“一代材料一代技术、一代材料一代装备”，新材料作为基础性、战略性产业，其研发长期依赖于理论探索和经验积累，如今，AI通过机器学习与大数据分析，破解“工艺黑箱”与效率瓶颈，推动新材料研发由“试错科学”向“生成科学”转变，使得新材料产业重新站在话语权争夺的历史转折点上。

一、“需求适配”到“需求定义”，新材料研发范式转变

传统新材料研发以“试错法”为核心，研究人员通过经验积累和直觉尝试不同材料组合，这种方法有两个明显的特征：一是周期长，一种新材料从实验室到产业化往往需要10—20年；二是成本高昂，需要进行上万次实验才能找到理想材料组合，可谓是“勤能补拙”。此外，随着理论的发展和计算机技术的进步，理论模拟计算已成为发现新材料的重要方法之一，诞生了“密度泛函理论（DFT）”（一种量子力学计算方法，通过将复杂的多电子问题简化为电子密度的计算，显著降低了计算的复杂性，使得研究者能够预测材料的电子结构、晶体结构、光学性质、磁性等关键特性）等计算方法，但此类研发方式计算量极大，若要一次性筛选数百万种化合物，成本高到难以想象，需要“氪金加速”。

人工智能的出现与应用推动新材料研发范式发生根本性转变，通过AI算法直接从性能需求出发，建立从性能到结构的映射关系，从而跳过传统方法中漫长的筛选过程，逆向推导出满足特定性能要求的材料结构，不仅可指定材料类型，还能设定机械、电气、磁性等性能需求，为精准研发提供有力工具，实现从“需求适配能力”到“需求定义能力”的跃迁。

全球创新实践已经充分表明了AI技术在材料研发领域的颠覆性价值。如2023年底Google公司开发的GNoME材料领域大模型，预测了220万种新晶体，其中38万种为热力学稳定结构，736种已获实验验证；发现52000种新型层状化合物，含1000种颠覆性电子材料；发现528种潜在锂离子导体，获取了人类接近800年的知识成果，研究效率提升25倍，并已应用于固态电池硫化物结构优化，这种效率的革命性提升，使人工智能技术成为突破材料研发瓶颈的必然选择。

二、“创新引领”+“制造智造”，我国AI+新材料的战略部署

2026年1月《“人工智能+制造”专项行动实施意见》将原材料行业人工智能赋能制造业重点行业转型列为首位，明确提出支持AI+新材料研发深度融合，释放两大明确的战略信号：

一是新材料的产业定位从“基础产业”到“支撑产业”再到“引领产业”实现三级跳。2010年《关于加快培育和发展战略性新兴产业的决定》首次将新材料列为七大战略产业之一；2021年《“十四五”原材料工业发展规划》明确提出新材料产业是‌支撑国民经济发展的基础性产业‌和赢得国际竞争优势的关键领域，并强调通过“材料先行”原则强化其在产业链中的先导作用；党的二十届四中全会审议通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》将新材料产业升级为“新兴支柱产业”。材料基因组、人工智能赋能和绿色低碳变革，持续推动新材料从“基础产业”到“支撑产业”到升级为“引领产业”。

二是“人工智能+”的核心仍是赋能制造业转型升级。2025年国务院发布的《国务院关于深入实施“人工智能+”行动的意见》，2026年1月工信部等八部门发布的《“人工智能+制造”专项行动实施意见》均明确加快推动人工智能+产业发展，一端抓技术供给，推动智能产业化；一端抓赋能应用，加快产业智能化，整体壮大产业生态，促进人工智能科技创新与产业创新深度融合，加速“从0到1”重大科学发现进程，加速“从1到N”技术落地和迭代突破。在新材料领域，明确加快赋能钢铁、石化化工、有色金属、建材等原材料制造业相关重点行业，加快人工智能与新材料研发深度融合，发展面向合金、陶瓷、高分子、能源材料的跨尺度计算框架，构建新材料分子设计、合成制备、工艺优化等行业大模型，提升材料科学研究人机协作能力，提升新材料高通量自动化实验和制备能力等。

综合来看，人工智能作为新材料产业变革的关键工具，国家一方面以钢铁、石化化工、有色金属、建材等传统材料领域为战略突破口，系统性推动垂直领域大模型的建设与应用，实现生产全流程的精细化管控与智能化升级。另一方面，重点支持合金、陶瓷、高分子、能源材料等新材料领域构建行业大模型，高标准建设细分领域高质量数据集，完善模型评估与技术创新生态，强化大模型的适配性与准确性，提升新材料高通量自动化实验和制备能力，打通实验室研发—工业化生产链条，在材料端实现从“并跑”至“领跑”的历史性跨越，推动我国材料工业从“规模领先”向“创新引领”的战略转型。

三、“群雄逐鹿”+“百花齐放”，我国AI+新材料的发展形势

一是国内“AI+新材料”探索兼顾研发与生产，入局者已初步形成五大阵营。1.制造业企业需求驱动以降本增效为目标探索研发新材料与生产流程优化，大型制造企业通过自建AI研发团队，将机器学习、工业大数据与自身产线深度耦合，实现关键材料（电池、合金、催化剂等）快速定型和降本增效。如小米依托自研AI模型与国内顶级材料团队协作，从2443万种配方中筛选出量产最高强度“泰坦合金”，通过1000多万次AI模拟仿真试验，成功实现从实验室到量产的跨越，研发成本下降72%，零件强度提升37%，应用于SU7、SU7 Ultra车型。2.科研机构以材料基因工程（高通量）协同建立AI工具实现高效的学术支持，如中国科学院松山湖实验室发布MatChat AI智能体，实现工艺配方的逻辑推理，与其开发的“机器人材料科学家”“Atomly.net材料科学数据库”“GPTFF 人工智能通用力场”等几套智能系统联动操作，形成一体化平台，实现材料科学的智能化研发。3.科技巨头提供新材料领域通用基础设施和模型底座，拓展垂类模型服务，如华为基于华为云Stack建设人工智能训练中心，并利用华为云盘古大模型的预测大模型、视觉大模型、NLP（自然语言处理）大模型三大底座，服务海螺集团开发水泥建材人工智能大模型，科学指导生料配料、水泥配方优化；服务南钢集团开发元冶·钢铁大模型，使得研发成本减少20%、研发周期缩短30%，实现了钢材产品的力学性能实时在线预测，产品成材率提升2%，交付周期缩短10%。4.孵化新型科技企业，专注于提供行业颠覆性解决方案。如北京大学孵化出北京深势科技，开发Uni-Mol分子大模型，在蛋白质预测能力上仅次于谷歌的AlphaFold3，服务于合金、半导体等多种材料体系的设计；北航教授创立深云智合，搭建DeepChem智能合成平台，实现全流程自动化、无人值守、7×24小时远程实验。5.初步诞生专业研发外包（CRO+数据服务）服务公司，如杭州材智科技发布产品材智云，为中小材料企业提供按需计算、性能预测、材料科学数据库及高水平定制化服务，降低创新门槛，与杭州焕醒科技合作研发新型刀片材料，设计合成仅耗时35天，节省研发时间6-12月，获得订单100万元，创造直接经济效益超过300万元；长沙顶材科技推出国内首款由材料领域大模型驱动的“材料研发智能助手TopMat Agent”并开放网页版和API接口，已助力5款商业化新材料落地，节省千万级研发费。

二是四大区域群雄争霸，百花齐放，各具特色。1.创新驱动型地区专注于“AI+研发”，如北京、上海等地依托AI和新材料研发优势及“材料基因研究平台”等率先启动技术布局，从材料研发端入手，做强数据交易、研发代工等新材料服务业；2.资源驱动型地区专注于“AI+生产”，如云南、四川、贵州、内蒙古、山西等新材料矿产资源丰富地，创新优势不突出，选择首先将AI技术用于资源勘探、智能开采、高效利用与循环回收等新材料的前期生产环节，探索无人+人工协同服务模式，开启智能矿山与数字矿工新时代，致力于实现“鼠标采矿”。3.综合战略布局地区专注于“AI+中试”串联产业链，如武汉、合肥等大科学装置集中地，依托重大科技基础设施群、国家科学中心基础及国家专项牵引，统筹布局智能实验室建设，致力于构建完整的科技成果转化新生态，贯通新材料“智能设计—智能制备—智能验证—智能生产”全过程。4.市场驱动型地区专注于“AI+制造”，如苏州、深圳等民营经济活跃，依靠自由竞争激发活力地区，以新型工业化为发展目标，满足行业的迭代发展对新材料产业提出的更高需求，利用AI技术为产品性能和质量提升提供材料基础。

四、“数据共享”+“全链贯通”，AI+新材料实现闭环变现路径的相关思考

当前，AI+新材料产业整体仍处于“为爱发电”的探索期，关注多热情高，但成熟的商业化路径尚未清晰。尽管AI在材料发现、性能预测、工艺优化等环节展现出显著潜力，但其价值多停留在科研验证或局部试点阶段，尤其在大模型行业整体不赚钱的大背景下，尚未形成可规模化复制的变现模式，企业普遍面临“技术可行、经济难算”的困境。一方面，高质量数据稀缺、领域知识壁垒高、模型泛化能力弱，限制了AI工具的普适性；另一方面，新材料本身应用落地周期长，应用场景需挖掘，使得AI赋能带来的效率提升难以快速转化为实际收益，因此，行业正处于从“技术驱动”向“价值闭环”过渡的关键探索期。

数据“量少质差”影响模型准确性，促共享、建标准推动AI工具更“可用”。数据流通是人工智能行业的共性难题，在新材料设计过程中，机器学习需要庞大的数据量支持，也需要融合多种不同类型数据，如分子结构、光谱数据及工艺参数等。目前，材料领域论文数据水平参差不齐，工业数据来源分散，大量有价值的有效数据分散存储于企业内部，AI技术面临“巧妇难为无米之炊”的共性问题，尤其在新型材料研发方面，数据匮乏，模型在训练时难以充分学习，从而影响对稀有但重要材料特性的预测和分析。此外，不同数据服务机构或企业间数据标准不一致，也会导致数据融合与模型训练效率低下。因此，在数据层面，加强数据整合，建立数据共享机制，支持企业开放数据，完善数据分享标准，促进数据服务业态发展，完善模型的验证与评估，成为AI+新材料持续发展的必由之路。

行业仍聚焦单点突破，尚未出现贯通全产业链的“破壁人”，全链条、跨领域推动AI工具更“好用”。目前AI+新材料的多数入局者聚焦于局部环节的效率提升或技术替代，主要围绕三大方向：研发创新加速、生产流程优化及通用数据服务支撑，以单场景为主，多呈“孤岛式”分布，尚未涌现出能够贯通“基础研究—材料设计—工艺开发—中试验证—规模化生产—应用反馈”全链条领军企业或率先走通商业闭环实现高值盈利的“破壁人”企业（如ofo小黄车），实现新材料从实验室到产线、从样品到商品。未来，要推动AI+新材料走向“好用、常用”，还需通过建设黑灯实验室、黑灯工厂等构建全链条协同机制与跨领域融合生态，实现如同生物医药“CRDMSO”的一站式、“交钥匙”的解决方案，推动AI从“辅助工具”进化为新材料产业的“核心引擎”，催生真正意义上的产业革命。

作者介绍

吕紫薇

中级经济师

咨询工程师（投资）

长期专注研究新材料、新能源、人口等领域，深度参与北京市、区多项重点产业研究咨询工作，曾获得北京市优秀咨询成果奖。

编辑：张　华 

审核：刘　敏