過去兩年，全球AI技術的焦點集中于大模型參數規模的“軍備競賽”，然而，2024年年底DeepSeek的普及，促使行業關注點從單純追求參數規模，轉變為如何高效利用AI技術。

2024年8月27日，在中國國際大數據產業博覽會的“激活數據要素潛能，釋放新質生產力”交流會上，中國信息通信研究院副院長王志勤發布了《中國數字經濟發展研究報告（2024年）》。該報告數據顯示，在勞動生產率增長方面，數字投入的貢獻遠超傳統投入。近十年間，相較于傳統要素，第二產業和第三產業的數字投入對勞動生產率增長的貢獻分別高出5.9個百分點和12.6個百分點。

尤其值得注意的是，數字投入對第三產業勞動生產率增長的貢獻最為顯著，十年間平均貢獻達22.4%。不過，自2021年起，數字投入對第二產業的貢獻開始反超第三產業，近三年平均高出1.7個百分點。

圖片來源：中國信通院

同年12月5日舉辦的中國生成式AI大會上，楓清科技創始人高雪峰指出，當下AI技術正以前所未有的速度發展，這一趨勢推動企業轉型進入全新階段。

“過去，企業多依賴于信息化和數字化來加速流程和提升效率。然而，如今在快速變化的商業環境中，如何利用AI技術實現更精準、智能的決策，推動商業模式的創新，已成為企業智能化轉型的重心。人工智能已不再僅是個技術手段，而是各行各業變革的核心引擎。”高雪峰說道。

AI新階段從“技術突破”到“場景適配”

2025年3月29日中關村論壇“AI賦能大型企業數智化創新”分論壇上，未來圖靈發現產學研各方似乎有著一個共識：“AI的終極考場不在實驗室，而在車間、醫院和生產線”。

AI技術在經歷了前期的快速發展后，如今已進入一個新的階段，將從單純的技術突破轉向場景落地。

“人工智能已改變了工程領域的許多業務。”英國國家數據科學與人工智能研究所艾倫-圖靈研究所首席科學家、英國皇家工程院院士馬克?杰羅拉米在“AI賦能大型企業數智化創新”分論壇上分享人工智能對工業變革轉型的影響，探討當前產業升級的前景。他說，這些轉變體現在從產品和服務的設計、制造和建造、部署、運營、維護以及最終退役的各個環節中。

他舉例稱，如在海洋工程方面開發的人工智能解決方案，可讓船只調整航道從而保護海洋生物，還能降低燃料成本。在航空航天方面，人工智能參與的空中交通控制系統，引導飛機的數量也顯著超過人類交通管制員團隊。

AI應用生態正在發生顛覆性變化。

“和客戶交流最新的AI技術時，經常遇到客戶懂的比我還多。”中電云計算技術有限公司副總裁馬勁在論壇上講道。

這位中國電子云初創成員發現，醫療客戶已開始自主訓練專業模型，“昨天和一個醫生客戶溝通，他已經在用AI訓練自己的模型，問了很多問題，我一時反應不過來，答不上來。”。

這種變化背后是技術門檻的降低。開源大模型像是EPC（事件驅動過程鏈）的爆發，讓私有化部署和行業模型開發成為可能。“過去客戶因數據安全不敢用AI，現在全量開源解決了信任問題。”

未來圖靈發現技術環境的變化，推動了AI應用生態從傳統的“供應商主導”模式，向更加開放、靈活的“用戶共創”模式轉變。

在醫療行業，眾多醫療機構不再滿足于使用現成的AI解決方案，而是結合自身積累的大量臨床數據和專業知識，自主構建疾病預測模型，以提高疾病診斷的準確性和治療方案的有效性。化工企業也積極投身于AI技術的應用創新，利用AI開發材料性能模擬工具，大幅縮短新材料研發周期，降低研發成本。

在當下的AI應用場景中，場景適配能力已經取代單純的技術先進性，成為企業在市場競爭中脫穎而出的關鍵因素。

AI破局“最后一公里”

在材料研發領域，傳統研發模式的弊端愈發凸顯。以合金配方確定為例，常常需要經歷上萬次的試錯過程，漫長的周期、高昂的成本以及低下的效率成為制約行業發展的瓶頸。與此同時，AI技術雖被寄予厚望，但由于缺乏真實生產數據支撐，預測精度甚至不及經驗豐富的老師傅，“最后一公里”問題突出。

數據孤島與標準化困境也橫亙在AI技術應用之路上。新材料研發創新依賴跨學科數據融合，涵蓋化學、物理、材料科學等多領域實驗數據。然而，這些寶貴數據分散在高校、科研機構和企業，且格式各異，缺乏統一標準規范，使得數據整合與分析困難重重，極大限制了AI在新材料研發中的效能發揮。

人才知識結構的斷層同樣不容忽視。懂AI技術的專業人才對化學、材料等傳統學科知識理解不足，而熟悉工藝的行業專家又欠缺算法開發等AI技能，這一知識結構的斷裂嚴重制約了AI技術在產業實際場景中的轉化應用。

從行業競爭格局來看，全球新材料產業已形成三級競爭態勢。發達國家憑借核心技術和高市場占有率占據主導地位，我國新材料產業起步晚、基礎薄弱。一項“新材料強國2035戰略研究”指出，我國未來需81種新材料，并明確21個重點發展領域。我國計劃到2025年實現重點新材料技術與國際同步，2035年基本解決核心材料自主保障問題。中國工程院強調，加強新材料自主創新體系、構建數字化研發平臺、推進人才隊伍建設是產業發展關鍵。

面對AI落地新材料研發的諸多挑戰，中化信息技術有限公司、吉林大學、北京楓清科技有限公司在“AI賦能大型企業數智化創新”分論壇上，共同成立“人工智能賦能新材料聯合實驗室”，旨在借助人工智能技術突破新材料研發瓶頸，推動產業智能化、高效化發展。

圖片來源：中關村論壇

高雪峰表示，整合三方優勢資源，有信心以創新模式加速新材料研發，助力我國新材料科技創新。

吉林大學計算機科學與技術學院院長楊博指出，吉林大學在人工智能領域科研積累深厚、人才優勢明顯，新材料突破需多學科融合，此次合作能讓高校科研成果與產業需求緊密相連，期望通過聯合實驗室在AI賦能下實現新材料理論與技術突破，培養跨學科創新人才，為產業發展提供智力支持。

解碼“AI+材料”創新方程式

公開資料顯示，中國中化在高端制造應用領域著力發展氟、硅等材料，聚焦電子信息、航空航天、新能源等戰略領域，積極布局化工新材料、新技術與新產品。中化信息作為直屬數字科技公司，在推動集團數智化建設時，將人工智能廣泛應用于業務場景，其數智創新研究中心搭建了人工智能平臺和數智化科研平臺，尤其在AI與新材料技術融合方面開展了前瞻性探索，通過數據驅動革新研發范式，為集團戰略性產業升級助力。

而楓清科技作為國內領先的人工智能技術提供商，專注構建知識引擎與行業大模型雙輪驅動的智能體平臺，將人工智能與產業場景深度結合，提供落地的平臺型產品與解決方案。此前，楓清科技已與中化信息在“AI+化工”和“AI+農業”領域合作，積累了豐富技術和產品融合經驗，能夠快速推動“AI+新化工材料”技術突破。

吉林大學在“AI+新材料”領域成果豐碩，承擔多項國家重點課題，如智能計算新方法驅動的新材料設計專項等。其自主研發的新材料設計平臺整合科研成果，牽頭建立“長白山實驗室”專注AI賦能新材料設計。在與楓清科技緊密合作基礎上，吉林大學將在聯合實驗室中發揮關鍵科研創新作用，借助楓清科技產業資源實現科研成果快速落地。

據了解，“人工智能賦能新材料聯合實驗室”將專注于借助人工智能技術提升新材料研發全流程效率。

首先，著力加強垂直領域推理大模型建設，以提升材料研發效率為核心目標，將LLM 與材料行業知識及工具相結合，基于 DeepSeekR1 等模型構建垂直領域模型與多智能體系統，從而強化研發的智能化支持，優化用戶體驗。

其次，強化特定新材料領域產業數據資產建設，深入挖掘化學多模態知識，構建聚合物、仿真及表征等高質量數據集，并研發工具平臺提供數據資產服務，推動數據標準化與流通。再者，大力加強智能化工具平臺建設，提升對大模型工具的選擇與使用能力，賦能行業軟件與細分領域小模型，搭建科學計算平臺，為產業生態提供豐富多樣的工具服務。

最后，注重加強基礎理論融合研究與人才培養，著重培養材料基因工程、大數據等跨學科復合型人才，積極推進校企合作，承接國家課題，同時發展小樣本、高維數據機器學習方法，推動多源數據融合、跨尺度仿真與數字孿生等領域的研究，助力新材料發現與理論突破。

據透露，楓清科技的知識引擎與大模型融合的智能體平臺將在聯合實驗室中發揮關鍵作用。該平臺利用積累的行業知識和大模型強大推理能力，構建新材料領域行業推理模型，提升材料性能預測準確性與效率。同時，智能體平臺能夠處理分析多種數據，為解決復雜問題提供全面智能化支持。

楓清科技聯合創始人兼COO葛爽表示：“聯合實驗室的成立，是楓清科技響應國家戰略，以AI技術賦能傳統產業升級的重要實踐。我們很高興能與優秀伙伴合作，探索AI在新材料領域的應用，構建開放共贏的AI生態，將技術和平臺能力推廣到更多行業，助力中國經濟高質量發展。”

圖片來源：攝圖網

當AI從“炫技”走向“務實”，企業的勝負手不再是參數規模，而是對產業痛點的深度洞察與生態協同能力。

未來的創新圖譜，必由“實驗室突破”與“車間迭代”共同繪制。在這場數字化轉型的深水區競賽中，誰能將AI真正“焊”進生產線，誰就能搶占新質生產力的制高點。