張江何以成為AI4M思想策源地？一場(chǎng)跨越學(xué)術(shù)、產(chǎn)業(yè)與資本深度對(duì)話

當(dāng) AI for Science 的浪潮從生命科學(xué)向物質(zhì)科學(xué)縱深推進(jìn)，材料研發(fā)正經(jīng)歷從「經(jīng)驗(yàn)試錯(cuò)」到「智能設(shè)計(jì)」的范式轉(zhuǎn)換。數(shù)據(jù)稀缺、工程化閉環(huán)缺失、商業(yè)模式模糊等現(xiàn)實(shí)挑戰(zhàn)，讓這場(chǎng)變革遠(yuǎn)比單一技術(shù)突破更為復(fù)雜，也更需要一場(chǎng)跨越學(xué)術(shù)、產(chǎn)業(yè)與資本邊界的深度對(duì)話，在真問題中探尋真路徑，在碰撞中建立真合作。

5 月 22 日，塔尖會(huì)系列活動(dòng)之「AI 驅(qū)動(dòng)下的材料科學(xué)范式革新閉門會(huì)」在張江 AI 創(chuàng)新小鎮(zhèn)順利舉行。本場(chǎng)活動(dòng)由機(jī)器之心、張江人工智能創(chuàng)新小鎮(zhèn)生態(tài)服務(wù)公司、機(jī)器之心聯(lián)合主辦，并得到張江科學(xué)之門 A 塔的場(chǎng)地支持。來(lái)自國(guó)家實(shí)驗(yàn)室、頂尖高校、科技大廠、AI4M 創(chuàng)企與知名投資機(jī)構(gòu)的近二十位一線專家齊聚一堂，圍繞「技術(shù)瓶頸與范式突破」「產(chǎn)業(yè)落地與商業(yè)化現(xiàn)實(shí)」「未來(lái)趨勢(shì)與生態(tài)協(xié)同」三大核心議題展開高濃度研討。

為何是張江 AI 創(chuàng)新小鎮(zhèn)，為何在此刻？

將這場(chǎng)閉門會(huì)落地于此，并非偶然。作為上海面向全球打造的人工智能創(chuàng)新高地，張江 AI 創(chuàng)新小鎮(zhèn)已構(gòu)建起從人工智能算法、算力到應(yīng)用場(chǎng)景的完整生態(tài)鏈，更在集成電路、生物醫(yī)藥、新能源、先進(jìn)材料等領(lǐng)域形成了深厚的產(chǎn)業(yè)積淀。近年來(lái)，一批 AI4S 頂尖團(tuán)隊(duì)與平臺(tái)在此聚集，「AI 算法+智能造+新材料」的獨(dú)特土壤日漸成熟。當(dāng)技術(shù)變革亟需打通從理論突破到工程落地的全鏈條，這里所具備的產(chǎn)學(xué)研協(xié)同生態(tài)與產(chǎn)業(yè)縱深，自然成為探討 AI4M 范式革新的理想發(fā)生地。

論道 AI4M：技術(shù)、商業(yè)與生態(tài)的三角張力

活動(dòng)現(xiàn)場(chǎng)，在上海交通大學(xué)溥淵未來(lái)技術(shù)學(xué)院副教授、未來(lái)電池研究中心執(zhí)行主任 萬(wàn)佳雨的主持下，嘉賓圍繞技術(shù)可行性、商業(yè)閉環(huán)與生態(tài)協(xié)同等「真問題」展開激烈辯論，輸出了極具銳度的觀點(diǎn)。

蘇州實(shí)驗(yàn)室主任研究員、中國(guó)科學(xué)技術(shù)大學(xué)客座教授 陳忻 分享了他對(duì) AI4M 賽道的長(zhǎng)期觀察。他認(rèn)為，雖然 AI+材料較 AI+生物整體滯后約五年，但現(xiàn)在正是該方向起飛的時(shí)刻。他尤其看重中國(guó)材料領(lǐng)域人才數(shù)量，以及長(zhǎng)三角的產(chǎn)業(yè)基礎(chǔ)，這正是他選擇回國(guó)的底層邏輯。談及材料科學(xué)的終局，他認(rèn)為不同材料體系很難簡(jiǎn)單統(tǒng)一，唯有利用 AI 大模型與智能體打通從微觀到宏觀，從計(jì)算模擬到實(shí)驗(yàn)驗(yàn)證的鴻溝，才可能催生真正的范式轉(zhuǎn)換。

道生天合材料科技數(shù)字自動(dòng)化總監(jiān)管升陽(yáng)指出，工業(yè)材料領(lǐng)域參數(shù)繁多，雖看似擁有海量數(shù)據(jù)，但這些數(shù)據(jù)多服務(wù)于生產(chǎn)工藝，而非面向AI研發(fā)設(shè)計(jì)。經(jīng)剔除無(wú)效與錯(cuò)誤數(shù)據(jù)后，真正可用的數(shù)據(jù)極其有限，且大多存在分布不均的問題。此外，供應(yīng)商數(shù)據(jù)缺失、批次溯源成本極高，導(dǎo)致數(shù)據(jù)規(guī)范化難以落地，這已成為制約當(dāng)前工業(yè)場(chǎng)景AI落地應(yīng)用的核心瓶頸。

素源矩陣創(chuàng)始人兼 CEO 韓家樂 談到，從半導(dǎo)體封裝到粘合劑的多次落地受挫表明，AI4M 的卡點(diǎn)不在實(shí)驗(yàn)室預(yù)測(cè)，而在工藝適配。他們通過工程師駐場(chǎng)摸查工藝，將老師傅經(jīng)驗(yàn)量化為算法約束，搭建「實(shí)驗(yàn)數(shù)據(jù)-工業(yè)遷移-智能體閉環(huán)」，已在建材制造等場(chǎng)景實(shí)現(xiàn)從經(jīng)驗(yàn)決策到數(shù)據(jù)決策的轉(zhuǎn)化，驗(yàn)證了老材料新配方的工程化路徑。

東南大學(xué)集成電路學(xué)院特聘教授、博士生導(dǎo)師 黃虎彪 強(qiáng)調(diào)，半導(dǎo)體材料領(lǐng)域中學(xué)界與產(chǎn)業(yè)對(duì)「材料」的認(rèn)知畫面差異極大，微觀官能團(tuán)的一點(diǎn)變化往往引發(fā)宏觀性質(zhì)非線性躍遷，導(dǎo)致AI數(shù)據(jù)標(biāo)注與預(yù)測(cè)極為困難。他進(jìn)一步指出，該行業(yè)核心并非單一材料，而是系統(tǒng)性工藝整合，數(shù)據(jù)積累與標(biāo)定仍是AI落地的關(guān)鍵瓶頸。

果殼 CEO、未來(lái)光錐前沿科技基金創(chuàng)始合伙人 姬十三 談及 AI4M 賽道現(xiàn)狀時(shí)指出，垂直平臺(tái)公司正面臨數(shù)據(jù)壁壘與通用模型擠壓的雙重困局——小公司缺乏數(shù)據(jù)積累，大公司不愿意將數(shù)據(jù)外給。這意味著純平臺(tái)模式商業(yè)模式不容易探索，他更看好愿意自建管線、向下游實(shí)驗(yàn)環(huán)節(jié)延伸的團(tuán)隊(duì)，而非僅停留在算法層的服務(wù)商。

科思創(chuàng) AI4M 負(fù)責(zé)人 劉瑋 回顧了團(tuán)隊(duì)從化學(xué)模擬到數(shù)據(jù)驅(qū)動(dòng)的演進(jìn)——早期發(fā)現(xiàn)純計(jì)算與物理世界存在偏差，于是將模擬特征與實(shí)驗(yàn)數(shù)據(jù)融合，借自動(dòng)化提升數(shù)據(jù)質(zhì)量。她希望 AI 不僅加速研發(fā)，更能打通生產(chǎn)端優(yōu)化與問題溯源，同時(shí)更敏捷地捕捉下游需求，縮短從實(shí)驗(yàn)室到終端客戶的周期。

復(fù)旦大學(xué)化學(xué)系教授、復(fù)鞍科技創(chuàng)始人 劉智攀 指出，AI4M 底層突破仍在于量化精度與跨尺度模擬。實(shí)驗(yàn)數(shù)據(jù)因商業(yè)壁壘難以共享，計(jì)算數(shù)據(jù)更易形成開放范式，未來(lái)研發(fā)將走向「干濕閉環(huán)」。復(fù)鞍科技正降低高精度計(jì)算門檻，通過智能體與云端工作流幫助企業(yè)構(gòu)建私有數(shù)據(jù)，打通原子模擬到工業(yè)決策的鏈路。

新研智材 SynMatAI CTO 南凱 判斷，AI4M 賽道仍處于極早期，既無(wú)成熟商業(yè)模式，更缺乏類似自動(dòng)駕駛的行業(yè)標(biāo)準(zhǔn)分級(jí)，導(dǎo)致甲乙雙方預(yù)期嚴(yán)重錯(cuò)位。他坦言，材料領(lǐng)域不像醫(yī)藥具備清晰的盈利體量，投資人與客戶均難以界定企業(yè)價(jià)值。他強(qiáng)調(diào)，這一領(lǐng)域必須經(jīng)歷充分的矛盾碰撞與市場(chǎng)驗(yàn)證，才能逐步沉淀出真正可行的共識(shí)與范式。

創(chuàng)材深造創(chuàng)始人兼 CEO 王軒澤 談到，雖然行業(yè)內(nèi)還有著通用專用之爭(zhēng)，但大家普遍對(duì) AI4M 的賺錢模式有了較統(tǒng)一的觀點(diǎn)，既專注于某一領(lǐng)域提供管線或材料等可以直接為客戶帶來(lái)真實(shí)價(jià)值的產(chǎn)品。

索格智算首席科學(xué)家、上海交通大學(xué)特聘教授 徐振禮 表示，材料基因工程歷經(jīng)十余年積累，正處突破窗口。材料機(jī)器學(xué)習(xí)力場(chǎng)大模型在不停提升，在降低參數(shù)量與算力成本的同時(shí)提升精度，縮短新材料發(fā)現(xiàn)周期。但他坦言，賽道前景廣闊卻面臨生態(tài)初建、成本高昂等挑戰(zhàn)，企業(yè)需在理想與生存間尋得平衡，更需長(zhǎng)期耐心

Monolith 投資人 嚴(yán)寬 談到，大模型作為入口正重塑 AI4S 的價(jià)值邏輯。他觀察到，賽道中具備長(zhǎng)期潛力的方向有二：一是以專業(yè)數(shù)據(jù)為大模型提供底層支撐，二是成為其可高頻調(diào)用的工具與求解器。單純窄域低頻的實(shí)驗(yàn)服務(wù)難以持續(xù)創(chuàng)造價(jià)值，兼具數(shù)據(jù)或工具屬性、并擁有清晰長(zhǎng)期愿景的團(tuán)隊(duì)，更易獲得資本與市場(chǎng)的認(rèn)可。

詞元造物創(chuàng)始人兼 CEO 余松林 指出，材料智能體的核心，不是替代研發(fā)人員，而是讓研發(fā)人員的經(jīng)驗(yàn)、數(shù)據(jù)和工具形成可持續(xù)進(jìn)化的研發(fā)系統(tǒng)。

在應(yīng)用端看來(lái)，AI4M的工業(yè)落地，首要面對(duì)的就是“高質(zhì)量數(shù)據(jù)短缺”的硬骨頭。道生天合材料科技數(shù)字自動(dòng)化總監(jiān)管升陽(yáng)指出，工業(yè)材料領(lǐng)域參數(shù)繁多，雖看似擁有海量數(shù)據(jù)，但這些數(shù)據(jù)多服務(wù)于生產(chǎn)工藝，而非面向AI研發(fā)設(shè)計(jì)。經(jīng)剔除無(wú)效與錯(cuò)誤數(shù)據(jù)后，真正可用的數(shù)據(jù)極其有限，且大多存在分布不均的問題。此外，供應(yīng)商數(shù)據(jù)缺失、批次溯源成本極高，導(dǎo)致數(shù)據(jù)規(guī)范化難以落地，這已成為制約當(dāng)前工業(yè)場(chǎng)景AI落地應(yīng)用的核心瓶頸。

面對(duì)這一制約行業(yè)發(fā)展的核心瓶頸，頭部的材料巨頭已經(jīng)在積極嘗試破局。科思創(chuàng) AI4M 負(fù)責(zé)人劉瑋回顧了團(tuán)隊(duì)從化學(xué)模擬到數(shù)據(jù)驅(qū)動(dòng)的演進(jìn)——早期發(fā)現(xiàn)純計(jì)算與物理世界存在偏差，于是將模擬特征與實(shí)驗(yàn)數(shù)據(jù)融合，借自動(dòng)化提升數(shù)據(jù)質(zhì)量。她希望 AI 不僅加速研發(fā)，更能打通生產(chǎn)端優(yōu)化與問題溯源，同時(shí)更敏捷地捕捉下游需求，縮短從實(shí)驗(yàn)室到終端客戶的周期。

以這些一線探索為縮影，以道生天合、科思創(chuàng)為代表的多家材料應(yīng)用的場(chǎng)景方達(dá)成了更深層次的共識(shí)：AI4M正在重塑材料行業(yè)的底層邏輯，未來(lái)的材料應(yīng)用競(jìng)爭(zhēng)不再單是產(chǎn)能的競(jìng)爭(zhēng)，而是數(shù)據(jù)與算力的競(jìng)爭(zhēng)。通過將AI深度植入材料研發(fā)與供應(yīng)鏈各環(huán)節(jié)，不僅能加速前沿材料的發(fā)現(xiàn)，更將驅(qū)動(dòng)全產(chǎn)業(yè)鏈向智能化、數(shù)字化的高端價(jià)值鏈邁進(jìn)。

*以上嘉賓觀點(diǎn)按姓氏首字母排序

這場(chǎng)匯聚 AI4M 「半壁江山」塔尖論道閉門組局，讓學(xué)術(shù)前沿的理論洞見、創(chuàng)業(yè)一線的落地焦慮、產(chǎn)業(yè)巨頭的真實(shí)需求與資本力量的趨勢(shì)判斷，在輕松互動(dòng)中自然交織。這種多元視角的碰撞，恰與張江人工智能創(chuàng)新小鎮(zhèn)著力打造的開放創(chuàng)新生態(tài)相互呼應(yīng)。當(dāng) AI for Materials 從實(shí)驗(yàn)室猜想走向工業(yè)決策，真正需要的或許正是這樣一個(gè)場(chǎng)域：讓技術(shù)、商業(yè)與生態(tài)的張力在此釋放，讓范式革新的下一步在對(duì)話與連接中自然生長(zhǎng)。