2025年12月26日，上海浦東浦軟大廈，在想象·2025極新AIGC峰會上。新研智材聯(lián)合創(chuàng)始人&CTO南凱做了題為《材料科學與通用模型結合的新紀元》的演講，系統(tǒng)闡述了AI技術如何重塑材料研發(fā)范式。
新研智材聯(lián)合創(chuàng)始人&CTO 南凱
南凱重點提到以下幾點：
“算法更適合理解材料結構”
“構建多元知識提取方法，形成SaaS結構鏈，落地材料解決方案。”
“我們的軟件能夠大幅降低客戶的研發(fā)成本，并且將研發(fā)效率提升7倍左右。”
以下為南凱演講原文，經極新整理，希望能給大家?guī)硎斋@。
01
AI驅動材料研發(fā)新范式
“算法更適合理解材料結構”
剛才我們已經分享了很多關于AI或者AGI的相關話題，但會發(fā)現(xiàn)，我們已經有了一定程度上比較強大的通用模型，可材料科學似乎沒有太多進展，也沒有聽到太多相關聲音，這是為什么？
這里要提到第一個核心問題：AI+材料，到底該由AI主導還是由science主導？
我們從兩個維度來分析。第一個是統(tǒng)一表征空間，目前我們所說的GPT或DCT都是以文本形式交互，就像剛才介紹的向量數(shù)據(jù)庫一樣，我們在構建一個表征空間，讓AI能夠理解物理世界的信息，這一點上，AI+材料與AGI的核心目的是相通的。
在材料領域，我們有多種不同類型的數(shù)據(jù)，包括文本、結構（可能涉及文獻、專利、分子類型等）、圖像或圖譜。從計算到推理，我們需要建立結構到性能的映射關系，并給出相應機理。
當前我們正在探究的核心，是如何讓AI懂science，或是讓science引導AI理解物理世界?；仡櫜牧现悄艿陌l(fā)展，大致可分為三個階段：上世紀末到 2010年左右是起步階段，核心是構建大量數(shù)據(jù)（包括一些高通量數(shù)據(jù)庫）；2015年后，隨著 AI 快速發(fā)展，開始引入 AI 方法參與材料研究；到現(xiàn)在，受益于大模型進化與算力提升，涌現(xiàn)了更多先進算法。
從算法角度看，2022年可視為關鍵節(jié)點，大模型出現(xiàn)后，材料領域才真正重視起AI賦能的價值。但從過往經驗來看，無論是學術界還是工業(yè)界，AI+材料的發(fā)展相較于AI+醫(yī)藥，成熟度和速度都稍遜一籌。材料是傳統(tǒng)領域，過去缺乏足夠驅動力讓AI助力材料發(fā)展；2022年雖涌現(xiàn)出大量新型算法，但相較于純AI研究，這些算法在技術層面仍落后幾個層級。而AI+材料的核心訴求，從來不是追求最先進的 AI 算法，而是找到更適合理解材料結構的算法。
02
研發(fā)效率的智能化革命
“構建多元知識提取方法，形成SaaS結構鏈，落地材料解決方案。”
具體來講，2000~2010年以計算為主，包括分子動力學、DFT密度泛函理論；之后我們構建了一大批數(shù)據(jù)庫（包括提出標展）；再到后面，核心是傳統(tǒng)機器學習，涵蓋隨機森林等算法。直到現(xiàn)在，我們引入了更先進的算法，當前行業(yè)核心探討的是，如何讓AI模型真正理解物理世界信息，實現(xiàn)材料從頭設計。
從工業(yè)界角度看，這與剛才所說的算法演進是匹配的，過去行業(yè)發(fā)展周期從20年逐步縮短至10年，1995年左右，分子動力學和密度泛函的出現(xiàn)，開啟了以計算為主的階段；2015年前后，隨著材料科技發(fā)展、數(shù)據(jù)庫擴展與完善，我們進入到新的時代，我們有足夠多的數(shù)據(jù)，能夠讓AI去得到很好的效果的模型；當前又一個關鍵時間節(jié)點是2010年到2020年，大量AI +材料初創(chuàng)公司涌現(xiàn)，包括美國AI領域、OpenAI前研究員及境外研究員創(chuàng)立的企業(yè)，還有眾多優(yōu)秀友商，均聚焦這一賽道。
我們構建了一款名為PoT的算法，Procedure of Thoughts。傳統(tǒng)大模型核心是推理能力，比如通過一段文字描述，讓模型模擬專家思路完成數(shù)學題解題過程。但這種模式的明顯缺點是，必須依賴固定規(guī)則才能運行。而材料研發(fā)存在大量變量，每一個需求、每一個參數(shù)指標都可能變化，在這種情況下，類似COT的大模型或智能體，往往面臨無法落地的問題，僅能提供偏理論的解決方案。這個問題其實在各個垂域模型都會遇到的，我們提出的PoT算法就是為解決垂域數(shù)據(jù)獲取而來。
我們構建了一套PoT方法論，核心是萃取眾多資深行業(yè)專家知識，通過多種知識提取方法，搭建場景模式、問答模式，形成垂域知識的knowhow結構鏈提取體系。
借助這套結構鏈提取體系，我們能實現(xiàn)兩大核心價值：第一，訓練垂域大模型與智能體；第二，采用Structure Path方式構建AI架構，讓 AI 系統(tǒng)可動態(tài)調用各類工具，具備配方專家、設備專家、工藝專家等復合能力，輸出可落地的材料解決方案。
具體以導熱材料為例：目前市面上常用的導熱材料，存在性能指標相互沖突的問題，比如要求“導熱率大于6瓦、厚度小于20微米”，而實際中這兩個指標在配方構成中存在著相互矛盾。若以COT模式應對這類需求，僅能基于過往數(shù)據(jù)推理，無法落地；但通過我們的PoTAI系統(tǒng)，除核心指標外，還會綜合考量揮發(fā)性、滲油性、成本、工藝、設備等多重影響因素，最終形成切實可落地的解決方案。
從行業(yè)發(fā)展來看，當前算力、算法、數(shù)據(jù)已實現(xiàn)質變，未來5年，材料領域有望迎來重大突破。我們公司去年12月成立滿一年，已服務數(shù)家上市客戶，從實際應用反饋來看，我們的算法平臺能大幅降低客戶研發(fā)成本，同時將研發(fā)效率提升7倍左右。
星空人工智能技術網(wǎng) 倡導尊重與保護知識產權。如發(fā)現(xiàn)本站文章存在版權等問題，煩請30天內提供版權疑問、身份證明、版權證明、聯(lián)系方式等發(fā)郵件至1851688011@qq.com我們將及時溝通與處理。?。?a href="/">首頁 > 新質生產力 » 重塑材料研發(fā)范式，新研智材用AI驅動效率倍增