据方面，前期我国落后较多，现在我们依托新材料大数据中心在积极行动，基本实现跟跑。目前的主要困难在于高质量数据缺乏：人类历史上积累的公共数据将很快耗尽，就像ChatGPT已经把互联网数据扒了一遍，材料文献中的公开数据也已经挖掘得差不多了。自动化实验室或数字化产线上产生的大量高质量的新数据，才是未来的“黄金矿”。将这些真实场景下采集的高质量数据批量喂给AI模型，能让其快速向物理世界学习，大幅加速真实场景落地，实现“新材料智造”，而这将是大国竞争的核心胜负手之一。

国家推动数据共享的主要思路：

目前我国材料数据孤岛现象严重。国家层面推进数据共享决心很大，分别从行政、商业、技术三个方面入手：一是要求国家支持的项目汇交所有数据；二是构建“1 + n”网络化的新材料大数据中心，包括苏州实验室主持的1个主平台和n个资源节点。主平台负责收集公益性数据并开放共享，资源节点则汇交数据目录而非数据本身，同时以政府补贴或项目支持等形式促进数据共享和交易；三是发展全新的技术手段如区块链等保护数据来源和潜在的商业利益。

企业商业数据保护办法及普惠预期：

针对企业普遍关心的核心商业数据隐私保护问题，我们在技术上也提出了针对性的解决办法：核心思路是将数据处理与利用的全过程在企业本地实现，包括开源或本地部署AI工具。例如，可以基于Deepseek等开源模型，利用企业自有数据定制化微调本地化大模型，所有操作均在企业本地完成，从根本上打消了对数据泄露的顾虑。虽然目前的AI工具使用还存在一定的门槛，但随着技术普及，这个门槛会逐步降低，逐步实现大范围普惠。

中国 AI + 材料领域竞争态势：

AI + 材料领域的竞争激烈，我国近年来进步显著，可以说目前整体已达到世界第二的水平，数个子领域中实现了领先。但同时我国在技术生态和思维模式上仍存在明显差距，部分企业仍习惯性的停留在“技术引进+低成本运营”的旧模式中，完全不适应未来十年的发展。其实，我国已有部分新材料企业实现了 30%甚至40% 以上的高毛利润，证明了通过创新研发高附加值产品，再用高利润反哺下一代技术投入的良性循环是可行的，就像谷歌能持续创新，正是源于其每年稳定的巨额盈利作为底气。

当下AI与企业结合最重要的是什么：

要实现从跟跑到全面领跑，关键在于思维转变。过去不论是企业还是部分专家领导，都存在 “美国人没做出来，我们就做不成” 的固有观念。现在我国在很多全新的材料体系中已经具备了领跑的潜力。企业家需要敢于打破思维惯性，勇于承担风险，投入研发高附加值产品；同时政府也需要加大力度持续完善产业和政策配套支持原创性探索和创新，让创新成果能顺利落地转化。

在AI+材料这个新领域，勇于尝试和持续学习至关重要。我国产业体量大，中小型企业虽然利润薄、市场压力大。部分企业领导已经认识到AI的重要性。如果一把手有决心，下功夫整合散落在车间、产线、研发、用户反馈中等数据，完全有可能大幅提高生成和研发效率，在产业链中占据更高端的生态位。个人观察，AI+材料技术逐步成熟，在企业真实场景中落地的爆发点很有可能就在明年，这是一个令人激动的时刻。

中国AI开源闭源模型的态势：

目前，世界范围内闭源大模型的玩家其实只有四家：谷歌、OpenAI、Anthropic 和马斯克的Grok，我国的字节也有一定机会，其他玩家则很难站上最后的牌桌了。我国在闭源大模型领域稍显落后，但在以千问等为代表的开源模型方面，我们已处于世界共同领先水平，甚至可能更具优势。

AI与传统软件存在本质差异。软件拷贝使用的成本近乎为零，但AI每次调用都要消耗大量算力。闭源大模型虽然性能优越，但对资源的消耗也更大；开源模型不仅成本更低，且体量相对可控，也可定制化。我们完全可以针对千行百业甚至每个企业和个人定制专属大模型，这些专业大模型在其特定领域的专业度并不逊色于通用闭源大模型，成本优势则十分突出。更重要的是，我国在算力成本和应用场景上拥有美国无法比拟的优势，我们的能源成本比美国低一半还多，随着光伏和储能产业的发展，这个差距还可能进一步拉大。而美国在能源成本、工业基础等方面的短板很难扭转。所以，我对中国AI+的发展，尤其是基于开源大模型/智能体的场景落地和产业进步，有着充足的信心。

注：以上访谈内容为嘉宾个人观点整理

仅供参考！