人工智能正在重塑新材料研發范式，加速產業變革。近日，《北京市加快推動“人工智能+新材料”創新發展行動計劃（2025-2027年）》（以下簡稱《行動計劃》）發布。記者從北京市科委、中關村管委會獲悉，北京一批“AI+新材料”融合創新成果加速涌現。

北京已集聚近10家“人工智能+新材料”算法軟件企業

新材料作為戰略性、基礎性產業，是現代化產業體系和新型工業化的重要支撐。但長期以來，新材料研發依賴于理論探索和經驗積累，需要經歷反復實驗，導致研發周期漫長、成本高。

“AI+新材料”不僅能大幅縮短新材料的研發周期，降低研發成本，顯著提高研發效率，還能利用AI技術在處理高維度、跨尺度復雜體系問題方面的強大計算能力，實現材料成分、結構與性能的預測、模擬和分析，賦能研發、制造和應用等環節，對于材料領域科技創新和產業發展具有重大意義。

“AI正在改變材料科學的研發范式?！敝袊茖W院院士、北京大學教授、北京科學智能研究院學術委員會主任鄂維南指出，問題正在迎刃而解?！氨本┚邆淙斯ぶ悄苜x能材料科學的先發優勢與人才基礎，同時全面布局了科研基礎設施，為新材料研發提供系統性的有效工具?！?/p>

據北京新材料和新能源科技發展中心副主任周航介紹，目前，北京已集聚近10家“人工智能+新材料”算法軟件企業，占全國總量的1/3，智能實驗室、數據平臺等基礎設施加速落地，北京科技大學等高校開設“材料智能技術”專業，年培養跨學科人才超500人，為行業不斷注入新鮮血液。

AI賦能，小米從上萬種合金配方中快速鎖定最優解

目前，北京一批“AI+新材料”融合創新成果加速涌現，形成了一批AI賦能的標桿性新材料典型案例，小米汽車上的“泰坦合金”，實現從實驗室到量產車的智能躍遷；中國鋼研6個月內設計開發出世界上強度最高（800MPa級別）的高性能抗氫厚板材料；北京科學智能研究院引入AI分子表示學習模型，設計出不含貴重金屬的新一代OLED發光材料……

其中，小米團隊使用自研的多元材料AI仿真系統，從上萬種合金配方中快速鎖定最優解。通過一體化壓鑄，應用于小米首款車型SU7車身結構件，焊接點減少840處，提升了車身結構的穩定性；車內降噪效果顯著，為用戶帶來了靜謐舒適的駕乘體驗；車身重量減輕，續航能力得以提升；同時經過超200萬公里的嚴苛耐久壽命驗證，產品可靠性得到充分保障。2月27日，小米新發布的車型SU7 Ultra，也搭載了“泰坦合金”。這一新型材料成果，不僅助力小米汽車在市場上脫穎而出，更為整個汽車制造行業提供了全新的材料解決方案。

AI助力優化材料生產工藝

AI for Science預訓練大模型出現，開啟了材料研發新紀元。北京科學智能研究院和深勢科技聯合團隊以“征服元素周期表”為目標，發起大原子模型計劃OpenLAM，并已與多方合作迭代發布2代深度勢能預訓練大模型（DPA），其預測能力覆蓋元素周期表中90余種元素，可應用于半導體、合金、有機分子等多類材料體系研發。

目前，大原子模型計劃下的另一款Uni-Mol分子大模型，在蛋白質預測能力方面僅次于谷歌發布的AlphaFold3，位列世界第二，但研發投入成本僅為其幾百分之一。

深勢科技政企事務副總裁劉會師說，無論是藥物分子研發還是材料分子研發，目前大多使用傳統的實驗試錯方式，即通過不斷的探索性實驗找到新的材料分子結構。好的模型可以通過計算的方式代替相當一部分探索性實驗，給出可能的成藥或者材料結構，用篩選出的“成功率更高”的結構再去做驗證性實驗，可以減少高昂的實驗成本。

“我們還推出了基因大模型、蛋白大模型、文獻大模型、表征大模型等。”深勢科技解決方案事業部高級經理伍旭說。談及提升材料研發效率，他舉例說，1名研究生一天可能做10-20個實驗，如果研究160萬種材料的能量轉化效率，從而擇優選擇，常規情況下，一個研究生可能要做1萬天的實驗。借助 AI模型可以快速預測材料性質，同時優化材料生產工藝，使其合格率大幅提高?！袄?，我們使用AI for Science科學大模型優化了鈉電材料工藝，使其初始放電容量實現大比例提升，研發周期也大大縮短?！?/p>

協作機器人在智能實驗室執行任務

智能實驗室是北京“人工智能+新材料”發展布局的重要物理載體。軟硬一體、干濕閉環的智能實驗室將顛覆傳統實驗布局，實驗臺不再需要按照1.2米的標準高度為人類操作量身定制，機械按鈕被虛擬控制界面取代，實驗設備能夠自主執行任務并實時優化實驗參數，AI系統可設計實驗、分析數據并生成報告，大幅提升研發效率，為新材料的快速發現和創新開辟全新路徑。

“傳統的材料開發耗時費力、效率低，標準化流程欠缺，相關經驗不容易描述，而且可能由于操作失誤造成中毒、爆炸等。”北京深云智合科技有限公司創始人、北京航空航天大學教授劉宇宙說，深云智合構建了全面自動化智能實驗室——DeepChem智能合成平臺，可以實現全流程自動化，無人值守，7×24小時遠程實驗也大大提高了實驗效率，同時降低開發成本。

智能實驗室首先通過計算模擬、篩選候選，在虛擬環境中創造新化合物結構，并預測其在不同應用場景下的表現，大幅加速了新材料的發現過程。同時，協作機器人承擔重復性的操作任務，比如開蓋、放置、移液、加樣、過濾、稀釋、快速取樣、樣本轉運等。智能實驗室還能對實驗信息進行實時收集、整理、上報、分析，建立數據倉庫和數據流程模型，對歷史數據進行再利用，用于優化工作過程和實驗效率。

“在OLED中間體材料新分子開發的案例中，客戶預計耗時半年的工作，平臺2周完成，研發成本降低80%?！眲⒂钪嬲f。

新京報記者 張璐

編輯 劉夢婕 校對 陳荻雁